تصميم رقائق Nvidia بالذكاء الاصطناعي يختزل 10 أشهر من الهندسة البشرية في ليلة واحدة

كانت عملية نقل مكتبات الخلايا القياسية إلى عقد تصنيع أشباه الموصلات الجديدة تكلف شركة Nvidia جهود ثمانية مهندسين وعشرة أشهر من العمل المتواصل. أما اليوم، تستخدم عملاقة الرسوميات ذكاءها الاصطناعي الخاص لإنجاز عبء العمل ذاته في ليلة واحدة فقط باستخدام وحدة معالجة رسوميات (GPU) واحدة. يسلط هذا الاختراق في تصميم رقائق Nvidia بالذكاء الاصطناعي الضوء على تحول جذري في كيفية بناء الأجهزة الأساسية التي تقود ثورة الذكاء الاصطناعي.

وخلال نقاش مع جيف دين من شركة Google في مؤتمر تكنولوجيا وحدات معالجة الرسوميات لعام 2026 (GTC)، أوضح بيل دالي، كبير العلماء ونائب الرئيس الأول للأبحاث في شركة Nvidia، كيف تدمج الشركة الذكاء الاصطناعي في كل مرحلة من مراحل تطوير أجهزتها. ومع تزايد طلب مراكز البيانات على وحدات معالجة رسوميات أكثر تعقيداً، أصبحت الاختناقات التقليدية في هندسة الرقائق المعتمدة على البشر غير قابلة للاستمرار.

عندما تنتقل شركة Nvidia إلى عقدة تصنيع (Process Node) جديدة، يتعين على المهندسين نقل مكتبة خلايا قياسية تحتوي على ما يقرب من 2500 إلى 3000 خلية. وللقضاء على هذا الاستنزاف الهائل للوقت، طورت الشركة برنامج NVCell المعتمد على التعلم المعزز. وبدلاً من تقييد فريق مكون من ثمانية أشخاص لمدة عام تقريباً، يعالج البرنامج المكتبة بأكملها في ليلة واحدة.

ووفقاً لتصريحات دالي، تتفوق النتائج التي يولدها الذكاء الاصطناعي باستمرار على المخططات التي ينتجها المهندسون البشريون. وتجعل هذه الدقة المؤتمتة من الأسهل والأسرع لشركة Nvidia الانتقال إلى الجيل التالي من عمليات التصنيع دون أن تعيقها قيود التصميم اليدوي.

إلى جانب نقل الخلايا، تنشر شركة Nvidia مجموعة من أدوات الذكاء الاصطناعي المتخصصة لتحسين جوانب أخرى من ابتكار وحدات معالجة الرسوميات.

• أداة Prefix RL: يعالج هذا البرنامج خيارات تصميم الرقائق المعقدة من خلال التعلم القائم على التجربة والخطأ. وأشار دالي إلى أنه رغم ابتكار الأداة لتخطيطات غير تقليدية في كثير من الأحيان، إلا أن تصميماتها النهائية تتفوق بنسبة 20% إلى 30% على التصميمات البشرية.
• نموذجا Chip Nemo وBug Nemo: تم تدريب هذه النماذج اللغوية الكبيرة (LLMs) الداخلية حصرياً على قواعد البيانات والأكواد البرمجية الخاصة بشركة Nvidia. وتعمل هذه النماذج كموجهين عند الطلب، حيث تشرح المفاهيم المعمارية المعقدة للمهندسين المبتدئين وتخفف عن كبار الموظفين أعباء استكشاف الأخطاء الروتينية.
• نموذج Alpamayo: في توسع يتجاوز تصميم الأجهزة الداخلية، كشفت شركة Nvidia مؤخراً عن هذا النموذج لجلب قدرات الذكاء الاصطناعي المتقدمة إلى السيارات ذاتية القيادة.

يكشف اعتماد شركة Nvidia على أدوات مثل NVCell وPrefix RL عن حقيقة حاسمة حول مستقبل تصنيع أشباه الموصلات: لم تعد الهندسة البشرية تتوسع بالسرعة الكافية لتلبية متطلبات طفرة الذكاء الاصطناعي. ومن خلال استخدام الذكاء الاصطناعي لتصميم الرقائق التي ستدرب نماذج الذكاء الاصطناعي المستقبلية، تخلق الشركة حلقة تسريع مركبة سيصعب على المنافسين مجاراتها.

ورغم أن استبدال سير عمل يستغرق 10 أشهر لثمانية أشخاص بتشغيل ليلي واحد هو انتصار هائل للكفاءة، إلا أنه ينذر أيضاً بتحول وشيك في القوى العاملة الهندسية. قد يجد المطورون المبتدئون الذين يعتمدون على نموذج Chip Nemo للتوجيه أن المهام الأساسية التي اعتادوا استخدامها لتعلم الأساسيات - مثل نقل الخلايا - قد تمت أتمتتها بالكامل. وسيجبر هذا التحول صناعة أشباه الموصلات على إعادة التفكير جذرياً في كيفية تدريب الجيل القادم من مهندسي الأجهزة.