輝達 (NVDA.US) 在最新技術展示中揭露其 AI 輔助晶片設計能力大幅突破，透過自研工具將原本需 8 名資深工程師耗時 10 個月完成的 GPU 設計關鍵流程，壓縮至一夜完成，顯示 AI 正深度重塑半導體研發模式。
在近期舉行的 GTC 大會上，輝達首席科學家 Bill Dally 與 Alphabet(GOOGL.US) 首席科學家 Jeff Dean 對談時指出，AI 已可顯著提升晶片設計效率。傳統流程中，當晶片製程由 5 奈米升級至 3 奈米時，需重新調整包含約 2500 至 3000 個標準單元的設計庫，過去需耗費約 80 個人月。
如今透過名為 NB-Cell 的強化學習工具，系統可在一夜內完成整體遷移工作。該系統透過大量試錯與自我優化，在極短時間內探索數億種設計組合，並在面積 (Area)、功耗(Power) 與延遲 (Delay) 等核心指標上達到甚至超越人類工程師水準。這使輝達能更快適配新製程，縮短產品開發週期，在 AI 硬體競賽中取得先機。
除了解決重複性工程問題，AI 亦開始參與更高階設計。輝達利用 Prefix RL 技術，在晶片算術邏輯單元 (ALU) 的進位前瞻鏈配置上生成「非人類直覺」方案，其效能較傳統人工設計提升約 20% 至 30%。相關設計雖違背傳統工程經驗，但展現出 AI 在高維度空間尋找最優解的能力。
在組織與人才層面，輝達亦導入內部大語言模型 Chip Nemo 與 Bug Nemo，分別用於技術教學與錯誤分析。這些模型基於公司多年累積的 GPU 架構文件與 RTL 程式碼訓練，可協助初級工程師快速理解複雜模組，同時自動分類與分派錯誤，大幅縮短驗證週期。
儘管 AI 大幅提升效率，輝達仍強調目前尚未達到完全自動化設計階段。Dally 指出，端到端「一句話生成完整 GPU」仍有距離，高階架構決策、創新電路設計與最終驗證仍需人類主導。現階段 AI 主要扮演「增強設計」角色，負責搜尋、優化與加速流程，而人類則負責定義目標與關鍵決策。
市場分析指出，隨著台積電製程持續演進與晶片複雜度指數級上升，AI 導入設計流程已成產業趨勢。包括超微 (AMD.US) 與多家晶片設計公司亦加速布局 AI 輔助設計工具，以因應研發成本與時間壓力。
整體而言，輝達正透過「人類定義框架＋AI 高速執行」模式，建立新的技術壁壘。隨著 AI 逐步滲透設計、驗證與優化各環節，半導體產業將進入以算力驅動晶片誕生的新階段。對工程師而言，工作重心正從重複性任務轉向高層決策與創新，產業分工模式也隨之重塑。
(美股為即時串流報價； OTC市場股票除外，資料延遲最少15分鐘。)新聞來源 (不包括新聞圖片): 鉅亨網