NvidiaがAIエージェントでチップ設計

NvidiaはGPUおよびCPUからCUDA-XライブラリおよびNemotronモデルまで、AIインフラストラクチャの中核エンジンとして自らを位置付けてきました。しかし、チップの複雑さが加速化するにつれて、同社はチップ設計の問題そのものにその同じAI優先の哲学を適用しています。Nvidiaのコンピュテーショナルエンジニアリングバイスプレジデント兼ジェネラルマネージャーであるTim Costaは、課題を厳しい言葉で説明しました。2030年までに、半導体業界は2兆個のチップを製造し、月間約4,100万枚のウェーハを処理すると予想されています。個別パッケージは1兆個のトランジスタに近づいており、コンピューティングシステム全体は数千兆個のトランジスタ数に達するでしょう。従来のチップ設計（シミュレーション、検証、実装）には数年かかり、AI駆動型ハードウェア需要のペースと互換性がありません。

中核となる洞察は、この複雑さが一次元的ではないということです。「重要なのは、どの数字ではなく、スケール、アーキテクチャ、パッケージング、システム複雑さの相互作用です」とCostaは説明しました。チップアーキテクチャの決定は、原子スケールの製造、先進的なパッケージング、電力、熱、システム動作全体に波及します。AIはエンジニアがより多くの設計代替案を探索し、それらの相互作用全体でより良い決定を下すのに役立ちます。高忠実度のシミュレーション、検証、最適化を高速化することで、繰り返し実行を可能にします。AIは物理学や設計ルールを置き換えるのではなく、ドメイン固有のチェックをループに入れ、エンジニアがそれらをより頻繁に使用できるようにし、単独のツールではなく全体的なエンジニアリングループを加速させます。

このビジョンを実行するために、Nvidiaは88個のカスタムOlympusコアを備えたArmベースのCPUであるVeraを展開しています。このコアはNvidiaが設計し、1.2TB/secのLPDDR5Xメモリサブシステムを搭載しており、CadenceおよびSynopsysの電子設計自動化（EDA）ワークフロー全体に展開されています。初期テストでは、SynopsysのVCSおよびCadenceのJasperプラットフォーム上で実行されるVeraがAMD Epyc Torrentシステムのパフォーマンスの1.5倍を提供し、シミュレーションおよび検証実行の短縮と反復処理の高速化という実用的な利点があります。NvidiaはVeraそれ自体を使用してRosaの設計を支援しています。RosaはRigel コアを基盤とするNvidiaの次世代CPUであり、2028年にFeynmanデータセンタープラットフォームの一部として発売予定です。

より広い業界は並行して動いています。Cadenceはシリコンデザインおよび検証向けのAI Super Agentを2月に発表し、その後NvidiaおよびTSMC、Googleとのエージェント的チップおよびシステムデザインのパートナーシップを続けました。先月、Cadenceはフロントエンドエージェントワークフロー向けのAuraStack AI Super Agentをリリースしました。Cadenceによると、そのAI Super Agentは数百のシミュレーションを1日未満で実装でき、現在は5週間を要する作業を実行し、Register-Transfer Level（RTL）検証サイクルを40倍高速化します。一方、Synopsysはこの週、NvidiaとともにAMD、Microsoft、Intelとのエージェント的AIパートナーシップを発表しました。カリフォルニアのDesign Automation Conferenceで、SynopsysはそのエージェントプラットフォームおよびAgentEngineerテクノロジーを基盤とし、Nemotron 3 Ultra、Agent Toolkit、OpenShell runtimeを含むNvidiaテクノロジーを組み込んだFully Autonomous Design Verification Workflowを実証しました。同ベンダーは、検証済みRTLを他のプラットフォームより50倍高速に提供できると主張しています。

ソフトウェア側では、NvidiaはAgent Toolkitを拡張しています。3月にNemotronモデルおよびOpenShell runtimeで立ち上げられ、後にNemotron 3 Ultraで補強されました。Nemotron 3 Ultraはチップ設計のエージェント的コーディング向けのオープンモデルです。このツールキットには再構築されたPhysicsNeMoが含まれており、専門家が手動で操作するフレームワークから、エージェント対応スキルを備えたオープンで構成可能なライブラリセットへシフトしました。これらのライブラリは実用的なレイヤーおよびエンジニアリングワークフロー需要、物理学認識操作、GPU原生メッシュ処理、分散トレーニング、データキュレーション対応しており、スキルはモデル加速、トレーニング構成、データパイプライン作成、データセットキュレーションなどのタスク用の反復可能な指示をエンコード化し、呼び出すツール、生成する出力、結果をどのようにチェックするかを指定します。NvidiaのアクセラレーションライブラリスイートであるCUDA-Xには、物理およびエンジニアリングシミュレーション向けGPU上の大規模スパース線形システムのためのcuISS、直接スパースソルバー向けcuDSSおよび量子化学向けcuESTなどの既存ツールを補完するものが含まれています。このシフトはCostaが述べたように、「専門家が手動で操作するフレームワークから、AIエージェントがより大きなエンジニアリングプロセス内で呼び出し、構成、検証できるAI物理学機能」へのものです。

NvidiaのAI駆動型チップエンジニアリングへの取り組みは、半導体業界における構造的な転換を反映しています。将来のハードウェアの複雑さは、人間が主導する設計ワークフローが予定通りに提供できるものをはるかに上回っています。NvidiaのコンピュテーショナルエンジニアリングバイスプレジデントであるTim Costaは、課題を率直に述べています。2030年までに業界は2兆個のチップを製造し月間約4,100万枚のウェーハを処理する必要があり、個別パッケージは1兆個のトランジスタに近づき、システム全体は数千兆個のトランジスタに達します。従来のシミュレーション、検証、実装ステップは数年かかり、AIの加速化時代には、そのタイムラインは実行不可能です。このシフトは限定的な最適化ではなく、基礎的なものです。AIは生産性向上ツールから、エンジニアリングインフラストラクチャ自体へと移行します。

これが有意義な理由は、業界全体が足並みをそろえて対応しているためです。支配的な電子設計自動化ベンダーであるCadenceとSynopsysは両社とも、数ヶ月の間にエージェント的プラットフォーム（それぞれAI Super AgentとFully Autonomous Design Verification Workflow）を立ち上げており、両社ともNvidia、AMD、Microsoft、Intel、TSMC、Googleと協力しています。数字は驚くべきものです。CadenceのエージェントはPEAは数百のシミュレーションを並行実行することで5週間の作業を1日未満に短縮し、Synopsysのワークフローは検証済みRTLを50倍高速に提供します。これらは段階的な改善ではなく、数桁のリープです。

Nvidiaの独自の展開は証拠です。Veraはチップ設計用にNvidiaが設計したカスタムCPUであり、現在CadenceおよびSynopsysのワークフロー全体で実行されており、2028年発売予定のNvidiaの次世代CPU、Rosaの設計を支援しています。Nvidiaは独自のハードウェアとエージェントを使用して将来のチップを設計することにより、エージェント的設計が抱負的なものではなく、すでに重要なパスに組み込まれていることを示しています。PhysicsNeMoの再構築とCUDA-Xの拡張（cuDSS、cuEST、cuISS）は、より深いシフトを反映しています。専門家が手動で操作するフレームワークから、より大きなワークフロー内で呼び出し、構成、検証できるエージェント対応ライブラリへの移行です。これはインフラストラクチャのスケーリングであり、今正に起こっています。

まだコメントがありません。最初のコメントを投稿しましょう！