Hoy mismo, esta noticia ha inundado todo Internet. NVIDIA ha utilizado la IA en el diseño de chips para crear GPU, una tarea que en un principio requirió el trabajo de 8 ingenieros sénior durante 10 meses y que se completó de la noche a la mañana. En la reciente GTC de NVIDIA, una conversación de alto nivel entre el científico jefe Bill Dally y el científico jefe de Google Jeff Dean reveló este impactante hecho.
En estos momentos, esta charla de YouTube ya ha sido vista por decenas de miles de personas y ha recibido grandes elogios en Internet. En la larga historia de la industria de los semiconductores, la Ley de Moore fue en su día una verdad inquebrantable. Pero a medida que se acercan los límites físicos, la complejidad de desarrollar una GPU emblemática ha crecido exponencialmente. Ahora, la IA en el diseño de chips casi hace retroceder a los ingenieros humanos...
La IA en el diseño de chips: De “80 meses-persona” a “una GPU de la noche a la mañana”
En los flujos de trabajo de diseño de chips tradicionales, la migración de la biblioteca de celdas estándar es una tarea extremadamente tediosa y laboriosa. Cada vez que TSMC o Samsung introducen un nuevo proceso de semiconductores (como el paso de 5nm a 3nm), NVIDIA debe readaptar su biblioteca base de entre 2.500 y 3.000 celdas al nuevo proceso.
Bill Dally reveló que, en el pasado, esta tarea requería un equipo de 8 ingenieros superiores que trabajaban continuamente durante 10 meses, con un coste total de 80 meses-persona. Pero tras la intervención de la IA, todo dio un vuelco.
Ahora, NVIDIA ha desarrollado una herramienta basada en el aprendizaje por refuerzo: NB-Cell. Con sólo introducir los requisitos en el sistema, una GPU puede completar toda la migración de la noche a la mañana. Durante este proceso, NB-Cell explora continuamente cientos de millones de combinaciones de diseño mediante el método de ensayo y error y la autooptimización en muy poco tiempo.
Lo sorprendente es que las celdas generadas por la IA, en métricas clave como área, potencia y retardo, no sólo alcanzan el nivel de rendimiento humano, sino que en algunos casos superan a los diseños humanos manuales. Esta capacidad de “entrega de un día para otro” significa que NVIDIA puede validar nuevos procesos antes que sus competidores, manteniendo una posición de liderazgo en la carrera del hardware.
La IA en el diseño de chips: Prefijo RL e “Intuición no humana”
La IA en el diseño de chips Romper el diseño lógico con el prefijo RL
Si NB-Cell resuelve el trabajo repetitivo, Prefix RL muestra la creatividad de la IA en el diseño de lógica compleja. En la Unidad Lógica Aritmética (ALU) de un chip, la colocación de la cadena de transporte (Carry Lookahead Chain) ha sido un problema clásico estudiado durante décadas.
Los ingenieros humanos se basan en la experiencia y la intuición para el trazado, y a menudo topan con un límite de rendimiento. Pero el sistema Prefix RL dio una respuesta completamente distinta.
Dally describió los diseños generados por la IA como “diseños extraños que a los humanos nunca se nos ocurrirían”. Estos diseños van en contra de la estética tradicional de la ingeniería electrónica, pero en rendimiento mejoran entre 20% y 30% en comparación con los mejores diseños humanos.
Esto marca un punto de inflexión: La IA en el diseño de chips ya no se limita a ayudar a los humanos, sino que va más allá de los límites cognitivos humanos, buscando “soluciones óptimas” ocultas en millones de dimensiones.
La IA en el diseño de chips: Chip Nemo como mentor de silicio
Dentro de NVIDIA, la falta de adecuación de los recursos humanos solía ser uno de los principales puntos conflictivos. Los diseñadores senior solían dedicar mucho tiempo a guiar a los juniors, explicándoles cómo funcionaban determinados módulos de hardware (RTL).
Para liberar productividad en el núcleo, NVIDIA desarrolló grandes modelos lingüísticos internos: Chip Nemo y Bug Nemo.
A diferencia de los LLM de uso general que existen en el mercado, estos modelos se perfeccionan a partir de los documentos de arquitectura, el código RTL y las especificaciones de hardware exclusivos de NVIDIA acumulados durante décadas. Tras una formación privada, se convierten en “los expertos que mejor entienden las GPU NVIDIA”.”
Los ingenieros junior ya no necesitan interrumpir a los ocupados ingenieros senior cuando se enfrentan a complejos diseños de módulos: pueden preguntar directamente a Chip Nemo. Actúa como un mentor muy paciente, explicando paso a paso los principios de funcionamiento de la GPU.
Bug Nemo, por su parte, agrega informes de errores y asigna automáticamente los fallos a los ingenieros o módulos más adecuados, lo que acorta enormemente la fase de verificación del chip, la etapa de la “carrera de fondo”.
La IA en el diseño de chips: ¿Puede la IA diseñar chips por sí sola?
A pesar de que la eficiencia se ha multiplicado por cien, Bill Dally se mostró muy lúcido y comedido en el debate. Señaló explícitamente que el diseño de chips totalmente automatizado de principio a fin -en el que basta con decir “diseña una nueva GPU” y la IA genera un plano completo- está todavía “muy lejos”.”
En la actualidad, la IA en el diseño de chips desempeña más un papel de “diseño aumentado” que de creación autónoma de chips.
Existen tres limitaciones fundamentales:
La IA en el diseño de chips sigue necesitando decisiones de arquitectura humanas
Las decisiones arquitectónicas de alto nivel siguen dependiendo de la experiencia humana.
La IA en el diseño de chips sigue necesitando circuitos creativos
El diseño creativo de circuitos y estructuras lógicas complejas sigue estando dirigido por humanos.
La IA en el diseño de chips aún se enfrenta a límites de verificación
La verificación del diseño sigue siendo el “polo” más largo del proceso. La IA puede contribuir a la aceleración, pero no puede cerrar completamente el círculo.
En otras palabras, las tareas de definición del marco -como la arquitectura de alto nivel, la coordinación entre módulos y las decisiones clave- siguen estando en manos humanas. Además, aunque la IA puede acelerar la verificación, la simulación final y las pruebas en el mundo real siguen siendo necesarias para garantizar que los chips funcionen a la perfección en la realidad física.
La IA en el diseño de chips: Flujo de trabajo humano + IA
La práctica de NVIDIA demuestra que la IA no está sustituyendo a los ingenieros, sino transformando su forma de trabajar.
Los ingenieros junior utilizan Chip Nemo para aprender módulos complejos de forma independiente, reduciendo las interrupciones del personal senior. Los ingenieros sénior se liberan de tareas repetitivas y pueden centrarse en la innovación y la toma de decisiones de mayor valor.
En todo el flujo de trabajo, la IA se encarga de la búsqueda a gran escala, la optimización y la verificación, mientras que los humanos definen los objetivos, las limitaciones y la dirección creativa.
Se trata esencialmente de un modelo colaborativo de “humano establece el marco + IA ejecuta a gran velocidad”.”
Dally imagina un futuro con modelos “multiagente”, en los que distintos sistemas especializados de IA se ocupen de las distintas fases del diseño, colaborando como lo hacen hoy los equipos funcionales.
El objetivo a largo plazo sigue siendo el diseño automatizado de extremo a extremo, pero aún hay que resolver retos como la verificación, la negociación de interfaces y el ajuste dinámico.
Los avances actuales ya permiten a NVIDIA iterar con mayor rapidez las nuevas generaciones de hardware, convirtiéndose en un importante apoyo para mantener la Ley de Moore.
La IA en el diseño de chips: Los ingenieros aún no serán sustituidos
Cuando 10 meses de trabajo de 8 ingenieros se sustituyen por una noche en una GPU, tenemos que enfrentarnos a una dura realidad: el trabajo de ingeniería mediocre y laborioso se deprecia rápidamente.
NVIDIA está construyendo una barrera tecnológica impulsada por la IA. Mientras sus competidores siguen intentando ponerse al día añadiendo mano de obra, NVIDIA ya ha entrado en un sistema autorreforzado de “IA diseñando IA, IA optimizando IA”.”
Este tipo de ventaja en eficiencia es exactamente la razón por la que puede lanzar una nueva tarjeta gráfica insignia cada año.
Para los ingenieros de chips, esto es tanto una crisis como una oportunidad. Los humanos se están liberando del tedioso cableado y la migración celular, obligados a evolucionar hacia un pensamiento arquitectónico de más alto nivel y decisiones creativas más complejas.
La IA en el diseño de chips: Una nueva era de creación de silicio
En esta nueva era del diseño de chips basados en silicio, la computación ya no es sólo el propósito de los chips, sino que se ha convertido en el origen mismo de su creación.
