Nvidia nổi tiếng với việc sản xuất một số card đồ họa tốt nhất, và hiện nay nhiều sản phẩm của họ đang phục vụ các tải trọng công việc liên quan tới AI thay vì chỉ chơi game. Các GPU là nền tảng của các trung tâm dữ liệu giúp AI trở thành hiện thực. Chu trình AI tiếp tục, khi Nvidia hiện đang dùng AI để hỗ trợ tạo ra các chip mới – những chip sau này lại được lắp vào GPU. Một cuộc phỏng vấn gần đây tiết lộ rằng việc này mang lại lợi ích như rút ngắn thời gian thiết kế chip, giảm đáng kể giờ công cho một số nhiệm vụ, và thậm chí mở ra những cách tiếp cận sáng tạo, đôi khi hơi lạ lùng, đối với các vấn đề hiện có.
Trong cuộc thảo luận với Jeff Dean của Google tại GPU Technology Conference (GTC) 2026 (https://www.nvidia.com/en-us/on-demand/session/gtc26-s82167/), Bill Dally – nhà khoa học trưởng và phó chủ tịch cao cấp phụ trách nghiên cứu của Nvidia – cho biết công ty đang cố gắng đưa AI vào mọi bước của quy trình thiết kế GPU. Điểm đáng chú ý là Nvidia đã dùng AI để tiết kiệm một lượng lớn thời gian và chi phí ở một giai đoạn của quá trình.
Mỗi khi một quy trình bán dẫn mới được giới thiệu (tức là node công nghệ mà Nvidia sẽ xây dựng GPU quanh đó), công ty phải chuyển thư viện standard‑cell sang quy trình mới, công việc này bao gồm khoảng 2.500–3.000 cell. Trước đây, việc này cần tới tám người và mất khoảng 10 tháng để hoàn thành.
Nvidia sau đó đã phát triển NVCell, một chương trình hoàn thành công việc tốn thời gian này chỉ trong một đêm trên một GPU duy nhất. Dally nhấn mạnh rằng kết quả thu được còn tốt hơn so với những gì các kỹ sư con người tạo ra.
Nvidia uses AI for more than just porting cell libraries
NVCell được phát triển dựa trên học tăng cường, nhưng chi tiết kỹ thuật chưa được công bố. Dù vậy, kết quả đã chứng tỏ hiệu quả rõ rệt: Nvidia không chỉ tiết kiệm thời gian quý báu mà còn giúp việc chuyển sang quy trình mới trở nên dễ dàng hơn khi thế hệ GPU tiếp theo ra mắt. Việc thay thế tám kỹ sư bằng một GPU là thành tựu ấn tượng, và Dally còn nêu ra một vài cách khác mà công ty đang tận dụng AI trong quy trình thiết kế.
- Prefix RL – công cụ học tăng cường đối mặt với nhiều lựa chọn thiết kế chip. Nó lặp đi lặp lại qua các thử nghiệm, tự đánh giá và cuối cùng tạo ra các thiết kế tốt hơn 20‑30 % so với các bản do con người thực hiện.
- Internal large language models (LLMs) – Chip Nemo và Bug Nemo của Nvidia được huấn luyện trên cơ sở dữ liệu và mã nguồn độc quyền của công ty. Chúng có thể hỗ trợ các kỹ sư trẻ bằng cách giải thích các khái niệm phức tạp một cách dễ hiểu.
- Alpamayo – nền tảng mô hình AI mà Nvidia đang đưa vào xe tự lái.
Nvidia, AI, GPU
