Nvidia及其研究人员发表了一篇文章，分享了他们的AI PrefixRL，这有助于他们为显卡和其他芯片创建集成电路。多亏了这个人工智能，他们设法减小了电路的尺寸，这将缩小 25%。

NVIDIA PrefixRL：缩小 25%，电路更高效

Nvidia 研究人员发表了一篇论文，展示了 AI 设计的电路如何帮助将 GPU 算术电路的尺寸减少 25%。

为此，使用了PrefixRL，它是一种深度学习代理。由于其深度学习，它可用于从头开始创建更小、更快、更高效的新设计。PrefixRL取得了比电子设计自动化 (EDA) 工具更好的结果，这些工具被 Cadence、Synopsys 或 Siemens/Mentor 等大型供应商使用。

EDA供应商通常会为芯片布局和布线 (PnR) 实施自己的人工智能。然而，英伟达的PrefixRL会提供更好的结果，这表明英伟达在人工智能或深度学习领域是如何改进的。

据 Nvidia 称，最新的 Hopper H100 GPU 架构使用了 PrefixRL 处理的 13,000 个算术电路实例。NVIDIA 提出了一种模型，该模型产生的电路比 EDA 的可比结果小 25%。

通过使用更小的电路，可以提高能源效率并降低生产成本。在共享图像中，我们可以看到PrefixRL设计的 64 位加法器与 EDA 工具设计的另一个加法器之间的比较。

要实现 64 位加法器电路需要大量的计算时间，也需要大量的硬件。Nvidia 每个 GPU 需要 256 个 CPU 内核和 32,000 个 GPU 小时。