Nvidia는 최고의 그래픽 카드를 만드는 것으로 알려져 있으며, 요즘에는 게임 대신 AI 관련 워크로드에 전력을 공급하는 경우가 많습니다. GPU(그래픽 처리 장치)는 AI를 가능하게 하는 데이터 센터의 기반입니다. 재미있는 점은 Nvidia가 이제 AI를 사용하여 나중에 GPU로 끝나는 새로운 칩을 만드는 데 도움을 주기 때문에 AI 생활의 순환이 계속된다는 것입니다. 최근 인터뷰에 따르면 이로 인해 더 빠른 칩 설계, 특정 작업에 사용되는 노동 시간 감소, 기존 문제에 접근하는 새롭고 혁신적이며 때로는 이상한 방법과 같은 이점이 있는 것으로 나타났습니다.
2026 GPU 기술 컨퍼런스(GTC)에서 Google의 Jeff Dean과의 토론에서 Nvidia의 수석 과학자이자 연구 수석 부사장인 Bill Dally는 칩 제조업체가 GPU 설계의 모든 단계에서 AI를 도입하려고 노력하고 있다고 밝혔습니다. 헤드라이너는 의심할 여지 없이 Nvidia가 AI를 사용하여 프로세스의 한 단계에서 많은 시간과 비용을 절약했다는 사실입니다.
새로운 반도체 프로세스(본질적으로 Nvidia가 GPU를 구축하는 프로세스 노드)가 도입될 때마다 회사는 표준 셀 라이브러리를 여기에 이식해야 하며, 이는 약 2,500~3,000개의 셀에 추가됩니다. 이 작업을 완료하는 데에는 8명이 약 10개월이 걸렸습니다.
그런 다음 Nvidia는 단 하나의 GPU에서 하룻밤 만에 이 시간 소모적인 작업을 완료하는 프로그램인 NVCell을 설계했습니다. Dally가 결과가 인간 엔지니어가 생산한 것보다 더 낫다고 명확히 한 것처럼 여기에는 문제가 없는 것 같습니다.
Nvidia는 단순한 셀 라이브러리 포팅 이상의 목적으로 AI를 사용합니다.
Nvidia가 강화 학습 기반 NVCell을 개발하는 데 얼마나 오랜 시간이 걸렸는지는 확실하지 않지만 성과가 있는 것으로 보입니다. Nvidia는 귀중한 시간을 절약할 뿐만 아니라 차세대 GPU가 출시될 때 새로운 프로세스로 더 쉽게 이동할 수 있도록 해줍니다. 8명의 엔지니어를 하나의 GPU로 교체하는 것은 Nvidia가 공유해야 할 가장 큰 승리처럼 보였지만 Dally는 회사가 설계 프로세스에서 AI에 의지하는 몇 가지 방법도 나열했습니다.
다음 도구는 Prefix RL이며, 기술적인 설명을 생략하기 위해 이 도구의 임무는 다양한 칩 설계 옵션을 다루는 것입니다. 소프트웨어는 시행착오 과정을 통해 이러한 개념을 해결하려고 시도하며 시도를 통해 학습하기 위해 스스로 등급을 매깁니다. Dally는 이 도구가 온갖 종류의 이상한 아이디어를 생각해내지만 결국에는 인간이 디자인한 것보다 20~30% 더 낫다고 말했습니다.
Nvidia는 또한 AI를 사용하여 선임 엔지니어가 더 많은 후배 동료를 돕는 데 소비해야 했던 시간을 확보합니다. 내부 대형 언어 모델(LLM)인 Chip Nemo 및 Bug Nemo는 Nvidia의 독점 데이터베이스 및 코드베이스에서 교육을 받았으므로 Nvidia가 GPU를 구축하고 설계하는 방식에 대해 알아야 할 모든 것을 알고 있습니다. 이러한 지식을 갖춘 LLM은 주니어 엔지니어를 돕고 접근하기 쉬운 방식으로 복잡한 개념을 설명할 수 있습니다. 소비자 측면에서 엔비디아는 최근 AI 모델을 자율주행차에 도입하는 알파마요(Alpamayo)를 공개했습니다.
