此前英偉達的首席科學家兼研究高級副總裁Bill Dally在GTC 2022上， 分享 了一些英偉達研發方面的信息，其中涉及了使用機器學習（ML）和人工智能（AI）技術，進行開發、改進和加速GPU設計。

在過去的數年時間裏，英偉達在AI和ML領域的努力不容忽視，其GPU成為了不少數據中心和HPC的首選。

目前英偉達主要使用最先進的EDA（電子設計自動化）工具來設計GPU，同時還運用了一種名為PrefixRL的人工智能模型，使用深度強化學習優化並行前綴電路，讓英偉達可以設計出面積更小的芯片，同時能提供相似或更好的性能。

據英偉達的 介紹 ，在最新的Hopper架構GPU上擁有將近13000個電路實例，而這些實例完全由AI創建。從英偉達展示的對比圖可以看到，基於PrefixRL AI設計的64b加法器電路與傳統的EDA工具相比，面積減少了25%，但速度和功能是等效的。

訓練PrefixRL這樣的模型是一項計算密集型任務，物理模擬需要256個CPU用於每個GPU，訓練64b案例需要超過32000個GPU小時。英偉達為此開發了Raptor，這是一個內部分佈式強化學習平台，利用英偉達硬件的獨特優勢進行強化學習。

英偉達表示，這應該是第一種使用深度強化學習代理來設計算術電路的方法，希望這種方法可以成為將AI應用於現實世界電路設計的問題。