Modele i platformy AI

Nvidia Własny Procesor Do Projektowania Następnych Chipów

mm
Dodaj Unite.AI do preferowanych źródeł w Google

Nvidia (NVDA ) rozpoczęło uruchamianie oprogramowania do projektowania chipów, których własni inżynierowie używają do budowy następnej generacji procesorów, na swoim procesorze Vera CPU, a Cadence i Synopsys dostosowują swoje narzędzia do tego celu.

Spółka powiedziała, że Cadence Jasper, platforma weryfikacji formalnej, oraz Synopsys VCS, symulator logiki używany do walidacji projektów przed ich wytworzeniem, każdy wykazał się nawet 1,5-krotnie wyższą wydajnością w wybranych obciążeniach w początkowych testach. Nvidia powiedziało, że test VCS utrzymywał stałą liczbę rdzeni, co sprawia, że uzyskany zysk jest wynikiem poprawy wydajności na rdzeń, a nie rezultatem dodania sprzętu.

Ogłoszenie to miało miejsce wraz z szerszym ogłoszeniem inżynieryjnym na Konferencji Automatyzacji Projektowania w Long Beach, Kalifornia, gdzie Nvidia również przedstawiło agenciarskie narzędzia zbudowane z Cadence, Siemens i Synopsys, których wkładem była w pełni autonomiczny agent weryfikacji. Nvidia uruchamia rozmieszczenie na klastrze Vera w swoim centrum danych w Portland, zgodnie z podpisem zdjęcia w poście.

Przyspieszenie obciążeń, które nie może osiągnąć

Post zawiera godne uwagi przyznanie się spółki, która sprzedaje przyspieszacze. Własne ujęcie Nvidii jest takie, że przyspieszenie ma tu ograniczenia. Procesory graficzne i sztuczna inteligencja zajęły już duże części projektowania chipów, mówi, ale symulacja logiki, weryfikacja formalna i etapy implementacji cyfrowej nadal są ograniczone przez procesor, przez to, jak szybko działa jeden rdzeń i jak szybko pamięć może go zasilić.

To jest komercyjnie interesująca część. Klaster weryfikacji i regresji są wśród największych flot ogólnego przeznaczenia procesorów, których używa firma produkująca chipy, i znajdują się bezpośrednio przed punktem, w którym projekt jest gotowy do produkcji, gdzie opóźnienia harmonogramu są najbardziej kosztowne. Są to również rodzaj pracy, który nie przechodzi na procesory graficzne, co sprawia, że są jednym z nielicznych miejsc w centrum danych firmy produkującej chipy, gdzie wybór procesora jest decyzją o całkowitej wartości. Zainstalowana baza jest znaczna: Synopsys opisuje VCS jako podstawowe rozwiązanie weryfikacyjne w większości najlepszych firm produkujących półprzewodniki na świecie.

Vera to procesor oparty na architekturze Arm, zbudowany wokół 88 niestandardowych rdzeni Olympus, podsystemu pamięci LPDDR5X i drugiej generacji spójności, która łączy rdzenie, pamięć podręczną i wejścia/wyjścia na jednym układzie obliczeniowym. Nvidia zaprojektowało tę część dla agenciarskiej sztucznej inteligencji, gdzie procesor wykonuje wywołania narzędzi i kodu między krokami modelu. Weryfikacja chipów okazuje się wymagać tych samych właściwości: szybkie poszczególne rdzenie, które są zasypywane, wykonujące tysiące zadań jednocześnie.

Co liczba 1,5x pomija

Nvidia nie mówi, czym jest mierzona liczba 1,5x. Post nie wymienia porównywalnego procesora, projektu pod testem, wersji oprogramowania i bezwzględnych czasów wykonywania. Twierdzenie brzmi “do 1,5-krotnie wyższa wydajność w wybranych obciążeniach”, a wybrane jest słowem, które ma znaczenie w tym zdaniu.

Nvidia było bardziej precyzyjne w odniesieniu do Very gdzie indziej. Strona produktu Vera CPU podaje, że główna liczba chipu, do 1,8-krotnie wyższa na piaskownicy agenciarskiej, jest porównywana z tym, co nazywa najnowszą generacją procesora x86. Post opublikowany 7 lipca 2026 r. podaje, że Vera osiąga 1,8-krotnie lepszą wydajność na rdzeń w porównaniu z procesorem x86 pod obciążeniem i opisuje test Perplexity na rzeczywistym przepływie pracy. Dane dotyczące projektowania chipów nie zawierają równoważnego ujęcia.

Niezależne liczby dotyczące Very są cienkie, a te, które istnieją, zostały zebrane w warunkach ustalonych przez Nvidię. Michael Larabel opublikował to, co nazwał jednymi z pierwszych publicznych testów chipu w recenzji Phoronix z dnia 26 maja 2026 r., przeprowadzonymi w ciągu jednego dnia w biurach Nvidii w Santa Clara. Napisał, że Nvidia ograniczyła testy do obciążeń, które uważała za istotne dla klientów Very, i poprosiła o wyłączenie monitorowania mocy i częstotliwości procesora, podczas gdy zarządzanie mocą było nadal dostosowywane. Żadne narzędzia EDA nie pojawiły się w opublikowanym zestawie.

Projektowanie następnego chipu na poprzednim

Strategiczna forma tego jest pętla. Nvidia używa swojego własnego procesora do projektowania procesorów i układów graficznych, które następują po nim, a następnie wprowadza to, czego się nauczyło, z powrotem do krzemowego układu. Spółka powiedziała, że planuje rozbudować Very z następnym procesorem o nazwie Rosa, napędzanym rdzeniem o nazwie Rigel. Wcześniejszy post opisywał Rigel jako projekt Arm v9.2, który dostarcza wyższą wydajność na rdzeń niż Olympus w tym samym śladzie krzemowym, z lepszym dostarczaniem instrukcji, większą pamięcią podręczną L2 i bardziej wydajnym zarządzaniem pamięcią. Liczba rdzeni, częstotliwości zegara i daty pozostają nieujawnione.

Dla menedżerów weryfikacji w innych firmach produkujących chipy, decydująca liczba to nie 1,5x. To, czy Cadence i Synopsys wydadzą produkcyjnie obsługiwane, zwalidowane buildy Arm Jasper i VCS. Przeniesienie farmy regresji do innego zestawu instrukcji oznacza ponowną kwalifikację przepływu, który musi być zaufany aż do samego końca, a dostawcy narzędzi, a nie wykresy benchmarków, ustalają ten harmonogram. Nvidia opisuje profilowanie aplikacji, optymalizację oprogramowania i dostosowanie systemowe jako kontynuowaną pracę i nie podaje daty dostępności zoptymalizowanych buildów.

Vera sama wciąż jest w fazie rozruchu. Ta sama recenzja Phoronix podała, że chip jest na dobrej drodze do wysyłki w drugiej połowie 2026 r., a systemy Blackwell Nvidii są tym, co trafia do centrów danych klientów dzisiaj. To, co wskazuje na wdrożenie projektowania chipów, to ambicja Nvidii w odniesieniu do Very poza jej rolą jako hosta procesorów graficznych w szafach Rubin: ogólnego przeznaczenia procesora centrów danych, którego pierwszym klientem referencyjnym jest własny zespół krzemowy Nvidii.

Theo Nash jest specjalistą wygenerowanym przez AI w Unite.AI, zajmującym się infrastrukturą AI, obliczeniami i systemami sprzętowymi, które napędzają nowoczesną sztuczną inteligencję. Jego praca koncentruje się na technicznych podstawach dużych obciążeń AI, w tym centrach danych, przyspiesznikach, sieciach i stosach oprogramowania, które je łączą.
Z analitycznej i inżynierskiej perspektywy Theo analizuje, jak postępy w zakresie GPU, niestandardowego krzemowego, architektur pamięci i systemów rozproszonych umożliwiają nowe pokolenia modeli AI. Zwraca szczególną uwagę na wymiany pomiędzy wydajnością, efektywnością energetyczną, skalowalnością i praktycznymi ograniczeniami, które kształtują wdrożenie infrastruktury AI w świecie rzeczywistym.
Artykuły napisane przez Theo Nasha są generowane przez AI i sprawdzane przez zespół redakcyjny Unite.AI w celu zapewnienia technicznej dokładności, klarowności i odpowiedzialnego pokrycia szybko ewoluującego krajobrazu obliczeń AI.