芯片工程師展示了一個高度專業(yè)化的行業(yè)如何使用 NVIDIA NeMo 來定制大語言模型，以獲得競爭優(yōu)勢。

10 月 31 日，NVIDIA 發(fā)布的一篇研究論文描述了生成式 AI 如何助力芯片設(shè)計，后者是當今最復(fù)雜的工程工作之一。

這項工作展示了高度專業(yè)化領(lǐng)域的公司如何利用內(nèi)部數(shù)據(jù)訓(xùn)練大語言模型，從而開發(fā)提高生產(chǎn)力的 AI 助手。

像半導(dǎo)體設(shè)計這樣如此具有挑戰(zhàn)性的工作并不多見。在顯微鏡下，NVIDIA H100 Tensor Core GPU（上圖）這樣最先進的芯片看起來就像一個精心規(guī)劃的大都市，由數(shù)百億個晶體管組成，把它們連接起來的線比人的頭發(fā)絲還細 1 萬倍。

多個工程團隊進行協(xié)作，需要長達兩年的時間才能構(gòu)建出這樣一個數(shù)字化超級大都市。

一些小組定義芯片的整體架構(gòu)，一些小組負責(zé)各種超小型電路的設(shè)計與布局，還有一些小組負責(zé)測試工作。每項工作都需要采取專門的方法、軟件程序和計算機語言。

大語言模型廣闊的前景

該論文的主要作者、NVIDIA 研究總監(jiān) Mark Ren 表示：“我相信，隨著時間的推移，大語言模型將全面助力所有流程?！?/p>

在同日舉行的國際計算機輔助設(shè)計會議上，NVIDIA 首席科學(xué)家 Bill Dally 發(fā)表主題演講并公布了這篇論文。這個年度盛會每年都會吸引數(shù)百名電子設(shè)計自動化（EDA）領(lǐng)域的工程師參加。

此次會議在舊金山舉行。Dally 在會上表示：“這標志著在將大語言模型用于復(fù)雜的半導(dǎo)體設(shè)計方面邁出了重要一步。這項工作表明，即使高度專業(yè)化的領(lǐng)域也可以利用內(nèi)部數(shù)據(jù)來訓(xùn)練極具價值的生成式 AI 模型?！?/p>

ChipNeMo 浮出水面

這篇論文詳細介紹了 NVIDIA 工程師如何創(chuàng)建名為 ChipNeMo 的定制大語言模型，供內(nèi)部使用。該模型使用公司內(nèi)部數(shù)據(jù)進行訓(xùn)練并生成和優(yōu)化軟件，以更好地協(xié)助人類設(shè)計師。

Ren 在 EDA 領(lǐng)域從業(yè)超過 20 多年，他表示，從長遠來看，工程師們希望生成式 AI 能夠用于芯片設(shè)計的各個階段，從而大幅提升整體生產(chǎn)力。

在針對可能的使用場景對 NVIDIA 工程師進行調(diào)研之后，研究團隊一開始選擇了三個場景：聊天機器人、代碼生成器和分析工具。

初始用例

維護已知 bug 的更新描述需要耗費大量時間，而上述分析工具中的后者能夠?qū)崿F(xiàn)此類任務(wù)的自動化，并已得到廣泛的采用。

一個聊天機器人原型可以回答有關(guān) GPU 架構(gòu)和設(shè)計的問題，并且已經(jīng)幫助許多工程師在早期測試中快速找到技術(shù)文檔。

代碼生成器將幫助設(shè)計者編寫芯片設(shè)計軟件。

一個正在開發(fā)中的代碼生成器（如上圖所演示）已經(jīng)用兩種芯片設(shè)計師專用語言創(chuàng)建了大約 10 - 20 行軟件的片段。它將與現(xiàn)有工具集成，為工程師們提供一個方便的助手來進行設(shè)計。

使用 NVIDIA NeMo 定制 AI 模型

這篇論文主要關(guān)注該團隊收集設(shè)計數(shù)據(jù)并使用這些數(shù)據(jù)創(chuàng)建專門的生成式 AI 模型，這個過程可以移植到任何行業(yè)。

作為起點，該團隊選擇了一個基礎(chǔ)模型，并使用 NVIDIA NeMo 對其進行了定制。作為 NVIDIA AI Enterprise 軟件平臺的一部分，NVIDIA NeMo 是一個用于構(gòu)建、定制和部署生成式 AI 模型的框架。定的 NeMo 模型具有 430 億個參數(shù)，這衡量了它對模式的理解力。它使用超過一萬億個文本和軟件中的 token、單詞和符號進行了訓(xùn)練。

ChipNeMo 提供了一個技術(shù)團隊

如何用自己的數(shù)據(jù)改進預(yù)訓(xùn)練模型的示例。

然后，該團隊在兩輪訓(xùn)練中完善了該模型。第一輪使用了相當于大約 240 億個 token 的內(nèi)部設(shè)計數(shù)據(jù)，第二輪使用了約 13 萬個對話和設(shè)計示例。

這項工作是半導(dǎo)體行業(yè)進行生成式 AI 概念研究和印證的幾個例子之一， 這一趨勢剛剛開始在實驗室興起。

分享經(jīng)驗

Ren 的團隊學(xué)到的一個最重要的經(jīng)驗就是定制大語言模型的重要性。

在芯片設(shè)計任務(wù)中，只有 130 億個參數(shù)的定制 ChipNeMo 模型的性能達到或超過了更大的通用大語言模型（例如包含 700 億個參數(shù)的 LLaMA2）。在某些使用場景中，ChipNeMo 模型甚至好很多。

他補充道，在這一過程中，用戶需要謹慎地確定他們收集什么數(shù)據(jù)以及如何清理數(shù)據(jù)以用于訓(xùn)練。

最后，Ren 建議用戶及時了解可以加快和簡化工作的最新工具。

NVIDIA Research 在全球各地擁有數(shù)百名科學(xué)家和工程師，專注于 AI、計算機圖形學(xué)、計算機視覺、自動駕駛汽車、機器人學(xué)等領(lǐng)域。近期的其它半導(dǎo)體項目包括使用 AI 設(shè)計更小、更快的電路，以及優(yōu)化大型模塊的布局。

希望構(gòu)建自己的定制大語言模型的企業(yè)現(xiàn)在可以從使用 GitHub 和 NVIDIA NGC 目錄中的 NeMo 框架開始。

最新發(fā)布的ChipNeMo研究論文詳見以下鏈接：

https://research.nvidia.com/publication/2023-10_chipnemo-domain-adapted-llms-chip-design