Prednosti umjetne inteligencije pokušavaju se iskoristiti u sve više područja različitih industrija, pa tako, među ostalim, i u projektiranju i proizvodnji čipova različite funkcije temeljene na UI-ju imaju ulogu, uvelike pomažući da se monotoni zadaci koji troše mnogo inženjerskih radnih sati prepuste UI-ju, a inženjeri se usredotoče na inovacije, napredak i svladavanje pojedinih izazova. UI funkcije već su duže vrijeme prisutne u raznim EDA softverima, sve su snažnije i mogu obavljati sve više zadataka, ali istodobno i pojedini projektanti čipova rade na vlastitim alatima kojima se mogu skratiti određeni procesi, čime se osigurava brži izlazak pojedinih razvoja na tržište.
Odličan je primjer Nvidia, jer tvrtka zanimljivim UI alatima pokušava skinuti „nepotreban” teret s ramena inženjera te pokušava učiniti učinkovitijim i bržim obavljanje pojedinih zadataka. O tome je govorio Nvidijin glavni znanstvenik Bill Dally na GTC-u 2026., u razgovoru s Googleovim glavnim znanstvenikom Jeffom Deanom. Iz razgovora se vidi da Nvidia već sada koristi UI modele trenirane na vlastitim podacima kako bi istražila mogućnosti na području projektiranja čipova, ubrzala prelazak na novu proizvodnu tehnologiju (smanjenje širine linija) ili tražila greške i provjeravala pojedini dizajn. Stručnjak je naravno naglasio da vrijeme potpuno automatiziranog razvoja čipova još nije stiglo, odnosno da su inženjeri i dalje potrebni.
Jedan od zanimljivih razvoja je alat nazvan NB-Cell, koji pomaže tvrtki pri portiranju određenog dizajna s jedne proizvodne tehnologije na novije. Taj je zadatak prije zahtijevao prilično masivne inženjerske resurse jer je trebao 10 mjeseci rada 8 inženjera. Prema Dallyju, uz pomoć UI alata temeljenog na učenju potkrepljivanjem taj se zadatak, odnosno portiranje ćelija, može obaviti već i preko noći, a za to je dovoljno zaposliti jedan GPU.
Prema testovima, portirane ćelije približavaju se kvaliteti rada koji su obavile inženjerske skupine, a mogu je i premašiti, i to u pogledu veličine, potrošnje i latencije. Pri svakom prelasku na novu proizvodnu tehnologiju treba portirati različita svojstva i parametre knjižnice standardnih ćelija – dakle dokumentacije koja opisuje komponente koje se mogu koristiti poput građevnih blokova i čine temelj dizajna – na novu proizvodnu tehnologiju, što obuhvaća 2500 do 3000 ćelija, a taj je posao za osam inženjera prije trajao 10 mjeseci. Novim alatom zadatak se može obaviti znatno brže, za nekoliko sati ili dana, što je golem iskorak u produktivnosti i omogućuje znatno brži prelazak.
Istodobno je razvijen i drugi alat, nazvan prefix RL, čija je zadaća da dalekovidno i učinkovito rasporedi različite komponente čipa. Alat taj zadatak obavlja toliko dobro da dolazi do rješenja na koja čovjek ne bi pomislio, a ključne parametre u odnosu na inženjerske nacrte uspijeva poboljšati za 20 do 30%. Ovom metodom dobivaju dvostruku korist: s jedne strane štede dragocjene inženjerske radne sate koji se mogu potrošiti na nešto drugo; s druge strane zahvaljujući UI-ju mogu stvarati nove nacrte koji nadmašuju ljudsku intuiciju.
Za interne potrebe koriste se još i dva važna LLM-a, odnosno velika jezična modela, nazvana Chip Nemo i Bug Nemo. I oni su trenirani na Nvidijinim nacrtima i dokumentima te rade vrlo učinkovito, a kao bonus pomažu i u učenju mlađih inženjera odgovarajući na razna pitanja, tako da juniori ne gnjave seniorske kolege, a ipak mogu doći do potrebnog znanja. Uz pomoć alata mogu se izrađivati i izvješća o greškama, koja se automatski mogu proslijediti relevantnim inženjerima ili odjelima, čime se dodatno ubrzava razvojni proces.
