I chip di NVIDIA attuali progettano quelli futuri: ecco come NVIDIA usa Vera e Rubin internamente

NVIDIA ha iniziato a integrare le proprie CPU Vera nei flussi di Electronic Design Automation, o EDA, utilizzati per sviluppare le future generazioni di processori e GPU dell'azienda. In sintesi, è l'intelligenza artificiale a contribuire nella progettazione dei futuri chip per l'IA.

L'iniziativa coinvolge Cadence e Synopsys, con le quali NVIDIA lavora per ottimizzare alcune applicazioni EDA sulle CPU Vera. L'obiettivo consiste nel ridurre i tempi necessari per validare i progetti, individuare errori e completare le attività che precedono la fabbricazione dei chip.

I primi test indicano prestazioni fino a 1,5 volte superiori, pari a un incremento massimo del 50%, su specifici carichi di lavoro. Le prove hanno coinvolto Cadence Jasper e Synopsys VCS, due strumenti utilizzati nelle fasi di verifica dei circuiti. NVIDIA ha impiegato lo stesso numero di core nei confronti e ha rilevato miglioramenti nelle attività che richiedono una maggiore capacità di elaborazione.

La CPU NVIDIA Vera dispone di 88 core proprietari Olympus e utilizza un sottosistema di memoria LPDDR5X ad alta efficienza. Il processore integra anche la tecnologia NVIDIA Scalable Coherent Fabric di seconda generazione, progettata per offrire prestazioni elevate per singolo core, un'ampia banda di memoria e una latenza contenuta.

Queste caratteristiche risultano importanti nei flussi EDA, dove convivono attività sensibili alla latenza e test di regressione eseguiti su grandi infrastrutture di calcolo. Una maggiore velocità può ridurre la durata delle singole sessioni di verifica, mentre una capacità di elaborazione superiore consente ai team di analizzare più alternative progettuali e completare un numero maggiore di controlli nello stesso intervallo di sviluppo.

Le attività EDA occupano una posizione centrale nella realizzazione di un semiconduttore. Prima della produzione, gli ingegneri trascorrono anni nella verifica del comportamento dei circuiti, nell'analisi dei casi limite e nel perfezionamento delle architetture. GPU e intelligenza artificiale hanno già accelerato numerosi aspetti della progettazione, ma diverse operazioni continuano a dipendere dalle prestazioni delle CPU.

Cadence Jasper utilizza tecnologie di smart proof e machine learning per individuare e correggere errori nelle prime fasi del ciclo di progettazione. La piattaforma si concentra sulla verifica formale e punta a migliorare la produttività durante l'analisi dei progetti.

Synopsys VCS costituisce invece una soluzione per la verifica funzionale ad alte prestazioni. Gli ingegneri lo utilizzano per simulare e validare chip complessi prima della fabbricazione. Nei test iniziali condotti da NVIDIA, entrambe le applicazioni hanno raggiunto un incremento massimo delle prestazioni pari a 1,5 volte con determinati carichi di lavoro.

NVIDIA prosegue inoltre la collaborazione con Cadence e Synopsys attraverso attività di profilazione delle applicazioni, ottimizzazione del software e regolazione dei sistemi. L'azienda punta a migliorare la produttività su una gamma più ampia di flussi EDA, oltre i risultati ottenuti nelle prime prove.

Dopo la definizione dell'architettura e della microarchitettura di un processore, gli ingegneri descrivono gran parte del comportamento del chip attraverso il livello Register-Transfer Level, o RTL. A questo punto intervengono tecnologie dedicate alla simulazione logica, alla verifica formale, ai test di regressione e all'implementazione digitale.

Questi processi trasformano il progetto in silicio producibile. Le varie fasi risultano strettamente collegate: un aumento della capacità di verifica può favorire l'individuazione anticipata dei problemi e ridurre il numero di revisioni necessarie nelle fasi successive.

NVIDIA utilizza già le librerie CUDA-X e il software cuLitho per accelerare alcune attività legate alla progettazione dei chip e ridurre i costi associati alla litografia. L'azienda ha ulteriormente ampliato questo approccio con Vera, che porta prestazioni CPU più elevate nei flussi EDA dove la velocità dei singoli core e l'efficienza della memoria mantengono un ruolo rilevante.

Tra le tecnologie citate figura anche NVIDIA Agent Toolkit, che integra strumenti destinati ai flussi ingegneristici basati sull'intelligenza artificiale. Le librerie NVIDIA PhysicsNeMo consentono la creazione e l'impiego di modelli AI dedicati alla fisica, utilizzabili nelle attività di progettazione e simulazione.

La libreria cuISS, dedicata ai solver iterativi sparsi, accelera la risoluzione di grandi sistemi lineari utilizzati nelle simulazioni fisiche e ingegneristiche. La struttura offre solver e precondizionatori componibili, con il supporto a motori di simulazione scalabili destinati ai flussi di ingegneria agentica.

cuDSS si concentra sui solver diretti per sistemi lineari distribuiti di grandi dimensioni. La libreria punta a fornire prestazioni elevate e robustezza numerica per attività come la simulazione di dispositivi, circuiti e sistemi, con la possibilità di operare su configurazioni multi-GPU e multinodo.

NVIDIA cita anche cuEST, una tecnologia dedicata alla chimica quantistica. La libreria supporta simulazioni ad alta precisione utili per lo sviluppo dei dispositivi e integra metodi DFT e tecniche successive nei flussi produttivi basati sulle GPU.

I modelli Nemotron 3 Ultra Open AI possono fornire capacità di programmazione agentica applicate alla progettazione dei chip, con competenze specifiche per la scrittura del codice RTL e una maggiore accuratezza nelle attività specialistiche.

L'adozione di Vera nei flussi interni riflette l'intenzione di NVIDIA di assegnare ogni attività all'architettura di calcolo più adatta. GPU e intelligenza artificiale accelerano numerosi algoritmi legati all'EDA, mentre le CPU ad alte prestazioni restano necessarie per le attività critiche di simulazione, verifica e implementazione.

L'azienda prevede di proseguire il percorso con la futura CPU NVIDIA Rosa, basata su core Rigel. La nuova generazione continuerà il lavoro di ottimizzazione delle principali applicazioni EDA e contribuirà allo sviluppo delle future CPU e GPU NVIDIA.

L'impiego delle CPU NVIDIA per progettare le successive CPU e GPU crea un ciclo di miglioramento tra sviluppo dei chip, ottimizzazione del software e progettazione dei sistemi. Ogni generazione può fornire dati ed esperienza tecnica utili per realizzare quella successiva, con l'obiettivo di ridurre i tempi dell'intero ciclo di sviluppo dei processori.