Головний науковий співробітник компанії Білл Дейлі розповів про це під час розмови з Джеффом Діном із Google на конференції GTC 2026. За його словами, ШІ вже застосовується на кількох етапах внутрішнього проєктування: він допомагає аналізувати різні варіанти архітектури, працювати зі стандартними комірками, виявляти помилки та виконувати верифікацію. Водночас Дейлі зазначив, що повністю автономна розробка чипів поки що залишається недосяжною.

Як приклад він навів інструмент NVIDIA під назвою NB-Cell. Раніше перенесення стандартної бібліотеки комірок на новий техпроцес потребувало близько десяти місяців роботи команди з восьми інженерів. Тепер система на основі навчання з підкріпленням виконує це завдання за одну ніч, використовуючи лише один GPU. Ба більше, отримані результати не поступаються, а іноді й перевершують рішення, створені людьми, за такими показниками, як площа кристала, енергоспоживання та затримки.

Дейлі підкреслив, що завдяки високій ефективності компанія прагне максимально широко впроваджувати ШІ. Він також згадав ще один внутрішній інструмент — prefix RL, який допомагає розв’язувати складні завдання розміщення етапів прогнозування у відповідних ланцюжках. За його словами, штучний інтелект здатен генерувати схеми, які людині було б складно придумати, при цьому ключові характеристики поліпшуються приблизно на 20–30% порівняно з традиційними розробками.

Крім того, NVIDIA використовує власні мовні моделі Chip Nemo та Bug Nemo. Вони навчені на внутрішніх даних компанії, зокрема на RTL-документації та накопиченій за роки базі архітектур GPU.