■事実
背景・場所
2026年3月19日、GTC 2026（サンノゼ）でNVIDIAチーフサイエンティスト ビル・ダリー（Bill Dally）とGoogle チーフサイエンティスト ジェフ・ディーン（Jeff Dean）が60分のトークセッションを実施しました。
NVIDIAがAIを社内チップ設計フローの複数箇所にすでに適用していることを、ダリーが公式に明かしました。
「完全エンドツーエンドの自動チップ設計はまだ遠い」とダリーは明言——過剰な期待への予防線も張っています。
トピックは「AIの次のフロンティア」で、チップ設計へのAI活用はその中の一トピックとして紹介されました。
NB-Cell（標準セルライブラリ移植ツール）
従来の移植作業は8人チームで約10ヵ月、合計80人月（person-months）を要していました。
NVIDIAが開発した強化学習ベースのツール「NB-Cell」はこの作業をGPU1基で1夜で完了します。
生成されたセルはサイズ・消費電力・遅延においてヒューマンデザインと同等またはそれ以上の品質となります。
ダリーによれば現在NB-Cellは「バージョン2か3」に達しています。
効果はスピードだけでなく、「新プロセスへの移行障壁の解消」にあるとダリーは強調しています。
半導体製造プロセスを新世代に移行するたびに、標準セルライブラリの移植が必要でした。
標準セルライブラリとは、AND/OR/フリップフロップなどの基本論理回路ブロック群（2,500〜3,000セル）のことです。
PrefixRL（演算回路設計ツール）
「キャリールックアヘッド加算器」における先読みステージの配置問題は1950年代から研究されてきた古典的な難問です。
NVIDIAの「prefix RL」（PrefixRL）は強化学習でこの問題に取り組む内製ツールです。
NVIDIAブログ（2022年）によれば、PrefixRLで設計した回路はすでにHopper GPUアーキテクチャに約13,000インスタンス実装済みです。
64ビット加算器の場合、EDAツール設計比で25%面積削減（同一遅延）を達成した実績があります。
速い加算器を作るのではなく「タイミングをギリギリ満たしつつ、できるだけ小さく低消費電力な」加算器を設計することを目的とします。
生成される回路レイアウトは「人間が絶対に思いつかないような奇妙な構造」だが、人間設計比で主要指標を20〜30%改善しています。
Chip Nemo / Bug Nemo（社内特化型LLM）
NVIDIAは社内LLMとして「Chip Nemo」と「Bug Nemo」を運用中です。
両モデルは歴代GPU設計のRTL（回路記述コード）・アーキテクチャ文書などNVIDIA独自データでファインチューニング済みです。
ChipNeMoは2023年のIEEE ICCAD発表時点で430億パラメータのモデルをベースに、社内データ約240億トークンでドメイン適応事前学習を実施します。
Chip Nemoはジュニアエンジニアが「このブロックはどう動くのか」をシニア設計者に何度も聞かずにモデルに問い合わせられます。
Bug Nemoはバグレポートを要約し、適切な担当モジュール・担当者へのアサインを支援します。
解説
「80人月→1夜」の意味するもの
NVIDIAが新プロセス採用を積極化できる構造的な後押しになっている可能性がある。
「8人×10ヵ月→GPU1基×1夜」は単純な効率化話ではなく、プロセス移行の意思決定コストを劇的に下げることを意味する。
移植コストが高いと「今の世代でもう少し粘ろう」という保守的判断が起きやすい。それが解消された。
AIが「人間の直感の外」を探索する
従来のEDAツールは人間の設計手法を自動化するもの。PrefixRLは人間の設計空間そのものを超えている。
これは「AIが人間を助ける」フェーズから「AIが人間の限界を突破する」フェーズへの移行を示す具体例である。
ダリーが「完全自動化はまだ遠い」と言いながら、すでにHopperには13,000インスタンスが入っている——言葉より現実が先に進んでいる。
PrefixRLの設計が「人間が絶対思いつかない奇妙な構造」で20〜30%優れているという事実は重い。
Chip Nemo / Bug Nemoの本質
「ジュニアエンジニアがシニアに聞かなくて済む」は地味に聞こえるが、設計現場の知識伝達コストは巨大だ。
シニアエンジニアの「知識の棚卸し」がモデルに入るという構造——個人の経験や勘に頼っていた部分をマニュアル化するものだ。
NVIDIAは少なくともこのアプローチで「ジュニアを切らずに教える方法を見つけた」ようだ。
「Chip Nemoにとって、GPUとは何ですか？」と聞いたら「Gelato Processing Uakari（ゼラート処理ウアカリ）」と答えたというエピソードがPC Gamer記事にあり、高度に専門化したモデルでも珍回答は健在だ。
※ ジュニアエンジニアとは一般的に 経験年数1-3年未満で技術習得中のメンバー、シニアエンジニアとは経験年数5年以上のチームの中核となるメンバーのこと。
「AIで作るAIチップ」のループ
Chip NeMoはNVIDIA固有の設計スタイル・スクリプト規則に特化しており、外部公開・販売の予定はない。
EDAツールベンダー（Synopsys、Cadenceなど）がこのアプローチに追随しているが、訓練データの質・量で差がつく。
NVIDIAのGPUはAI学習・推論に使われる→そのGPU自体をAIが設計しているというループ構造だ。
この構造は競合他社がすぐに真似できるものではなく、NVIDIAの設計データ蓄積量が参入障壁になっている。
限界と冷静な視点
チップ設計の中でも「定型化・定量化できる部分」から自動化が進んでいる。創造性が高いアーキテクチャ設計領域はまだ人間の仕事だ。
ダリーが「完全自動化は遠い」と繰り返している点は正直な認識として評価できる——過去のAI関連発表と比べて誇張が少ない。
「チップを設計するAIを動かすのもチップ、そのチップをAIが設計している」——ループはもうとっくに始まっている。