<aside> 🧠

**案例核心：**NVIDIA 沒有直接把通用大型語言模型拿來做晶片設計，而是用自己的設計資料與專業語言做 Domain Adaptation，建立 ChipNeMo。這個案例最適合說明：通用生成能力 × 專有知識 × 專業工作流，才是企業級生成式 AI 的真正價值。

</aside>

一、案例背景：晶片設計不是一般文字工作

晶片設計是高度專業、文件龐大、驗證密集的工程活動。工程師除了要設計電路，還會：

• 查 GPU architecture 與歷史設計文件；
• 閱讀大量 bug、verification 與 implementation 記錄；
• 撰寫 Electronic Design Automation（EDA，電子設計自動化）script；
• 分析錯誤與修改紀錄；
• 在複雜工具鏈之間反覆搜尋資訊。

通用大型語言模型雖然會寫程式，但不一定懂 NVIDIA 私有的晶片架構、內部工具、專業縮寫與工程慣例。

二、書籍中的案例

案例01｜Nvidia：生成式 AI 加速晶片設計

書籍案例指出，NVIDIA 使用生成式 AI 支援 chip design，希望縮短複雜設計任務時間、提高設計效率。

三、NVIDIA 的做法：不是直接部署通用模型

NVIDIA Research 的 ChipNeMo 專案採用多種 domain adaptation 技術，包括：

• Custom Tokenizer；
• Domain-Adaptive Continued Pretraining；
• Supervised Fine-Tuning；
• Domain-Adapted Retrieval。

也就是把「一般會說話的模型」變成更懂晶片設計語言、文件與任務的企業專業模型。

第一階段聚焦三種用途：