Компания NVIDIA, фактически стоявшая у истоков современной волны ИИ-инфраструктуры, теперь в полной мере использует плоды собственных разработок внутри себя. По данным отраслевых источников, корпорация развернула генеративные ИИ-инструменты сразу для 30 тысяч инженеров, внедрив их в повседневный процесс разработки программного обеспечения. Ключевым элементом этой инициативы стало партнёрство с американской Anysphere Inc., в рамках которого NVIDIA получила кастомизированную версию среды разработки Cursor, ориентированной на проектирование кода с активным участием искусственного интеллекта.
Эффект от внедрения оказался впечатляющим: инженеры NVIDIA, как сообщается, теперь создают до трёх раз больше кода по сравнению с прежним конвейером разработки. Фактически многие продукты и сервисы компании, которыми сегодня пользуются геймеры и корпоративные клиенты, уже создаются при активном участии ИИ, работающего под контролем человека. При этом речь идёт не о второстепенных проектах, а о критически важных компонентах экосистемы NVIDIA, включая драйверы для видеокарт, которые должны одинаково надёжно работать и в игровых ПК, и в масштабных системах для обучения и инференса нейросетей.
Учитывая высокую цену ошибки в таких продуктах, NVIDIA, по всей видимости, внедрила жёсткие внутренние регламенты для кода, сгенерированного или доработанного с помощью ИИ. Перед попаданием в продакшен он проходит расширенный набор тестов и проверок, что позволяет удерживать качество на прежнем уровне. Примечательно, что это далеко не первый опыт компании в использовании ИИ для собственных нужд. Уже несколько лет NVIDIA применяет специализированный суперкомпьютер для непрерывного улучшения технологии DLSS, а отдельные элементы дизайна чипов оптимизировались с помощью внутренних ИИ-инструментов.
На фоне опасений вокруг надёжности ИИ-кода результаты NVIDIA выглядят показательными. По заявлениям NVIDIA и Cursor, уровень ошибок в коде остался на прежнем уровне, несмотря на трёхкратный рост объёма разработки. Это говорит о том, что компания сумела адаптировать ИИ под свои процессы и ограничения. Более того, подобные подходы уже привели к вполне осязаемым результатам, таким как появление DLSS 4 и сокращение площади GPU-кристаллов примерно на 25% по сравнению с типичными отраслевыми решениями.
В конечном счёте пример NVIDIA показывает, что генеративный ИИ в разработке не обязательно означает падение качества. При грамотном применении он способен ускорять инновации и приносить пользу как самой компании, так и конечным пользователям. Остаётся лишь наблюдать, какие новые технологии — и, возможно, какие новые проблемы — принесёт NVIDIA её обновлённый программный конвейер в ближайшие годы.