NVIDIA Horizon: как ИИ-агент автоматизирует проверку цифровых микросхем

Представьте: команда из пяти инженеров стоит у доски и решает, тратить ли две недели на ручную проверку нового модуля процессора. Их руководитель только что узнал — NVIDIA выпустила программу, которая сама пишет и проверяет такой код, используя только репозиторий проекта.

Это не фантастика. Инструмент называется Horizon. Он автоматически вносит изменения в код, запускает проверки и фиксирует результат только тогда, когда все тесты пройдены. Исследователи NVIDIA заявляют: на открытых тестовых примерах Horizon достигает 100% успешного прохождения всех проверок.

Если инструмент действительно работает в вашем окружении, можно сократить часы ручного моделирования и снизить риск человеческих ошибок. Прежде чем менять процесс, стоит разобраться, подходит ли Horizon для ваших проектов.

Что меняет NVIDIA Horizon в практике разработки микросхем

Horizon рассматривает разработку как серию изменений в репозитории. Пользователь готовит структурированный файл описания — в нём указывается цель проекта, известные правила проектирования, способ проверки (компиляция, симуляция, покрытие, проверки assert) и критерий, при котором изменение считается принятым.

Затем специальный «начальный агент» собирает из этого описания набор файлов, готовый к сборке. После этого запускается цикл:

1. Агент планирует следующее изменение (например, исправить ширину шины данных).
2. В отдельную рабочую копию проекта вносятся правки.
3. Запускаются инструменты компиляции и симуляции; результаты сохраняются в виде различий.
4. Если проверка проходит — изменения фиксируются в репозитории с пометкой об успехе. Если нет — правка откатывается и сохраняется как отрицательный пример.

Таким образом, каждый успешный коммит становится примером правильного исправления, а репозиторий одновременно служит журналом опыта.

Почему это важно именно сейчас

Трудоёмкость проверки. Традиционно инженеры пишут тестовые стенды и проверяют каждый цикл вручную, тратя от нескольких дней до недель.

Ограничения одношаговой генерации кода. Простой вывод кода из языковой модели часто не учитывает детали тактовой схемы, процедур сброса и ширин сигналов, что приводит к ошибкам уже на этапе симуляции.

Доказательство концепции. NVIDIA сообщила о 100% завершении всех оценённых тестовых примеров, что показывает: автоматический цикл с проверкой может работать без вмешательства человека.

Реальный рынок готов к автоматизации. Компании уже инвестируют в непрерывную интеграцию для аппаратного обеспечения; Horizon предлагает расширить её до уровня кода, а не только сборки.

Как превратить Horizon в повторяемый рабочий процесс

1. Подготовьте файл описания.
2. Определите цель (например, «сократить максимальную задержку на 10%»).
3. Перечислите известные ограничения проекта (правила именования, единицы измерения).
4. Опишите, какие инструменты использовать для оценки (компилятор, симулятор, покрытие).
5. Задайте критерий приёмки: «все тесты пройдены и покрытие больше 85%».
6. Запустите начальный агент. Агент собирает проектный пакет из описания и размещает его в чистой рабочей копии.
7. Запустите цикл эволюции. Агент генерирует очередное изменение, вносит его в рабочую копию, запускает компиляцию и симуляцию. По результатам проверяется критерий приёмки.
8. Фиксация результата. Принятые изменения коммитятся с меткой о прохождении тестов. Отклонённые варианты сохраняются в журнале как отрицательные примеры (полезно для последующего анализа).
9. Повторяйте до достижения цели. Цикл продолжается, пока не будет достигнут критерий из описания или не исчерпается бюджет вычислений.

Практический чек-лист (что проверить на текущей неделе)

• [ ] Есть ли в команде чёткая цель для автоматизации (сокращение времени, повышение надёжности)?
• [ ] Сформирован ли файл описания с полным набором целей, ограничений, механизмов оценки и критериев приёма?
• [ ] Доступен ли Horizon — получены ли учётные данные и согласованы условия использования?
• [ ] Протестирован ли агент на небольшом, хорошо известном модуле (например, 8-битный счётчик) и получены ли первые коммиты?
• [ ] Определён ли стоп-условие (например, не более 500 долларов расходов на облачные токены или более 2 часов непрерывного времени генерации)?

Где находятся ограничения и риски

Тестовые примеры не равны производственной среде. 100% успехов подтверждены лишь на открытых тестах; реальный проект может содержать специфичные макросы, сторонние IP-ядра и нестандартные тайминги.

Отсутствие обучения на лету. Агент использует фиксированную модель; он не учится от новых примеров, поэтому эффективность не растёт после первого запуска.

Зависимость от облачной модели. Каждый запуск потребляет токены — расходы могут быстро выйти за бюджет, особенно при больших проектах.

Требуется корректный файл описания. Неполный или ошибочный набор правил приводит к ложным положительным результатам и потере времени.

Потребность в верификации результатов. Даже после автоматической приёмки необходимо, как и всегда, выполнить независимую проверку (например, формальную верификацию).

Что сделать дальше

1. Оцените потребность. Сравните текущие затраты на проверку с потенциальной экономией от автоматизации.
2. Получите доступ к Horizon. Свяжитесь с представителями NVIDIA или их партнёром, запросив демо-доступ и условия лицензирования.
3. Запустите пилотный проект. Выберите небольшой модуль из текущего портфеля, подготовьте файл описания и проведите 2-3 цикла автоматизации.
4. Соберите метрики. Зафиксируйте время генерации, количество проходов без ошибок и затраты токенов. Сравните с ручным процессом.
5. Примите решение о масштабировании. Если пилот показывает экономию и приемлемый уровень надёжности, планируйте интеграцию в конвейер непрерывной интеграции для проекта.

Источники

• NVIDIA Horizon: hands‑free agent that evolves git worktrees and hits 100% RTL benchmark completion (MarkTechPost, 2026)
• ArXiv preprint 2606.28279 (описание Horizon)

Вопросы и ответы

Вопрос: Нужно ли иметь собственный кластер GPU для работы Horizon? Ответ: Нет, Horizon работает как облачный сервис; однако наличие локального кластера может ускорить предварительные этапы сборки и симуляции, если вы хотите снизить расходы на токены.

Вопрос: Как Horizon взаимодействует с существующими системами непрерывной интеграции? Ответ: Horizon предоставляет API и интерфейсы командной строки, которые легко интегрировать в Jenkins, GitLab CI или GitHub Actions, позволяя автоматически запускать эволюцию после каждого пуша в репозиторий.

Что почитать дальше

• AI-фотографии 2026: как работает генерация изображений, где применять и какие ограничения
• Gemini в России: стоит ли подключать, если уже есть ChatGPT?
• MiMo Code: открытая модель для генерации кода — как локальный 7B-агент заменяет закрытые API
• OpenAI Patch the Planet: стоит ли тратить бюджет на ИИ-ускорение R&D
• Голливуд и NVIDIA в ЕС: как американские компании меняют правила AI в Европе