跳到主内容
快讯直播
AI智模界
AI 词典

AI 原生 CPU 架构:当芯片的设计者也是 AI

一句话定义:AI 原生 CPU 架构(AI-Discovered CPU Architecture)指由 AI 系统自主完成微架构方案的提出、寄存器传输级实现与验证迭代,人类只给出目标与约束(比如功耗、面积、频率、要支持哪些指令),而不直接给出电路结构。

它和现在常见的“AI 辅助芯片设计”差在哪

过去两年,AI 进芯片圈基本是“单点外包”:让大语言模型(LLM, Large Language Model)帮忙写一段 RTL(Register Transfer Level,寄存器传输级)代码、让强化学习去优化布局布线、让模型生成测试激励。人依然是总设计师,AI 是打字快一点的实习生。

AI 原生架构换了个思路:把“设计 CPU”整体当成一个搜索问题。AI 提出一个候选微架构 → 自动生成 RTL → 自动跑仿真和形式验证 → 把“过没过、差多少”的数字喂回去 → AI 改一版再来。循环几百上千轮。公开研究中出现的 Frostbite 这类工作,被讨论的价值就在于此:它试图把“LLM 辅助设计”推进到端到端的闭环,而不是停在某个环节。具体能力边界以官方发布为准。

打个比方:传统流程是甲方画好图纸,找施工队照着盖,监理验收;AI 辅助是给施工队配了个会写代码的助手;AI 原生则是——甲方只说“我要一栋抗震八级、造价不超过这个数、能住三百人的楼”,然后由一个会画图、会施工、会自检的团队反复试错,直到各项指标达标。

真正的难点不是“生成”,是“判分”

芯片设计里,写出一段看起来合理的 RTL 很容易,证明它真的对很难。LLM 会一本正经地写出跑不通的代码。所以闭环能否成立,取决于有没有机器可判定的反馈信号:仿真通过率、形式验证结果、综合之后的 PPA(Power, Performance, Area,功耗/性能/面积)。没有这层可自动判定的反馈,AI 就只是在自我验证。

维度传统架构设计AI 辅助设计AI 原生架构
谁定方案人人AI 搜索,人定目标
AI 角色无单点工具端到端迭代主体
人的角色设计与决策设计与决策定义约束、验收结果
瓶颈人力与经验工具接入验证与评价函数

对从业者意味着什么

架构师的核心技能会从“我脑子里有一套微架构”部分转向“我能不能定义一个足够好的搜索空间和评价函数”——目标函数写歪了,AI 会飞快地优化出你不想要的东西。验证工程师反而更关键,因为验证是闭环的瓶颈。对普通人来说,短期不必期待芯片变便宜,更现实的变化是专用芯片的定制门槛下降,更多细分场景会用上量身定做的处理器。这是一条仍在研究阶段的路线,别把论文里的 demo 当成货架上的产品。

AI 生成本文由 AI 基于公开信息自动生成,仅供参考。