什么值得买App下载 App ›
连续签到专享现金活动

AI自主设计了一颗CPU:RISC-V架构,主频1.48GHz,可跑Linux

人工智能芯片设计公司 Verkor.io 宣布,其开发的 AI 智能体系统 Design Conductor 成功自主设计出一款名为 VerCore 的 RISC-V CPU 内核。该系统仅需一份 219 字的设计规范,便能在 12 小时内完成从概念到 GDSII 文件(用于流片的布局 CAD 文件)的全流程设计。这标志着 AI 在芯片设计领域的应用从局部辅助迈向了端到端的自主构建。
01核心规格与性能指标
VerCore 采用 RISC-V 开放指令集架构,基于 7nm 制程工艺设计。在仿真测试中,该 CPU 的主频达到 1.48GHz,CoreMark 处理器核心基准测试得分为 3261 分。这一性能表现与 2011 年发布的英特尔赛扬 SU2300(1.2GHz)相当,虽无法对标当前顶尖处理器,但证明了 AI 代理具备设计可运行通用操作系统的实用级 CPU 的能力。目前,该芯片已在仿真环境中成功运行 uCLinux 变体,但尚未进行实体流片生产。
参数项VerCore (AI设计)Intel Celeron SU2300
指令集架构RISC-Vx86
主频1.48 GHz1.2 GHz
CoreMark 分数3261相当
发布/设计时间2024年2011年

VerCore 与早期商用处理器性能对比

02Design Conductor 系统架构
Design Conductor (DC) 并非单一的 AI 模型,而是一个管理 LLM 执行结构化任务的框架。它通过云端分布式架构运行,集成了 Bash、Edit 和 Subagent 等工具,并拥有专用的知识库来管理长期记忆。该系统旨在解决芯片设计中的“端到端”问题,而非仅处理特定环节。其工作流程模仿人类工程师,包含架构定义、RTL 实现、功能验证、前端综合及布局布线等步骤,并能自主管理子智能体和相关文件数据库。
  1. 方案生成与审查
    根据输入规范生成初始设计方案,并对各模块(如乘法器单元)进行“人工”细致审查,确保设计合理性。
  2. 模块实现与测试
    为每个模块构建测试平台,通过功能测试后进入集成测试阶段,使用 RISC-V 模拟器 Spike 进行比对验证。
  3. 调试与修正
    利用 VCD 文件分析功能,追踪问题根源并提出修复方案,通过 Python 脚本辅助处理数据,反复迭代直至通过测试。
  4. PPA 收敛优化
    根据时序报告对 RTL 进行修改,优化关键路径(如实现提前转发和快速 Booth-Wallace 乘法器),以满足时钟频率目标。
03技术局限性与挑战
尽管实现了全自动设计,Design Conductor 在实际运行中暴露出 LLM 缺乏人类直觉的问题。系统有时会陷入“兔子洞”,例如在处理时序错误时,模型未能识别出简单原因,反而通过大幅修改代码进行无效探索。此外,LLM 倾向于将硬件描述语言 Verilog 视为顺序代码进行推理,导致在优化关键路径时做出错误判断(如误以为减少代码行数能缩短路径)。这些缺陷目前依靠大量的算力堆叠和试错来弥补,效率仍有提升空间。

技术潜力与行业影响

支持方:降低门槛,加速迭代

认为该技术能显著改变芯片设计的成本结构和时间周期。

  • 使小型团队或资源匮乏的实体有能力参与复杂芯片设计。
  • 通过加速迭代流程,将尖端芯片流片周期从 18-36 个月缩短至 3-6 个月。
  • 允许团队同时探索多种架构理念,降低试错成本。
审慎方:无法替代专家经验

强调当前 AI 系统仍需高度依赖人类架构师的指导。

  • AI 缺乏对非线性设计空间的直觉,容易陷入计算量巨大的无效搜索。
  • 需要专家编写极其严谨、精确的规范,否则设计性能会大幅下降。
  • 目前尚无法实现“一人搞定芯片”,仍需 5-10 名不同领域的专家团队协作。
VerCore 的问世验证了 AI 端到端设计 CPU 的可行性。虽然其在性能上仅相当于十多年前的产品,且设计过程中存在算力浪费,但这一技术路径展示了降低芯片设计门槛的潜力。未来,随着模型对硬件逻辑理解能力的提升,AI 智能体有望从“工具操作者”进化为工程师的“协作者”,承担更多基础工程工作,而人类专家则专注于更高层级的架构决策与创新。

评论

评论区空态插画

当前文章无评论,是时候发表评论了