AI开始设计芯片了？从EDA工具到OpenAI的Jalapeño

AI到底离设计出它自己运行的那颗芯片有多近？这个问题听起来像科幻，但今年8月已经有人给出了一个阶段性答案。

Architect Labs在8月底宣称，它设计出了一颗几乎完全由AI开发的芯片，并称这是行业首次。这个说法本身值得拆开看：AI在半导体开发中到底已经做到了哪一步，哪些环节还是人在拍板。

AI已经在芯片开发里干了什么

目前AI在芯片开发中的角色，主要集中在几个明确的环节：优化布局规划、布局布线、验证，以及半导体开发的其他阶段。生成式AI可以辅助工程师写RTL代码，而正在兴起的智能体系统则能操作电子设计自动化（EDA）工具，分析结果、发现问题、修改设计，然后重复这个过程，人工介入越来越少。

但架构的定义和开发，以及决定一颗芯片做什么、怎么工作的根本性设计决策，仍然由人类工程师完成。这条线目前没有被跨过。

这就形成了一个有意思的反馈回路：今天的AI模型运行在由人类工程师设计、并越来越多借助AI辅助的处理器上；这些模型又能帮助设计出更强的处理器，供下一代AI系统使用。随着EDA厂商和半导体公司把设计流程中越来越大的部分交给AI，行业正在从"人用AI工具设计芯片"，慢慢走向"AI系统参与设计它后继者将要运行的硬件"。

机器今天真的能设计机器吗？大概还不能。但未来能不能？这是个大问题，而且工程师们思考它的时间比你想的要长。

EDA工具的AI化，走了三步

Cadence、Synopsys、Siemens EDA这几家领先的EDA软件开发商，加上仿真软件领域的Ansys，在2020年代初就推出了AI增强版的工具，那还是在生成式AI席卷全球之前。

第一代AI增强EDA软件主要用机器学习和强化学习来解决定义明确的优化问题。给定一个已有设计、一组约束和特定目标，这些工具可以探索大量实现方案，优化布局布线，进而优化功耗、性能和面积（PPA），同时缩短开发时间。本质上，AI能找到更好的方式去实现一个设计，但设计本身和它的目标仍然由工程师定义。

这类工具的一个关键优势是能从之前的运行中学习，用积累的数据指导后续的设计空间探索。这可以减少达成PPA目标所需的迭代次数，某些情况下还能产出用传统方法需要更多工程时间才能得到的结果。但它们的自主性有限：工程师定义约束、配置流程、运行单个工具、分析输出、决定下一步试什么。AI加速或优化了芯片开发的特定阶段，人仍然控制着整体设计流程。

最新的AI增强EDA工具野心大得多。生成式AI可以编写或修改RTL和验证代码，分析报告，识别潜在故障点，甚至提出修复建议。新兴的智能体系统则能操作多个EDA工具，在极少人工干预下执行一连串工程任务：分析结果、修改设计或参数、启动另一次仿真或实现运行、评估结果，然后重复，直到达到指定目标。AI正在从优化EDA工具内部的单个步骤，走向自动化芯片开发工作流本身的一部分。

把谷歌、英伟达、OpenAI放在一起比，是不对的

2023到2024年间，Cadence和Synopsys都宣布，已有数百个芯片设计使用它们AI增强的Cadence.ai DSO.ai、VSO.ai、TSO.ai工具完成。领先的高科技公司也披露了各自用AI完成项目的细节。但把这些公司放进同一个筐里并不合适，它们代表的是AI参与芯片开发的不同程度。

谷歌是最早宣布用AI开发其AI加速器的高科技巨头之一，但看起来也是最不激进的一个。谷歌的AlphaChip主要用强化学习做物理布局规划：放置电路模块、优化布局，但它并不发明整个设计或架构本身。谷歌DeepMind在2024年表示，AlphaChip已用于此前三代TPU，这意味着谷歌在自家工具上领先于通用EDA行业。此后该公司没有再详细分享AlphaChip的进展。

英伟达更有意思，因为它的内部AI系统倾向于自动化传统上由硬件工程师完成的工作。关键区别在于，英伟达在自己的RTL、文档和独特积累的工程知识上训练专用模型，这是商业EDA厂商拿不到的。这让英伟达成为一个样本：把自家专有GPU、以及后来AI加速器、CPU、DPU和网卡背后的工程数据，变成AI的训练数据。不过英伟达自己也划了一条清晰的线，区分自动化与自主芯片设计。

OpenAI的Jalapeño大概是目前最强的真实芯片案例。OpenAI称AI直接参与了实现、设计空间探索、验证循环和算术电路优化，让公司从初始设计到流片只用了九个月。在Hot Chips上，OpenAI披露了一些具体的PPA优势：与人类基线相比，AI辅助设计把一个BF16乘法器提升了56%，一个FP4点积模块提升了21%。

这三个案例摆在一起，能看出AI介入芯片设计的深浅差异：谷歌的AI在布局层面帮忙，英伟达的AI在自动化内部工程流程，OpenAI的AI则直接进了实现和优化环节。但它们都没有走到"AI定义架构"这一步。

从EDA工具的第一代优化，到生成式AI写代码，再到智能体串起整个流程，这条路径的方向是清楚的：人负责定义芯片要做什么，AI负责越来越高效地把它做出来。至于什么时候AI能自己决定做什么，目前还没有答案。