AI 从零设计了一颗 CPU,能效 4.6 倍:芯片设计这门手艺正在换玩法
Architect Labs 的 Frostbite 是一颗由 AI 端到端设计、验证的通用 CPU:全新指令集、交互网架构,25 个工作负载上能效比传统 CPU 高出 4.59 倍。本期访谈聊聊这颗芯片到底新在哪、数字有多少水分,以及设计时间被压缩之后,瓶颈会移到哪里。

十一月二十号,一家叫 Architect Labs 的公司贴出一篇长文,标题直截了当:Frostbite,一颗由 AI 从头发现、设计、验证的通用 CPU。不是加速器,不是某个模块的自动生成,而是一颗带全新指令集的 CPU,从架构探索、编译器、RTL 到最终的版图 GDS,全程由 AI agent 群主导。数字也很抓眼球:在 25 个工作负载上,对比一颗现代超标量 CPU,能效比平均高出 4.59 倍,面积效率 8.77 倍。HN 上 618 分、322 条评论,讨论很快分成两派:一派在惊叹芯片设计这门手艺可能真的要换玩法了,另一派在追问——数字是仿真里算出来的,芯片还没真正流片,这到底算不算数。我请来老朋友林野,芯片架构师,做过十多年 CPU 微架构,现在独立做架构咨询。我们聊了聊这颗芯片到底新在哪、4.59 倍有多少水分,以及当设计时间被压缩到两个月,瓶颈会移到哪里。
本文由每日自动管线生成:选题与素材来自 Hacker News 公开讨论,访谈内容由 AI 基于原文整理,嘉宾为角色设定,观点不代表任何真实人物。
小听: 林野,先把 Frostbite 翻译成人话。AI 设计 CPU 不是新闻了,之前也有 AI 画版图、写 Verilog 的故事。这次到底有什么不一样?
林野: 区别在"从零"两个字。以前的 AI 芯片工作,大多是人在给定的架构里让 AI 干活:架构是 x86 或者 RISC-V,AI 负责实现、优化、验证其中一段。Frostbite 是连架构本身都是 AI 选出来的——团队一开始没有给任何架构先验,只给了问题:能不能找到一种比人做出来的 CPU 更高效的新架构。AI 群最后交出来的答案,建立在一种叫交互网(interaction nets)的计算模型上。这东西 1990 年就发表了,三十多年一直停留在理论层面,没人把它做成过通用 CPU。AI 把它从论文里翻了出来,变成了一颗能跑 25 个真实工作负载的芯片。
小听: 交互网听着很学术。能不能打个比方,它和我们熟悉的 CPU 到底差在哪?
林野: 我们熟悉的 CPU 有一个根本的麻烦:程序写的时候,依赖关系是藏起来的。任何一段代码都可能读写任何一个变量,靠共享的可变状态通信。硬件不知道哪些指令真的互相依赖,只能在运行时一边猜一边挖——这就是乱序执行干的活,代价巨大。交互网反过来:程序本身就是一张节点图,计算就是两个相连的节点互相改写,每次改写只动图上很小的一块局部。而且每个值恰好有一个所有者,没有共享可变状态,也就没有锁、没有竞态。
小听: 所以并行是白送的,不用硬件去猜。
林野: 对,原文里有个很直观的例子:五后问题。C++ 程序一次只走一个候选,交互网版本的同一个搜索暴露出全部独立工作——3183 次交互,关键路径只有 262 步,平均每一步有大约 12 个交互可以同时跑。程序一行没改,并行性本来就在那里,只是传统 CPU 把它丢掉了,然后再花大价钱把它挖回来。Frostbite 的思路是:别丢,就不用挖。
小听: 那 4.59 倍这个数字是怎么来的?先帮我们拆一下,它是在什么条件下测的。
林野: 先说结论的边界,这很重要。Frostbite 是在 7nm 工艺下综合的,综合时序 800MHz,最终版图 500MHz。对比对象是一颗现代超标量双发射顺序 CPU,原文里叫 TCPU,出于法律原因没透露具体是哪颗。比较的单位也做了面积对齐:一个 Frostbite quad(2x2 的 tile 加四个 L3 节点)面积 0.792 平方毫米,TCPU 单核 0.895 平方毫米,差不多大。25 个工作负载里,10 个是搜索集,AI 调优的时候见过;15 个是留出的验证集,包括后来加进来的卡尔曼滤波、PCA、有限元、LZ4 解压这些更实际的负载。结果是:搜索集上 6.02 倍,验证集上 3.83 倍,全部 25 个的几何平均 4.59 倍。
小听: 验证集上 3.83 倍,搜索集上 6.02 倍——这个落差本身就很有信息量。评论区有人直接问:这算不算对 25 个工作负载过拟合?
林野: 这个质疑很合理,也是原文自己留下的口子。验证集的表现确实比搜索集低了三分之一多,说明调优多少沾了搜索集的光。但反过来看,3.83 倍这个数字是在它从来没调过的负载上拿到的,里面还有 JSON 解析、哈夫曼编码、k-d 树这种分支多、不规则的程序,不是只挑了好跑的并行核。更值得看的其实是能耗分解:传统 CPU 的能量 57% 花在内存上,27% 花在取指、译码、发射指令上,真正算东西只占 13%。Frostbite 把内存压到 38%,取指译码发射压到只剩 6%,代价是片上网络和调度占了 26%。也就是说,它不是把某一项做得更极致,而是把传统 CPU 最大的两块开销几乎砍掉了。
小听: 文章里最让我意外的一段,是"工作窃取"那部分。AI 设计出的调度规则,是人类从来没有写过的。
林野: 对,这是整篇文章里最有意思的细节。Frostbite 的并行是铺在空间上的,没有中央调度器。AI 给每个 tile 定了三条规则:先做自己输入端口里的活;自己没活了,就从有余活的邻居 tile 那里拿;实在找不到,就休眠省电。原文的原话是:这个行为从没有任何人类指定过,它是直接从回归测试和性能爬坡的需要里长出来的。编译器把代码切成小段,跑完一段就把后续工作打包成帧存在本地内存里,扔到硬件队列上,空闲的邻居自己来取。任务在芯片各处以任意顺序完成,返回包把计数器减到零的瞬间,下一段自动被唤醒。
小听: 听着像操作系统里的工作窃取,但这是硬件在做。
林野: 本质上是同一个思想,但实现位置变了。软件里的工作窃取要靠运行时和调度器,Frostbite 把它烧进了硬件的运行时域。tile 框图里专门有一块 runtime:帧管理器、调度器、工作队列、出口,配上片上网络。这也是交互网架构的自然结果——既然每个值只有一个所有者,任务就可以被安全地搬来搬去,不用担心谁在同时改同一块数据。
小听: 但这个过程里有个数字让我想多问一句:AI 群一共试了 58 个想法,保留了 37 个。还有一个细节,团队一开始写了 141 页的架构探索 PDF,第一轮 RTL 出来之后就删了,因为"很多数字和估计与物理现实差得很远"。这说明 AI 的探索过程里,错得离谱的时候也不少?
林野: 太正常了,而且这恰恰是这篇文章最诚实的地方。真正关键的转折点在中间那段"对齐":团队自己发明了一门规约语言 ASL,写了 Frostbite 的系统模型 Arcmodel。Arcmodel 比 RTL 仿真快 200 倍,功耗和性能估计一开始却和真实 RTL 差了最多 250%。团队做了一个全自动的校准流水线:从 RTL 里找出功耗热点,追踪到规约里的关键计数器,让模型自己写 Python 函数去拟合功耗,反复迭代直到和 RTL 的误差收进 5% 以内。对齐之后,Arcmodel 的全芯片仿真比 RTL 快 660 倍,agent 群才能快速试错。那 58 个想法里被毙掉的 21 个,很多就是在这个循环里被证伪的。没有这一步,AI 试出来的架构很可能只是纸面上的漂亮数字。
小听: 还有一个数字:ASL 规约最后翻译成了 80 多万行 Lean 代码。形式化验证这部分,在评论区好像没怎么被讨论,但它是不是整个故事里最难复制的一环?
林野: 我觉得是。很多人看这篇文章只盯着 4.59 倍,但真正让这个流程成立的,是"单一可证明的事实来源"。传统芯片流程里,人类架构师写一堆英文 PDF,交给实现团队和验证团队,自然语言说不清的地方就靠经验和开会补。AI 写规约的时候,自然语言的模糊就是灾难——幻觉会在几十万行 RTL 里悄悄扩散。ASL 的作用是:规约本身就是机器可检查的,RTL、验证、功耗模型全都从同一份规约派生,任何一处对不上,机器能当场抓住。这也是为什么他们敢让 agent 群并行改架构:每个改动都要过规约、建模、RTL、功耗四道关,过不了就丢掉。没有这个护栏,agent 群规模越大,翻车越快。

没有中央调度器,每个 tile 自己决定干什么、帮谁干、什么时候睡。
小听: 好,回到评论区最激烈的争论。质疑派的代表性说法是:以前我们说"show me the code",现在得说"show me the silicon"——在看到真正流片跑起来的芯片之前,这都只是理论。你怎么看这个标准?
林野: 这个标准没错,但要分两层看。第一层,Frostbite 今天确实没有流片。所有数字都是综合和仿真出来的,7nm、500MHz 的 GDS 是真实走完流程的版图,但不是一块能插上电跑测试的硅片。评论区那句"只有看到它跑 Crysis 并且能效、性能、温度、稳定性都更好我才信",情绪上可以理解,标准上也没毛病。第二层是,拿"没流片"否定整件事,就错过了重点:这篇文章真正证明的不是 Frostbite 这颗芯片有多强,而是"AI 能走完从架构探索到 GDS 的完整流程,并且在过程中发现人类没想到的结构"。这个流程本身,就是可复用的。流片是时间问题,流程是范式问题。
小听: 另一条争论是关于台积电的。有人说 AI 让芯片设计从两年压缩到两个月,会有 way more 芯片被设计出来,代工厂会更值钱;马上有人反驳,Rock's law 摆在那里,一座 fab 两三百亿美元,制造才是瓶颈,设计变便宜不等于芯片变便宜。
林野: 两边说的都是真话,差别在时间尺度。短期内反方是对的:设计只是芯片成本里的一环,制造、封装、良率、供应链全都不在 AI 这次的射程里。一座 fab 200 到 400 亿美元的投入,二十年才能把一个制造想法推向市场,这些都不会因为设计变快而消失。长期看,正方的逻辑也有道理:如果设计成本从数亿美元降到一个数量级以下,之前"不值得专门做一颗芯片"的应用会突然变得值得——以前只有手机、服务器这种大市场才养得起定制芯片,以后可能每个细分场景都有一颗自己的芯片。需求端的总量上去,代工的议价能力反而会变强。评论区里那句"与其说 AI 会取代台积电,不如说 AI 会让更多人排队去找台积电",我觉得说到了点子上。
小听: 还有一个评论我觉得值得展开:当设计时间被压缩到这个程度,以前微不足道的步骤会不会变成新的瓶颈?
林野: 一定会。芯片行业的历史就是一部瓶颈迁移史:以前瓶颈是画版图,EDA 工具把它解决了;后来瓶颈是验证,形式化方法在啃它;现在 Frostbite 把架构探索和实现压缩了,下一个瓶颈大概率在两头。一头是需求侧:你怎么向 AI 说清楚你到底要一颗什么样的芯片?141 页 PDF 被删掉的故事已经说明了,人类一开始的需求描述本身就很不准。另一头是物理侧:流片、测试、良率爬坡、封装,这些环节的周期是以月甚至年计的,AI 再快也快不过一炉硅的烧制时间。设计从两年变两个月,意味着等待流片的那几个月会显得格外漫长。以后芯片公司的竞争,可能从"谁设计得快"变成"谁的流片排期多、谁的测试闭环短"。
小听: 最后聊聊"接下来"。原文列了四件事:给所有人一个能在 FPGA 上跑 Frostbite 的游乐场、做一个初步的操作系统、继续扩大规模和测试集、发布 RTL 和 ISA。你最期待哪一件?
林野: 发布 RTL 和 ISA。FPGA 游乐场和操作系统都是好事,但只有 RTL 和 ISA 公开,社区才能真正复现、挑错、改进。评论区里对 4.59 倍的怀疑,归根结底是"你们的对比 CPU 到底是哪颗、测试集到底有没有猫腻",这些问题只有开源能回答。Architect Labs 之前做 Redwood 的时候也承诺过类似的事,这次如果真的把 80 万行 Lean 规约和 RTL 一起放出来,那才是这件事从"一篇很漂亮的博客"变成"一个可以站在上面的起点"的时刻。
小听: 总结一句?
林野: CPU 单核性能停滞二十年,不是因为人变笨了,是因为冯·诺依曼这条路上的并行性本来就是藏起来的,硬件花了二十年时间发明越来越复杂的办法去把它挖回来。Frostbite 的真正意义不在于 4.59 倍,而在于它证明了一件事:换一条不藏并行性的路,AI 能比人更快地走通。至于这条路最后能走多远——等它流片,等它开源,等它在 SPEC 上跑一圈,答案自然就有了。

城市没有市长,但每条路都知道自己通向哪里。