2020年，研究人员对GPT-2模型进行微调，使其能够设计逻辑电路片段；2023年，研究人员借助GPT-4协助设计了一款具备新型指令集的8位处理器；到2024年，多种大语言模型已能够设计并测试具备基本功能的芯片，例如掷骰子逻辑（尽管这些设计往往存在缺陷）。
如今，AI芯片设计初创公司Verkor.io宣布取得更大突破：一款RISC-V CPU核心完全由智能体AI系统设计完成。这颗处理器被命名为VerCore，主频达1.5GHz，性能与2011年前后的笔记本电脑CPU相当。
Verkor.io联合创始人Suresh Krishna表示，团队的核心主张在于：这种方法比在整体设计流程中针对特定任务使用专用AI系统更为高效。"我们发现，更好的方式是让AI智能体去解决整个问题。"他说。
Verkor.io的智能体系统名为Design Conductor，它本身并非AI模型，而是一个大语言模型的调度框架。所谓调度框架，是指一种迫使AI智能体按照结构化步骤推进的软件。在这个案例中，这些步骤与人类芯片架构师团队的工作流程高度相似：设计、实现、测试等环节依次推进。该框架还负责管理子智能体以及相关文件数据库。
这意味着整个系统仅需用户提供一个初始提示词即可自主运行——本次使用的是一份219字的设计规范文档（该提示词已随Design Conductor论文一并公开）。系统最终输出GDSII格式文件，可直接用于现有的电子设计自动化（EDA）软件。
EDA软件领域的两大巨头Synopsys和Cadence也推出了各自的智能体AI工具，允许芯片架构师通过AI智能体自动化部分任务。Design Conductor的不同之处在于，它被设计为能够全自主地处理从规格说明到设计完成的整个芯片设计流程，而这正是主流EDA厂商尚未公开宣称实现的能力。
Verkor.io创始工程师Ravi Krishna表示，Design Conductor的工作流程"参照了人类工程师的传统设计过程"。系统首先分析设计规范，然后编写并调试寄存器传输级（RTL）文件（即CPU数据流的抽象描述），之后依次迭代完成电源分配、信号时序、布局布线等子任务，并在每个环节对照规范进行验证。某些任务（如布局）还会调用外部工具辅助智能体完成工作。"这是一个迭代式系统。"他说。
整个系统耗时12小时完成了VerCore的设计。这个时间并不算长，但由于使用的是AI智能体，人们可能会设想通过增减智能体数量来调整耗时。然而Ravi Krishna表示，事情并没有那么简单，因为部分设计任务难以并行化处理。
不过，AI模型自身能力的持续提升至关重要。"我记得大约在去年年中，我们尝试用当时的模型构建一个浮点乘法器，结果略微超出了它们的能力范围。"Ravi Krishna说道。而VerCore于2025年12月完成设计，代表着能力的显著提升。"如果今天做不到，六个月后就能做到，"他说，"我不知道这究竟是令人担忧的事，还是一件好事。"
VerCore采用RISC-V指令集架构（ISA）。RISC-V是一种广受欢迎的开放标准指令集，正逐步从存储控制器等细分领域扩展至可驱动笔记本电脑或智能手机的SoC芯片。该CPU的精确主频为1.48GHz，在CoreMark处理器核心基准测试中获得3261分。
Verkor表示，VerCore的性能与英特尔Celeron SU2300的CPU核心性能相当。这一成绩是否令人印象深刻，取决于评判视角。Celeron SU2300发布于2011年，采用英特尔Penryn架构，该架构最早亮相于2007年11月。换言之，VerCore对领先级CPU构不成任何威胁，但它的意义体现在两个方面。
其一，VerCore是首颗由AI智能体设计的RISC-V CPU核心。此前的AI芯片设计案例仅展示了部分设计成果，并未完整呈现一颗完整的处理器核心。Ravi Krishna表示，公司希望将目标锁定在AI智能体此前从未完成过的设计上。"从探索AI模型能力边界的角度来看，这件事对我们很有意义。"他说。
其二，尽管VerCore的理论性能存在局限，但其性能水平已足以说明该设计具备实际应用价值。RISC-V之所以广受青睐，正是因为其指令集可免费使用（RISC-V是开放标准）。RISC-V芯片的速度通常不及x86和Arm同类产品，但成本更低。
最后有一点值得特别说明：该芯片尚未经过实体制造。VerCore通过RISC-V参考指令集仿真器Spike完成了仿真验证，并使用开源学术设计套件ASAP7 PDK完成了版图设计，该套件模拟7nm制程工艺节点。上述两款工具均是RISC-V设计领域的常用工具。VerCore表示，其CPU可在仿真环境中运行uCLinux的某一变体版本。
质疑者将有机会亲自评判。Verkor.io计划于四月底公开发布设计文件，其中将包括VerCore CPU及近期由AI智能体系统完成的其他若干设计。Verkor还计划在电子设计自动化领域顶级会议DAC上展示VerCore的FPGA实现版本。
一款能在12小时内完成CPU设计的AI芯片设计系统，对人类工程师而言似乎并非好消息。但Design Conductor也有其局限性。Verkor.io团队表示，尽管大语言模型持续进步，但仍缺乏人类工程师所具备的直觉判断能力。
Design Conductor有时会陷入"死胡同"，而人类工程师通常能提前规避这类问题。在一个具体案例中，该智能体在时序处理上出现错误，导致数据无法按照时钟周期在CPU内部正确传输。模型未能识别根本原因，在寻找修复方案的过程中进行了大量漫无目的的改动。最终虽然找到了解决方案，但经历了大量无效尝试。"说到底，我们是在用算力换取经验。"该初创公司工程副总裁David Chin说道。
Suresh Krishna对此表示认同，并补充说，随着智能体系统挑战更复杂的设计，Design Conductor这种暴力搜索式的方法效率可能会进一步下降。"这是一个非线性设计空间，所需算力会急剧增长，"他说，"从实际角度来看，专家经验和常识判断仍然大有裨益。"
尽管存在上述问题，Design Conductor这类智能体系统仍可能通过加速迭代来推动芯片设计提速。它们或许还能让小型团队得以涉足此前因资源或人手不足而望而却步的设计项目。
"现在还不到一个人单打独斗的阶段。我认为仍然需要五到十名各领域专家组成的团队，"Ravi Krishna说，"但有了这套系统，这样规模的团队已经可以完成一个具备量产条件的芯片设计了。"
Q&A
Q1：Design Conductor是什么？它与普通AI芯片设计工具有什么区别？
A：Design Conductor是Verkor.io开发的智能体AI调度框架，并非一个独立的AI模型，而是一套驱动大语言模型按结构化步骤完成任务的软件系统。与Synopsys、Cadence等EDA厂商的AI工具不同，Design Conductor能够从设计规范出发，全自主完成芯片从规格说明到最终版图的完整设计流程，无需人工干预每个阶段。
Q2：VerCore的性能如何？和主流处理器相比处于什么水平？
A：VerCore主频为1.48GHz，CoreMark基准测试得分为3261分，性能与2011年发布的英特尔Celeron SU2300相当。该芯片并不具备与当前主流CPU竞争的能力，但作为首颗由AI智能体完整设计的RISC-V CPU核心，其意义在于验证了AI完成完整芯片核心设计的可行性，而非追求极致性能。
Q3：VerCore目前有没有实物芯片？普通开发者能用吗？
A：目前VerCore尚未经过实体制造，仅通过Spike仿真器完成了验证，并使用开源学术设计套件ASAP7 PDK完成了版图布局。Verkor.io计划于四月底公开发布相关设计文件，同时将在DAC会议上展示FPGA实现版本，届时开发者可以参考和评估相关设计成果。
热门跟贴