半导体前端设计这件事,正在被AI重新定义。据 David Hendrickson 的分享,Cognichip 的人工芯片智能(ACI)把原本需要 20 周的前端设计流程压缩到了 10 天,而且只需要一名工程师。

流程的起点是一份 55 页的微体系结构规范。从这份规范出发,ACI 自动完成架构探索、从零开始的 RTL 硬件设计、组件集成、SystemVerilog 测试平台生成、仿真和调试,最终把功能验证覆盖率做到 90% 以上。

支撑这套能力的是一个专业 AI 模型。它基于超过 1000 万硬件设计样本训练,训练数据来自 1200 套开源设计。这个数据规模,是它和通用模型拉开差距的地方。

差距最直观的体现是 PPA 预测。通用 AI 的 PPA 预测误差在 50–100% 之间,而 Cognichip 的专用 AI 只有约 10%。误差从翻倍级别降到一成左右,意味着模型给出的判断开始具备工程可用性。

把这件事放进更大的趋势里看,路径已经比较清晰:AI 先写应用,再构建操作系统,然后优化计算内核,现在轮到帮人设计芯片本身。Google 用 93 个 AI 智能体构建了功能实验性操作系统;GPT-6.2 Astra 在 OpenAI 的底层加速器内核工程基准测试中拿到 76.92%;OpenAI 与 Broadcom 借助 AI,把推理 ASIC 从初步设计到 tape-out 只用了 9 个月。

需要划清边界的是,Cognichip 尚未展示在 10 天内生产出完整可制造芯片的能力。实体设计、tape-out 和硅片验证仍然要在之后完成。ACI 覆盖的是前端设计这一段,不是整条链。

真正值得琢磨的问题是:当 AI 把定制硅片的成本和时间显著压下来,会发生什么?设计门槛降低之后,愿意自己做芯片的团队会变多,还是需求会集中到少数几家手里?这个答案,可能比 10 天这个数字本身更有分量。