做 RISC-V 芯片的团队可以留意,达摩院把 8 核一致性和 32MB L3 做成了一块现成 IP,带宽还比 XL-200 翻倍。以前要自己拼多核互连,现在直接集成就行,8 核扩展率超 90% 这个数字挺实在的。
#芯片设计
做芯片设计或 HLS 的朋友可以看看这篇:AutoC2V 把真实综合结果变成训练数据,再用一个 QoR 预测奖励模型省掉反复跑综合的开销,生成的 RTL 在延迟和资源上比 HLSPilot、AutoDSE 和 Claude Opus 4.8、GPT-5.5 这些通用模型都好。
这家叫 Archgen 的 YC 公司把晶体管往楼上盖,而不是继续往小里做,同一份活最多省 40% 电。他们的 AI 温度预测模型比传统软件快 5000 倍,工程师画芯片时就能当场看到哪里会过热。做芯片设计或关注后摩尔时代路线的人可以看看。
Archgen 做了个能自己找错改错的芯片设计智能体,热分析引擎比传统 EDA 工具快 5,000 倍。做先进封装、3D 堆叠芯片的工程师可以看看,跟 Cadence 那套手工流程完全是两个思路。
YC F26 的 Archgen 在做 AI 驱动的 3D 芯片设计工具,热仿真比传统 EDA 快 5000 倍,布局引擎还拿了 HRT 挑战赛第一。芯片垂直堆叠后散热和时序是硬骨头,他们让 AI 智能体自己找 bug、修复、重跑。做芯片设计或关注 EDA 格局的人可以看看。
给做硬件的朋友看看:有个智能体能自动排布元件、走线、修设计错误,热仿真模型比传统 EDA 工具快约 5,000 倍,能提前找出会过热的区域。做芯片或电路板设计的团队值得评估一下。
Anthropic 招牌的 15 人小团队用自家 Claude 设计芯片,直接对标 Nvidia 和 AMD,IPO 故事越讲越大了。
Siemens EDA 分享了怎么用 NeMo Gym 调试芯片设计智能体,验证分数从 55% 拉到 95%,还省了 66% 的轮次,写代码的可以看看他们的排查思路。
世界模型跑来设计芯片了,单颗 NPU 干到 700TOPS,算力利用率还能到 99%,搞芯片的朋友可以看看这套 AI 设计流程。
Robinhood CEO 开的 Harmonic,把拿下数学奥赛水平的定理证明系统 Aristotle 用到芯片设计验证上,思路挺有意思。
OpenAI 传闻中的芯片设计模型 Jalapeno 被拿来讨论了,有人说分数不低,Nvidia 可能得紧张一下。
Google工程师透露他们用比Gemini更强的内部AI设计芯片,已取代大部分人工工作。
前苹果和 NUVIA 的芯片老将出来创业,做数据中心 CPU,估值已经喊到 25 亿美元,思路是先做核心 IP 再定指令集,跟传统 CPU 设计反着来。
EDA 巨头 Synopsys 想拉中国 AI 实验室一起做 AI 芯片设计,中美技术隔离下还愿意合作,这个信号挺有意思。
Fractile AI创始人分享AI芯片市场策略,探讨AI如何优化芯片设计,内存带宽解决方案和硬件扩展定律。
OpenAI和Synopsys联手搞了个能自己设计芯片的AI模型,比传统方法更高效。
OpenAI和Synopsys联手,让AI直接参与芯片设计,工程师只需提出目标即可。
OpenAI和Synopsys联手打造的GPT-Synopsys能自主设计芯片,比传统EDA工具更智能。
OpenAI悄悄训练了芯片设计模型GPT-Synopsys,这可能是他们进军硬件领域的重要一步。
Recursive AI创始人聊AI如何设计芯片形成自我改进循环,这个正反馈循环很有意思。
TSMC 拉上 Synopsys 和 Cadence,把 agentic AI 工具直接塞进先进制程的芯片设计流程,还带认证 UALink IP,做芯片的可以关注。
AI 写代码很溜,但芯片时序收敛还是硬骨头:8 个前沿 LLM 跑了 300 多次,最强的也只过了 53.3% 的任务。
朋友,TrendForce 这个行业报告值得看看,它详细列出了全球十大芯片设计企业的营收数据,比如博通、英伟达、AMD 这些大厂,还有它们各自的增长情况,挺有参考价值的。