Architect Labs 公布 AI 设计 CPU Frostbite:模拟能效达对照核心 4.59 倍,尚未流片
据 IT之家 11 月 22 日报道,美国初创公司 Architect Labs 在研究博客中公布通用 CPU 架构 Frostbite,称其 AI 系统完成了架构发现、设计与验证。在基于 7 纳米工艺的模拟测试中,四个计算单元组成的集群,每瓦性能达到对照 CPU 核心的 4.59 倍。不过,Frostbite 尚未流片,这一结果并非实测芯片成绩。
不只改良核心,而是重新组织并行计算
Frostbite 采用全新指令集,试图减少传统处理器发现指令依赖、管理并行执行所需的硬件开销。Architect Labs 将其思路称为“免费多线程”:让程序直接暴露可并行执行的工作,而不是主要依赖运行时硬件、传统线程与锁机制寻找并行机会。“免费”是方案名称,并不意味着并行计算没有成本。
架构由多个结构相同的 Tile 组成,通过片上网络连接,各自拥有小容量本地内存。完整设计包含 16 个 Tile,此次比较使用的是四个 Tile 与四个 L3 节点组成的集群。设计频率从早期综合阶段的 800MHz,降至最终布局阶段的 500MHz,也说明架构设想仍需接受物理实现约束。
- 全部 25 项测试中,每瓦性能的几何平均值为对照核心的 4.59 倍,单位面积性能为 8.77 倍。
- 用于调优的 10 项测试,能效为对照的 6.02 倍;后续引入的 15 项评估测试为 3.83 倍。
- 未参与调优的 conv2d 测试达到 23.12 倍,递归斐波那契测试仅为 1.15 倍,收益高度依赖工作负载。
对照对象是一款尺寸相近、已完成硅验证的双发射顺序执行 CPU 核心。公司称因法律原因无法公开其型号,因此不能将这些数字直接理解为对主流商用 CPU 的普遍领先。
AI 芯片设计的看点:从自然语言走向可验证规格
据公司介绍,AI 系统没有预设架构路线,但团队事先指定了优化工作负载。多个智能体通过阅读论文、测试资料和建立 Python 模型选择方向,随后生成设计文档与 RTL。早期文档中的估算与物理实现存在明显差距,因此并未被继续作为可靠规格使用。
后续流程转向自研硬件描述语言 ASL,其规格可转换为 Lean 形式化表达并接受机器验证。AI 还建立了芯片行为模型 Arcmodel,以约为 RTL 仿真 200 倍的速度探索方案。其功耗估算最初偏差接近 250%,经迭代后,与电路设计测量结果的偏差缩小至 5% 以内;这里仍不是实体芯片测量。
产业解读:设计流程有启发,产品价值仍待验证
Frostbite 的意义不仅是一个能效数字,更在于展示了AI 智能体、形式化验证与快速模型协同设计硬件的路径。它提示,AI 辅助芯片研发可能从生成代码,进一步延伸到架构探索和实现反馈。
但新指令集也意味着软件适配问题,局部测试优势不能替代生态与真实运行验证。现阶段,更适合将 Frostbite 视为值得关注的研究成果:其能否转化为可用产品,仍需流片、实测及更透明的对照评估。