允中 發(fā)自 凹非寺
量子位 | 公眾號 QbitAI

當所有人在講AI for EDA的故事，論芯先跑進了產(chǎn)線

芯片設(shè)計的復雜度每兩年翻一番，但有一個環(huán)節(jié)的效率幾乎沒變過——讀文檔

SoC驗證工程師，在寫下第一行代碼之前，往往要花幾周甚至幾個月，把幾百上千頁的協(xié)議規(guī)范讀完、讀透、理清楚。

任何一處遺漏，都可能導致驗證覆蓋不全，最終的代價是respin——一次流片失敗，幾百萬美金和幾個月周期歸零

EDA工具進化了幾十年，綜合工具替代了手工邏輯優(yōu)化，布局布線工具替代了手工版圖設(shè)計，仿真工具替代了手工波形檢查。但“讀文檔、定策略、寫驗證”這一層，幾十年來始終沒有被工具化。

論芯科技已經(jīng)在真實產(chǎn)線上給出了答案。

論芯的系統(tǒng)做的事情，一句話概括：拿到一份芯片協(xié)議文檔，自動輸出可用的驗證代碼

在一次客戶的實際驗證任務中，系統(tǒng)跑出了三組值得注意的結(jié)果：

• 發(fā)現(xiàn)了一個respin級別的bug，這意味著系統(tǒng)對spec的理解深度已經(jīng)足以捕捉到那些會導致流片失敗的關(guān)鍵缺陷；
• 同一任務中，識別出超過100條pattern的timing違例，這些在傳統(tǒng)流程中需要工程師逐條人工排查；
• 整個任務的完成速度達到資深專家的25倍

這不是實驗室里的數(shù)字，是在客戶的真實項目里跑出來的。論芯目前已在多家客戶的真實項目中完成部署。

為什么是論芯先做出來？

答案藏在創(chuàng)始團隊的經(jīng)歷里。

論芯創(chuàng)始人何卓論做AI與EDA的交叉領(lǐng)域已經(jīng)近十年。北大本科畢業(yè)后留校讀博，中途退學，去香港中文大學從頭再來。他原本甚至打算博士畢業(yè)后回高中當一名信息學競賽老師，但在真正深入產(chǎn)業(yè)一線后，他改變了想法。

△論芯科技創(chuàng)始人何卓論

不同于大多數(shù)這個方向的研究者，他幾乎在鏈條上的每個位置都待過：做過EDA工具開發(fā)，做過EDA工具中的AI算法，也做過跑AI算法的芯片設(shè)計。

橫跨多個角色的經(jīng)歷讓他得出了一個在學術(shù)圈不太主流的判斷：

AI for EDA最大的問題不是模型不夠強，而是做方法論的人不懂業(yè)務場景，做業(yè)務的人沒有足夠的方法論儲備。兩邊之間有一條巨大的鴻溝。學術(shù)界發(fā)了大量論文，絕大多數(shù)停在proof of concept階段，離工程師真正用起來還差得遠。

何卓論要填的就是這個gap。于是他創(chuàng)辦了論芯。

蒲淵是論芯的聯(lián)合創(chuàng)始人兼CTO。在香港中文大學讀博的第一年，他就連續(xù)以第一作者身份拿到三個EDA頂會的最佳論文提名，并提前完成了畢業(yè)要求——這樣的節(jié)奏在學術(shù)界極為罕見。但他沒有選擇繼續(xù)在學術(shù)界積累履歷，而是在博士早期就加入論芯，把精力投入技術(shù)的產(chǎn)品化落地。

△論芯科技聯(lián)合創(chuàng)始人兼CTO蒲淵

一個看得到業(yè)務全局的人，加一個能把技術(shù)打穿的人——論芯的核心就是這么搭起來的。

圍繞這個核心，論芯搭建了一支兼具芯片領(lǐng)域知識和AI工程能力的團隊。AI中臺和智能體方向的負責人均來自AI行業(yè)一線，有成熟的大模型產(chǎn)品化和系統(tǒng)落地經(jīng)驗。這讓論芯在技術(shù)路線上不是從學術(shù)論文出發(fā)去找場景，而是從工程實踐出發(fā)去定義技術(shù)架構(gòu)。

知識圖譜打底，大模型做引擎

正是這樣的團隊，決定了論芯的技術(shù)路線走法跟“拿GPT或開源模型直接掛一個RAG”有本質(zhì)區(qū)別

RAG解決的是檢索問題，給模型喂相關(guān)段落，讓它回答問題。但芯片驗證不是問答，它是一個工程問題。

一份幾百頁的spec里，時序要求散落在第三章，異常處理邏輯藏在第七章的附錄里，跨模塊的依賴關(guān)系要對著三份不同的文檔交叉比對——同一個功能點的約束條件可能散落在十幾個不同章節(jié)。

人類工程師靠經(jīng)驗和記憶力把它們關(guān)聯(lián)起來，論芯的系統(tǒng)靠一套從芯片領(lǐng)域基礎(chǔ)知識中進化出來的知識圖譜

具體來說，一份spec文檔進入系統(tǒng)后，首先被自動解析，隨后組織成一張知識圖譜。這張圖譜的schema不是人為定義的靜態(tài)模板，而是能適應不同協(xié)議、不同架構(gòu)的文檔結(jié)構(gòu)。知識圖譜不僅匯聚信息，還能自動識別文檔內(nèi)部的沖突和不一致，而這些恰恰是人工閱讀中最容易遺漏的。

知識圖譜之上，大語言模型作為推理引擎，結(jié)合任務相關(guān)的上下文，根據(jù)驗證策略自動生成下游所需的產(chǎn)物：覆蓋模型、測試平臺、測試pattern。

從文檔到可執(zhí)行的驗證代碼，整條鏈路被打通。

用何卓論的話說：“我們不是在做一個AI模型，是在做一個能嵌入工程師工作流的工具。模型是引擎，但引擎不是汽車?！?/p>

以驗證為入口，構(gòu)建AI原生EDA平臺

AI for EDA是一個正在快速升溫的方向，整個行業(yè)正在形成共識：AI會深刻改變芯片設(shè)計的流程。

在這個共識之下，真正決定一家公司位置的，不是敘事本身，而是誰先把技術(shù)落進客戶的產(chǎn)線、拿到可驗證的結(jié)果。

論芯選擇的路徑很明確：先在最痛的場景里證明自己，用結(jié)果建立信任，再向平臺擴展

驗證是入口，平臺是目標。

一個AI原生的、能夠包住EDA工具鏈的平臺，讓芯片設(shè)計流程中每一個依賴人力經(jīng)驗的環(huán)節(jié)，逐步被系統(tǒng)化、自動化。從文檔理解到驗證生成，從驗證到設(shè)計流程的更多節(jié)點，論芯要做的是一層一層地把AI能力鋪進去。

這件事沒有捷徑，只能一個場景一個場景磨出來。論芯已經(jīng)磨出了第一個。