AI for EDA提速25倍:论芯率如何以AI读懂芯片协议文档
允中 发自 凹非寺量子位 | 公众号 QbitAI当所有人在讲AI for EDA的故事,论芯先跑进了产线芯片设计的复杂度每两年翻一番,但有一个环节的效率几乎没变过——读文档SoC验证工程师,在写下
允中 发自 凹非寺
量子位 | 公众号 QbitAI
当所有人在讲AI for EDA的故事,论芯先跑进了产线
芯片设计的复杂度每两年翻一番,但有一个环节的效率几乎没变过——读文档

SoC验证工程师,在写下第一行代码之前,往往要花几周甚至几个月,把几百上千页的协议规范读完、读透、理清楚。
任何一处遗漏,都可能导致验证覆盖不全,最终的代价是respin——一次流片失败,几百万美金和几个月周期归零
EDA工具进化了几十年,综合工具替代了手工逻辑优化,布局布线工具替代了手工版图设计,仿真工具替代了手工波形检查。但“读文档、定策略、写验证”这一层,几十年来始终没有被工具化。
论芯科技已经在真实产线上给出了答案。
论芯的系统做的事情,一句话概括:拿到一份芯片协议文档,自动输出可用的验证代码
在一次客户的实际验证任务中,系统跑出了三组值得注意的结果:
发现了一个respin级别的bug,这意味着系统对spec的理解深度已经足以捕捉到那些会导致流片失败的关键缺陷;同一任务中,识别出超过100条pattern的timing违例,这些在传统流程中需要工程师逐条人工排查;整个任务的完成速度达到资深专家的25倍
这不是实验室里的数字,是在客户的真实项目里跑出来的。论芯目前已在多家客户的真实项目中完成部署。
为什么是论芯先做出来?
答案藏在创始团队的经历里。
论芯创始人何卓论做AI与EDA的交叉领域已经近十年。北大本科毕业后留校读博,中途退学,去香港中文大学从头再来。他原本甚至打算博士毕业后回高中当一名信息学竞赛老师,但在真正深入产业一线后,他改变了想法。

△论芯科技创始人何卓论
不同于大多数这个方向的研究者,他几乎在链条上的每个位置都待过:做过EDA工具开发,做过EDA工具中的AI算法,也做过跑AI算法的芯片设计。
横跨多个角色的经历让他得出了一个在学术圈不太主流的判断:
AI for EDA最大的问题不是模型不够强,而是做方法论的人不懂业务场景,做业务的人没有足够的方法论储备。两边之间有一条巨大的鸿沟。学术界发了大量论文,绝大多数停在proof of concept阶段,离工程师真正用起来还差得远。
何卓论要填的就是这个gap。于是他创办了论芯。
蒲渊是论芯的联合创始人兼CTO。在香港中文大学读博的第一年,他就连续以第一作者身份拿到三个EDA顶会的最佳论文提名,并提前完成了毕业要求——这样的节奏在学术界极为罕见。但他没有选择继续在学术界积累履历,而是在博士早期就加入论芯,把精力投入技术的产品化落地。

△论芯科技联合创始人兼CTO蒲渊
一个看得到业务全局的人,加一个能把技术打穿的人——论芯的核心就是这么搭起来的。
围绕这个核心,论芯搭建了一支兼具芯片领域知识和AI工程能力的团队。AI中台和智能体方向的负责人均来自AI行业一线,有成熟的大模型产品化和系统落地经验。这让论芯在技术路线上不是从学术论文出发去找场景,而是从工程实践出发去定义技术架构。
知识图谱打底,大模型做引擎
正是这样的团队,决定了论芯的技术路线走法跟“拿GPT或开源模型直接挂一个RAG”有本质区别
RAG解决的是检索问题,给模型喂相关段落,让它回答问题。但芯片验证不是问答,它是一个工程问题。
一份几百页的spec里,时序要求散落在第三章,异常处理逻辑藏在第七章的附录里,跨模块的依赖关系要对着三份不同的文档交叉比对——同一个功能点的约束条件可能散落在十几个不同章节。
人类工程师靠经验和记忆力把它们关联起来,论芯的系统靠一套从芯片领域基础知识中进化出来的知识图谱
具体来说,一份spec文档进入系统后,首先被自动解析,随后组织成一张知识图谱。这张图谱的schema不是人为定义的静态模板,而是能适应不同协议、不同架构的文档结构。知识图谱不仅汇聚信息,还能自动识别文档内部的冲突和不一致,而这些恰恰是人工阅读中最容易遗漏的。
知识图谱之上,大语言模型作为推理引擎,结合任务相关的上下文,根据验证策略自动生成下游所需的产物:覆盖模型、测试平台、测试pattern。
从文档到可执行的验证代码,整条链路被打通。

用何卓论的话说:“我们不是在做一个AI模型,是在做一个能嵌入工程师工作流的工具。模型是引擎,但引擎不是汽车。”
以验证为入口,构建AI原生EDA平台
AI for EDA是一个正在快速升温的方向,整个行业正在形成共识:AI会深刻改变芯片设计的流程。
在这个共识之下,真正决定一家公司位置的,不是叙事本身,而是谁先把技术落进客户的产线、拿到可验证的结果。
论芯选择的路径很明确:先在最痛的场景里证明自己,用结果建立信任,再向平台扩展
验证是入口,平台是目标。
一个AI原生的、能够包住EDA工具链的平台,让芯片设计流程中每一个依赖人力经验的环节,逐步被系统化、自动化。从文档理解到验证生成,从验证到设计流程的更多节点,论芯要做的是一层一层地把AI能力铺进去。
这件事没有捷径,只能一个场景一个场景磨出来。论芯已经磨出了第一个。
你是一名 AI 行业编辑,请围绕下面这条热点输出一份资讯解读:
热点:AI for EDA提速25倍:论芯率如何以AI读懂芯片协议文档要求:
1. 先用一句话解释这条热点在讲什么
2. 再总结它为什么重要
3. 说明会影响哪些 AI 产品或内容方向
4. 最后给出 3 个适合资讯站使用的标题
游乐网为非赢利性网站,所展示的游戏/软件/文章内容均来自于互联网或第三方用户上传分享,版权归原作者所有,本站不承担相应法律责任。如您发现有涉嫌抄袭侵权的内容,请联系youleyoucom@outlook.com。
相关热点面壁智能聚焦端侧AI,不拼参数大小,而是通过知识密度提升与模型风洞技术,将大模型压缩至手机、汽车等设备。其MiniCPM以2B参数超越同期8B对手。CTO曾国洋22岁主导训练中国首个大语言模型CPM-1。端侧AI追求“默契系统”,在用户开口前预判需求,已在吉利、上汽大众等车型落地应用。
印度IT巨头HCLTech投资最高350亿卢比建设AI数据中心,容量可扩展至50MW,提供从设计到运营的端到端服务,旨在满足政府及企业日益增长的算力需求,抢占印度快速增长的数据中心市场,并推动AI基础设施布局。
小米具身机器人在汽车工厂自攻螺母上件工站实现双侧作业成功率98%,接近人工水平。同时在新工站分别达到90%成功率,从单一操作拓展至多工站协同,验证了具身智能在复杂工业环境的落地能力。
全球AI行业正迎来新的财富格局,DeepSeek创始人梁文锋凭借其公司的迅猛发展,个人财富急剧膨胀,一举超越多位硅谷知名人物,成为全球AI公司领域的新首富。以下将详细解析其身价飙升背后的关键因素及公司发展历程。 一、身价飙升至360亿美元,超越多位AI大佬 根据最新彭博亿万富豪指数,DeepSeek
- 日榜
- 周榜
- 月榜
热点快看
