有趣的事

大模型 3 年从聊天应用演进到可辅助芯片研发,现阶段落地存在哪些实际瓶颈?

从“能回答芯片问题”到“能可靠地参与芯片研发”,中间还隔着一整套工程闭环。现阶段的瓶颈主要不在模型会不会写代码,而在结果能否被验证、追溯并安全地接入现有流程。

首先,芯片设计的约束高度耦合。RTL、微架构、时序、功耗、面积、工艺规则和验证环境相互影响;局部看起来合理的改动,可能在综合、布局布线或形式验证阶段暴露问题。大模型生成的代码或优化建议仍可能有语义错误、边界条件遗漏,甚至只是“看上去像对的”。芯片研发需要仿真、形式化验证、综合和物理设计等工具逐层确认,模型本身不能替代这些确定性检查。

其次,真实设计依赖大量专有上下文:内部代码库、接口约定、设计规范、历史缺陷、特定工艺与工具版本,以及团队自己的验证流程。通用模型通常拿不到这些资料;即使接入检索,也要处理权限、版本一致性、上下文筛选和引用可追溯问题。把资料喂给模型还涉及芯片设计与客户数据的保密、隔离和审计,不能简单等同于接入一个聊天窗口。

再次,芯片研发任务的反馈周期和成本都较高。一次建议是否改善 PPA(功耗、性能、面积),往往需要运行昂贵的工具链并经过多个阶段;评测不能只看回答是否通顺,还要看可复现性、回归结果、约束是否满足以及对最终实现的影响。若缺少可靠的自动化评测与失败回退机制,模型节省的编写时间可能被调试和复核抵消。

最后,现有 EDA 工具和研发流程成熟且责任边界明确。模型要落地,需要与版本控制、任务调度、许可证、设计数据库和验证系统集成,并让工程师能审查每一步改动、追踪依据、随时撤回。对流片相关决策,责任与签核仍必须由具备资质的工程团队承担。

因此,较现实的路径是先从边界清楚、可自动验证的辅助任务切入,例如代码与文档检索、测试用例建议、日志归纳、脚本草拟或已有流程中的局部优化,再用真实项目衡量节省的工时和验证成本。短期内它更像提高工程师效率的助手,而不是可以独立完成芯片设计并对结果负责的“自动设计师”。

相关阅读