取消
搜索历史

    AI自研CPU架构Frostbite 模拟能效达4.59倍

    来源:电子芯片网 2026-11-23 00:25科技综合

    11月22日,帕洛阿尔托初创公司 Architect Labs 公布一款名为 Frostbite 的通用 CPU。该公司称,这颗处理器由人工智能系统自主发现、设计并验证,采用全新指令集,目标是从底层绕开传统 CPU 的一些架构限制。

    Frostbite 的计算单元被称为 Tile。每个 Tile 结构相同,通过片上网络彼此连接,并带有独立的小容量本地内存。Architect Labs 将配套方案称为“免费多线程”:让程序直接暴露可并行的工作,而不是依靠传统线程、锁机制或乱序执行硬件在运行时寻找并行机会。

    测试中,团队用 4 个 Tile 和 4 个 L3 节点组成集群,与一颗尺寸接近、已完成硅验证的双发射顺序执行 CPU 核心比较。结果显示,25 项负载的几何平均每瓦性能为对照的 4.59 倍,单位面积性能为 8.77 倍。完整 Frostbite 设计包含 16 个 Tile,但此次数据来自 7 纳米工艺下的模拟设计,芯片尚未流片,因此没有实物可验证。出于法律原因,对照核心型号未公开。

    分项来看,用于设计调优的 10 项测试能效提升 6.02 倍;最终评估阶段才引入的 15 项测试为 3.83 倍。表现最好的是未参与调优的 conv2d,达到 23.12 倍;最差的是同样未参与调优的递归斐波那契,为 1.15 倍。频率方面,早期综合阶段曾达到 800MHz,最终布局设计降至 500MHz。

    Architect Labs 称,设计起点是“零架构先验”,但团队仍提前锁定了重点优化的工作负载。多个 AI 智能体阅读学术论文和性能测试资料,建立 Python 模型,并选出一个架构方向。最初生成的设计文档有 141 页,覆盖编程模型、运行时环境和高层级硬件模块。

    第一版寄存器传输级设计出现后,这份 PDF 被删除。公司解释,文档里的许多数字和估算与物理实现可能性相差太大。此后,AI 智能体不再用英语描述硬件规格,而改用内部开发的硬件描述语言 ASL。ASL 可转换为 Lean 证明系统中的形式化表达,并接受机器验证。AI 智能体还用 ASL 建立了 Arcmodel 软件模型,在电路设计前模拟整颗芯片行为,其速度约为 RTL 仿真的 200 倍。功耗估算最初偏差接近 250%,经自动迭代后缩小到 5% 以内。

    在优化阶段,大量 AI 智能体并行提交方案。每项修改都要通过规格验证、快速模型测试、电路实现和功耗测量,才会被保留。系统共尝试 58 项优化,最终留下 37 项。过程中还出现了人类设计者未明确规定的行为:某个 Tile 没有任务时,会从相邻 Tile 获取未完成工作;若仍无任务,则进入空闲状态省电。

    能耗结构上,Frostbite 与传统 CPU 差异明显。按 20 种工作负载平均值计算,传统 CPU 的内存占 57%,指令获取、解码和发射占 27%,时钟分配占总能耗 49%;Frostbite 的内存占 38%,指令获取、解码和发射占 6%,片上网络和调度器占 26%,时钟分配占 41%。

    这并非 Architect Labs 首次展示 AI 参与的处理器设计。今年 8 月,该公司发布面向机器人和无人机的 AI 推理加速器 Redwood。两名人类架构师提供规格后,AI 在不到两周内生成 RTL 代码、验证程序、固件、驱动程序和计算内核。Redwood 目前也只在 FPGA 上运行,未制造实际芯片,公司称正推进与台积电合作的流片计划。

    英国剑桥初创公司 Tendrils Compute 也在开发类似方向的产品。该公司本月早些时候完成新一轮融资,称正在研发能让“数千个核心并行运行”的处理器,并开发名为 Vine 的编程语言,Frostbite 程序同样使用 Vine 编写。

    Architect Labs 计划后续公布更多性能结果,并推出基于 FPGA 的在线软件实验平台,让外部人员运行 Frostbite 程序,同时提供初步版本的操作系统。公司还计划公开 Frostbite 的 RTL 设计代码和指令集。在测试扩展方面,它准备加入更多 CPU 对照,将更大规模 Frostbite 网格与配有大容量缓存的多核版本比较,也会同规模更大、指令执行宽度更高的乱序执行 CPU 对比,相关测试预计未来几个月采用 SPEC、PARSEC 等基准套件。目前,Frostbite 的性能优势仍来自模拟设计,尚未经过实际硅芯片验证。

    (本文内容信息不代表电子芯片网观点,如有版权疑问请马上联系客服。)