Современная индустрия микроэлектроники столкнулась с критическим разрывом: программные модели искусственного интеллекта эволюционируют значительно быстрее, чем успевают создаваться оптимизированные под них аппаратные решения. Традиционный цикл разработки чипа занимает годы и требует колоссальных капиталовложений, что становится главным тормозом технологического прогресса. Стартап Architect Labs предлагает радикальный выход из этого тупика, делегируя основную инженерную работу алгоритмам машинного обучения. Проект Redwood демонстрирует возможность сокращения сроков проектирования с месяцев до считанных дней, фактически меняя правила игры в полупроводниковом бизнесе.
Процесс создания современного процессора традиционно напоминает многолетний марафон с высокими ставками. Огромные команды инженеров тратят тысячи человеко-часов на описание логики, верификацию и отладку, а любая ошибка, обнаруженная после этапа производства, может стоить компании миллионов долларов и привести к фатальному отставанию от конкурентов. В условиях стремительного взлета генеративного ИИ такая инертность становится недопустимой.
Именно эту проблему решил использовать Architect Labs, создав систему, способную автоматизировать проектирование микросхем. Результатом стал экспериментальный ускоритель Redwood. В то время как классический подход потребовал бы года работы, Redwood был спроектирован и верифицирован всего за две недели. Роль людей свелась к определению высокоуровневых параметров и корректировке общего плана, в то время как всю рутинную и сложную инженерную работу взял на себя ИИ.
Техническая глубина этого достижения впечатляет: система самостоятельно сгенерировала RTL-описание (Register Transfer Level) — фактически «чертеж» логики работы чипа. Более того, ИИ разработал средства верификации по методологии UVM (Universal Verification Methodology) и провел формальную проверку, что критически важно для исключения логических ошибок. Завершающим штрихом стало создание прошивки, драйверов и специализированных вычислительных ядер.
На текущем этапе Redwood существует не в виде физического кристалла, а как цифровая модель, развернутая на программируемой матрице AMD Versal FPGA. Это позволило подтвердить функциональную жизнеспособность проекта: ускоритель успешно справляется с инференсом тяжеловесных моделей с миллиардами параметров, таких как Meta Llama, Alibaba Qwen и Kimi.
Однако истинный потенциал Redwood раскроется при переходе к реальному кремнию. Согласно расчетам, при использовании 8-нанометрового техпроцесса Samsung, устройство сможет превзойти Nvidia Jetson Orin Nano по производительности в 1,75 раза, потребляя при этом почти в два раза меньше энергии. В совокупности это дает преимущество по показателю производительности на ватт почти в 3,4 раза. Хотя эти цифры пока остаются теоретическими, они задают очень высокую планку для будущих испытаний.
В настоящее время компания не спешит с отправкой проекта на фабрики, предпочитая использовать ИИ для дальнейшей оптимизации и тщательного поиска скрытых дефектов. В долгосрочной перспективе планируется перенос производства на мощности TSMC, что обеспечит максимальную плотность транзисторов и энергоэффективность.
Эта стратегия знаменует собой начало новой трансформации отрасли. Десятилетия назад появление контрактных производителей, таких как TSMC, породило эру fabless-компаний, которые проектируют чипы, не владея собственными заводами. Architect Labs стремится создать аналогичный сдвиг, инициируя эпоху «designless». В этом будущем компаниям больше не потребуются огромные штаты инженеров-проектировщиков для создания специализированного железа — достаточно будет четко сформулировать задачу для ИИ.
В основе этого видения лежит концепция положительной обратной связи. Более совершенные модели ИИ позволяют проектировать более мощные и эффективные ускорители, которые, в свою очередь, становятся фундаментом для обучения еще более продвинутых моделей. Redwood — это первый шаг в создании рекурсивного цикла самосовершенствования вычислительных систем, где интеллект сам создает свою физическую оболочку.
Технологический прагматизм Nvidia в гонке открытых моделей
