ARTICLE / 技术手记
AI 热点快报:Frostbite 让 AI 同时搜索编译器与芯片设计(2026-11-21)
Architect Labs 用 AI 协同迭代编译器、指令集和 CPU 硬件,流片前评估在十五项保留负载上达到对照的 3.83 倍每瓦性能。
事件与背景#
11 月 18 日,Architect Labs 公布了 Frostbite:一种以交互网为计算模型、从头设计指令集的实验性 CPU 架构。11 月 20 日,项目登上 Hacker News 首页。[1][3] 值得关注的并不是 AI 又写了一段硬件描述,而是同一次搜索可以改动编译器、指令集和硬件实现,再用可检查的规格验证行为,并用综合后的结果校准下一轮搜索。优化单元不再是单个模块,而是从程序到硬件的一条路径。
交互网把程序表示成图,计算发生在由主端口相连的节点之间。处于活动状态的节点对不会重叠,因此可以在不相互干扰的情况下并行改写。[2] Frostbite 用 Vine 编译程序,在中间表示里保留这些依赖。运行时,一个计算单元没有本地任务时,可以从邻居取活;没有合适任务就转入空闲。并行不是凭空产生的:长依赖链仍然要等,跨单元传递任务也有开销。[1]
团队公布的是流片前结果:在 7 纳米工艺上完成最终版图,一组四个计算单元与配套缓存,对比面积相近的一颗双发射、顺序执行 CPU 核。厂商报告,25 项负载的每瓦性能几何平均为对照的 4.59 倍;10 项用于搜索的负载为 6.02 倍,15 项未用于调优的保留负载为 3.83 倍。对照核已有硅片验证,但具体型号未披露;这不是 Frostbite 实物上的功耗实测,也不能外推为对主流服务器 CPU 的优势。[1]
来源(均经 curl 验证为 HTTP 200):
为什么现在重要#
- 跨层搜索能改变优化对象。 原文举了一个具体例子:团队的 AI 系统找到更细粒度的时钟门控方式,同时调整软件运行时来配合。[1] 单拿硬件模块做局部优化,可能测不到这项收益。对工程负责人而言,值得试验的是允许代理在两个有明确接口的层面联合提案,而不是让它每次只在同一个目录里改代码。
- 快模型负责筛选,慢测量负责裁决。 项目早期,软件模型的部分估算相对硬件描述语言实现(RTL)结果偏差接近 250%;用 RTL 的指标重新校准后,团队报告误差收敛到 1%–5%。[1] 这说明加速探索的关键不仅是多试几次,还要给近似评分设复核点。否则,自动化只会更快找到最讨好估算器的方案。
- 能验证实现,不代表规格就写对了。 团队用内部规格语言 ASL 表达行为契约,并把它转换到 Lean 做定理证明。[1] 这有助于约束实现和模型的一致性,但「实现满足契约」与「契约覆盖实际需求」仍是两件事。团队可以把更多产出交给代理,验收规格和判断反例是否覆盖业务风险仍要明确到人。
- 保留集比总平均更值得看。 搜索集和保留集分别为 6.02 倍和 3.83 倍,且对照核未具名。[1] 前者有助于判断搜索是否跑通,后者才更接近「离开调优样本后还剩多少收益」。产品决策不宜拿一个汇总倍数写进容量规划;应先确认自己的负载究竟像哪一组,以及单线程延迟是否会掩盖能效收益。
工程师/产品人今天能做什么#
- 周一:选一个可回退的跨层试点。 例如批任务的编译参数与运行时批大小。固定输入、数据规模和机器,记录现有吞吐、尾延迟、资源消耗;试点不接生产流量。
- 周二:冻结一组保留用例。 至少覆盖一种适合并行的任务、一种长依赖链和一种输入偏斜的任务。保留用例交给另一位同事维护,直到验收再运行;先写清楚哪些退步可以接受,哪些直接淘汰。
- 周三到周四:让代理对比单层改动和联合改动。 用独立分支分别保存候选,让快测只负责淘汰明显失败项;入围者用同一套端到端实测复核。日志同时保留被淘汰的方案及原因,避免下轮重新付一次试错成本。
- 周五:按任务类型做决策。 对照基线报告快测与实测的差异,并把错误结果、尾延迟倒退和资源超预算设成否决项。即使联合方案赢了,也先决定在哪一类任务扩大试点,不用平均值替整个项目做决定。
待观察#
- 团队计划提供 FPGA 试玩环境,并发布 RTL 和指令集。[1] 独立复现最需要的是可运行实现、明确版本以及能重建对照结果的负载和测量脚本;FPGA 演示本身也不等于实测芯片能效。
- 团队计划扩展到更宽的乱序 CPU、多核对照与 SPEC、PARSEC 等行业基准。[1] 在这些结果及流片后实测公开前,尚不能判断更大工作集、长依赖链或多程序竞争下的优势还能保留多少。