实战

OpenAI 芯片设计案例:LLM 深度解析

OpenAI 公开了模型参与芯片设计任务的工程流程。本文拆解 EDA 验证、Agent 闭环与落地边界,并给出可复用的五步方法。

字号

OpenAI 公开了模型参与芯片设计的实际任务。对工程师而言,关键不是模型能否生成 RTL,而是它能否接入 EDA 工具,在约束下持续修正。

OpenAI 最近发布《Advancing chip design with our models》,首次系统公开模型参与芯片设计的实际任务。

这不是一次“让 LLM 画电路”的问答 Demo。官方描述的重点,是把模型放进包含规划、约束检查和验证环节的复杂工程流程。

我更关心另一个问题:模型究竟替工程师做了什么?输出如何被检查?失败后能不能继续修正?

这比“会不会生成 RTL”更接近 AI Agent 在工程中的真实状态。

相关讨论登上 Hacker News 首页时,获得 200 分和 130 条评论。热度很高,但公开材料留下了几个关键空白:没有披露芯片型号、完成任务比例,也没有给出具体验证结果。

所以,这篇案例适合当作一次受约束的工程试验来读,不适合当作“LLM 已能独立设计芯片”的证明。

OpenAI 把模型放进了芯片设计流程

芯片设计不是单次生成任务。

一个设计从架构规划开始,后面还有规格拆解、模块设计、约束检查、仿真、验证和反复修改。某个模块即使生成了看起来合理的代码,也可能违反时钟、功耗、面积、接口或时序要求。

《Advancing chip design with our models》介绍的应用方向,是让 OpenAI 的模型能力服务于芯片设计,并探索模型研发与硬件研发之间的反馈闭环。硬件运行中暴露的问题可以反向推动模型改进,模型研发又可以参与下一轮硬件设计。

这个方向比“生成一段 Verilog”更有价值。

原因很简单:芯片设计天然提供了外部裁判。模型提出候选设计,EDA 工具检查设计,系统拿到失败原因,再把结果交回模型修正。这已经接近一个工具型 Agent 的工作循环。

但这里不能把普通代码生成的经验直接套过来。

网页或业务代码通常先看功能测试;芯片设计却需要更昂贵、更严格的验证链。一个能够通过语法检查的输出,离可流片设计仍然很远。

模型生成的文本越像专业工程师,越需要问:

  • 它满足的是哪一组规格?
  • 哪些约束由 EDA 工具检查?
  • 哪些判断仍依赖工程师?
  • 模型依据什么信息决定继续修改,还是停止?

公开摘要没有回答全部问题。尤其是任务边界、硬件规模和完成率缺失,使外部读者无法复现它的能力上限。

真正的门槛不是生成,而是可验证

LLM 擅长生成候选答案。工程系统真正依赖的是判断候选答案是否合格。

这正是芯片设计与聊天任务的核心差别。

聊天机器人给出一段解释,用户可能马上判断它有没有用。芯片设计中的错误可能藏在长链条依赖里:某个模块通过了局部测试,却破坏了系统级时序;一次局部修改,让功耗或面积超出预算;为了修复一个验证问题,又引入新的接口不一致。

因此,模型输出必须接入两类东西。

第一类是 EDA 工具,包括语法解析、lint、综合、仿真和形式化验证。它们负责产生确定性的结果,而不是凭概率判断。

第二类是工程规范,包括设计约束、禁止项、评审规则和停止条件。它们决定模型什么时候可以继续尝试,什么时候必须交回人类。

可以把验证闭环简化成下面这个过程:

规格与约束 → 模型生成候选设计 → EDA / 验证工具检查
    ↑                                      ↓
    └──────────── 失败原因与差异结果 ────────┘

关键在最后半段。

很多所谓 Agent Demo 只展示第一次生成。工程价值却来自第 10 次、第 50 次修改能否基于真实错误继续前进。如果模型只会重新写一遍,没有可靠工具反馈,也没有明确验收标准,那么它仍然只是一个文本生成器。

这也是“会画电路”和“能进入芯片设计流程”的区别。前者考察代码生成能力,后者考察系统集成能力:上下文管理、工具调用、错误解析、状态保存、预算控制和人工接管。

芯片设计适合 Agent,但不适合聊天机器人

从任务结构看,芯片设计确实适合 Agent。

它包含清晰目标,可以调用外部工具,也存在可观察的中间状态。模型不需要一次生成完整芯片,而是逐个处理子任务:

  1. 读取设计规格和历史决策。
  2. 生成局部候选设计。
  3. 调用 EDA 工具检查约束。
  4. 解析失败日志和差异结果。
  5. 修改设计,必要时请求人工确认。
  6. 在满足停止条件后提交评审。

这类任务最需要的不是更长的闲聊上下文,而是可靠的执行状态。Agent 应该知道当前设计版本、已经失败的方案、每轮消耗的计算预算,以及哪些变更不可自动执行。

普通代码生成也常用类似循环,但芯片任务把成本放大了。

一次验证可能很慢、很贵。模型如果提出无效修改,工程师不只是多等一会儿,而是要消耗 EDA 资源、仿真时间和人工审核成本。错误路径如果没有回滚机制,整个实验链会越来越难管理。

因此,停止条件尤其重要。

一个可用的系统至少应设置:

  • 连续失败多少次后停止自动循环;
  • 哪些错误允许模型自行修改;
  • 哪些问题必须升级给工程师;
  • 验证达到什么状态才能进入下一阶段;
  • 每次修改如何保留历史版本并回滚。

换成更具体的实现方式,控制逻辑不该藏在长 Prompt 里。它应该由代码管理预算、权限和状态。

from dataclasses import dataclass
from enum import Enum

class Step(str, Enum):
    GENERATED = "generated"
    VERIFIED = "verified"
    NEEDS_REVIEW = "needs_review"

@dataclass
class Attempt:
    step: Step
    version: int
    verification_errors: list[str]

MAX_ATTEMPTS = 5
MAX_RETRYABLE_ERRORS = 2
RETRYABLE_MARKERS = ("timing violation", "power budget exceeded")

def decide_next_step(attempts: list[Attempt]) -> Step:
    if not attempts:
        return Step.GENERATED

    last = attempts[-1]
    if last.step == Step.VERIFIED:
        return Step.VERIFIED

    retryable = [
        error
        for error in last.verification_errors
        if any(marker in error.lower() for marker in RETRYABLE_MARKERS)
    ]

    if len(attempts) >= MAX_ATTEMPTS or len(retryable) > MAX_RETRYABLE_ERRORS:
        return Step.NEEDS_REVIEW

    return Step.GENERATED

这段代码不负责生成芯片,只负责说明一个关键点:模型权限必须小于验证权限。重试次数、错误类别和人工升级条件都应由确定性代码控制。

OpenAI 为什么公开这个案例

OpenAI 有自己的硬件研发需求。

如果模型可以参与芯片规划、设计检查或验证反馈,模型研发与硬件研发之间就可能形成循环:

  • 硬件运行暴露出模型在特定任务上的弱点;
  • 模型研发针对这些任务迭代;
  • 新模型再参与硬件设计和验证;
  • 更多工程数据反过来进入模型训练或评测。

公开案例有两个作用。

一是展示 LLM 的应用边界已经进入芯片这类高门槛工程领域。二是向外界提供一种参考架构:模型不是终点,EDA、验证工具、工程师评审和流程规范共同构成可用系统。

但也要避免过度解读。

公开摘要没有给出芯片型号、完成任务比例或验证结果。我们无法判断模型覆盖了设计流程的多少,也无法确认最终设计是否达到流片标准,更不能据此推断模型可以独立完成芯片设计。

Hacker News 的 200 分和 130 条评论说明开发者关心这件事,不构成能力评测。讨论热度与技术结论之间,没有直接关系。

此外,OpenAI 没有在公开摘要中披露完整任务集、基线模型、失败样本和成本。要判断可复制性,至少还需要这些数据:

  • 任务成功率与失败类型;
  • 对照人工流程节省的时间和验证成本;
  • 相同工具与预算下的模型基线;
  • 自动修改造成回归的次数;
  • 人工介入频率和最终验收结果。

没有这些指标,案例更像方向声明,不是可采购的能力报告。

行业落地应复制验证机制,而非照搬提示词

这个案例最值得复制的,不是某段 Prompt,也不是让模型生成某种 RTL,而是“生成—验证—反馈—再生成”的机制。

迁移到软件、财务或运维任务时,可以按五步搭建。

  1. 接入真实工具。模型调用编译器、测试环境或业务规则服务,而不是只在聊天框里模拟执行。
  2. 设置硬约束。权限、预算、重试次数和不可修改项写在代码与配置里。
  3. 保留回滚路径。每次修改有版本号,验证失败可以恢复。
  4. 记录失败样本。不要只留成功 Demo;错误类型和修复过程决定系统能否迭代。
  5. 人工掌握高风险出口。涉及安全、资金、生产发布或不可逆操作的步骤,必须设审批点。

我见过不少 Agent 项目把大量精力花在 Prompt 微调上,却让模型直接决定重试次数和工具权限。Demo 时表现不错,遇到持续失败就开始重复调用,成本失控,最终仍然要人工从头检查。

更合理的做法,是把 Agent 当作一个受约束的决策模块。模型负责提出下一步,代码负责决定是否允许下一步,验证工具负责提供事实,人类负责处理高风险例外。

原始来源:OpenAI,《Advancing chip design with our models》:https://openai.com/index/advancing-chip-design-with-our-models/

编辑思考

这次案例的重要性,不在于 LLM 能不能替代芯片工程师。芯片设计周期长、验证昂贵,任何自动生成结果都要经过严格检查。短期更合理的目标是缩小工程师的搜索空间,而不是取消评审。

我的判断是,高门槛领域会先出现“受约束 Agent”,而不是通用数字员工。模型负责提出候选方案,确定性工具负责验收,流程代码负责预算和回滚,人负责高风险决策。

它与过去几个 AI 应用案例不同:此前很多 Demo 的终点仍是一段文本,这次终点接入了 EDA 验证链。外部反馈更硬,工程责任也更重。不过,公开摘要缺少芯片型号、任务比例和验证结果,因此还不能证明这套能力可规模化复制。

真正决定迁移成本的不是模型智力,而是验证是否足够快、失败是否容易定位、数据能否沉淀成评测集。如果每轮验证都很贵,Agent 很难形成高频闭环;如果失败日志不能指导下一轮修改,它就只是自动化地撞墙。

来源: https://openai.com/index/advancing-chip-design-with-our-models/