Qwenputer 把 Qwen3.5 用在 RISC-V CPU 设计上。值得看的不是“AI 造芯”,而是代码能否执行、结果能否复现,以及验证边界在哪里。
原始技术文章:https://divagr.com/blog/qwenputer。该项目登上 Hacker News 首页时,获得 65 分和 11 条评论。
Qwenputer 到底做了什么
Qwenputer 的目标很具体:用 Qwen3.5 实现一颗能正常工作的确定性 RISC-V CPU。
关键不在于生成一段 Verilog,也不在于在聊天窗口里拼出一个“像处理器”的代码仓库。项目要求代码能执行,结果能复现,设计过程能接受检查。
一般的大模型代码生成任务,交付物通常是 Python、JavaScript 或 Rust 程序。测试通过、函数返回预期结果,就算完成。
CPU 设计多了一层约束:
- 指令要符合 RISC-V 规范;
- 状态转移要符合时序要求;
- 同一输入必须得到同一输出;
- 失败不能只靠“看代码觉得没问题”,需要可执行测试。
因此,Qwenputer 的核心产物不是一段展示代码,而是一套可执行的 RISC-V CPU 实现。项目强调功能完整性与确定性。
这两个词需要分开理解。
“功能完整”指处理器能执行预期指令,完成基本工作。“确定性”指在输入、状态和执行条件不变时,结果保持一致。
后者听起来平淡,却是硬件验证能否闭环的基础。测试如果每次运行都可能不同,失败原因就很难定位。设计人员也无法判断问题来自新修改、旧缺陷,还是验证环境本身。
“能运行”比“能生成”更难
生成一段 Verilog,与做出一颗能运行的 CPU,中间隔着完整的验证链。
对 RISC-V 处理器来说,至少要检查四件事:
- 指令集:支持的指令、寄存器编码和异常行为是否符合规范。
- 时序:数据何时就绪,状态何时更新,是否存在竞争条件。
- 状态转移:每条指令如何改变 PC、寄存器和内存状态。
- 测试结果:程序是否得到预期输出,重复执行是否一致。
这四件事必须互相闭合。
代码能编译,只能证明语法和部分连接关系成立。测试偶尔通过,也不能证明状态转移正确。如果同一个程序连续运行得到不同结果,测试报告就失去了复现价值。
可以把工程流程简化成这样:
指令需求 → RTL 实现 → 仿真 → 测试程序 → 结果比对 → 缺陷修复 → 回归测试
模型擅长其中一个或多个环节,不等于它独立完成了整条链。
Qwenputer 更值得观察的地方,是它把代码生成放进一个不能靠表面正确性糊弄过去的环境。返回值对了,不够。循环结束了,也不够。CPU 必须长期维护正确状态,并在多条指令组合后继续遵守规范。
Qwen3.5 的角色,不只是写代码
Qwen3.5 在这个项目里的实际角色,至少包含三层。
第一层是代码生成:根据设计要求写 RTL、测试代码、构建脚本和辅助工具。
第二层是方案调试:根据编译错误、仿真失败和测试日志定位问题,再修改实现。
第三层是设计决策:选择流水线结构、单周期或多周期实现、异常处理方式,以及哪些功能放进第一版。
前两层可以由模型直接承担更多工作。第三层则依赖约束、经验、工具链和项目取舍。
这也是阅读 AI 造芯类演示时最容易混淆的地方。
“模型生成了 CPU 源码”不等于“模型从零发明了处理器”。人仍然要定义目标、选择指令集、提供验证环境,并判断测试是否覆盖了真正的问题。
Qwenputer 的价值,在于它没有只展示生成能力,而是把实现放进可运行的验证环境。模型生成的内容必须接受工具反馈,而不是由模型自己宣布完成。
RISC-V 为什么适合做 AI 硬件实验
RISC-V 的开放指令集和成熟工具链,降低了 AI 硬件实验的门槛。
它不是某家公司的私有指令集。开发者可以围绕规范实现处理器,再接入编译器、汇编器、仿真器和调试工具。对于 LLM 实验,这种环境尤其重要:规范公开、错误可追踪、测试结果容易复现。
但“能做实验”和“能用于生产”不是一回事。
教学级 CPU 可能采用简单的单周期结构,功能范围有限,时序和异常处理只覆盖课程或实验所需。它可以证明 AI 参与硬件实现的方法可行,却不能直接推导出同等规模的芯片可以流片。更不能说明性能、功耗、面积和良率已经达标。
生产处理器还要面对:
- 性能与频率约束;
- 物理实现、时序收敛和功耗分析;
- 安全机制与形式化验证;
- 软件生态和长期维护;
- 大量未被基础测试覆盖的边界情况。
RISC-V 解决的是接口开放与实验成本问题。它不会自动消除硬件工程中最昂贵的部分。
编辑思考
Qwenputer 更像一份 AI 辅助硬件工程工作流的可运行样本,而不是“模型自主设计芯片”的证明。它与过去的文本生成代码演示有本质区别:CPU 实现要执行指令、处理状态,并接受确定性测试;出错后,设计必须回到仿真与日志,而不是只修一段看起来合理的代码。这个差异让评估重点从“写得像不像”转向“是否可运行、是否可复现”。不过,现有材料还不足以确认验证覆盖是否完整,也无法判断模型在架构取舍中承担了多少责任。我的判断是,下一阶段真正有价值的指标不是 Verilog 行数,而是缺陷能否被独立测试稳定复现,以及人类需要介入多少次。只要验证链仍然依赖作者自证,AI 造芯就仍停留在工程辅助层面。