> ## Content Index
> Fetch the complete content index at: https://www.hubwiz.com/blog/llms.txt
> Use this file to discover other available public pages before exploring further.

# AI 从零设计一颗 CPU：25 个负载，每瓦性能 4.59 倍
- URL: https://www.hubwiz.com/blog/ai-designed-cpu-frostbite-interaction-nets/
- Published: 2026-11-21T10:26:40.000Z
- Updated: 2026-11-21T10:38:03.000Z
- Description: AI 自主走完 ISA、RTL、验证到 GDS：25 个负载每瓦性能 4.59 倍，其中 15 个是最后才揭盲的。
- Author: admin
- Tags: AI 芯片设计, 计算机体系结构, 交互网, 形式化验证, AI 编程, Agent

上一篇文章《[Redwood](https://architectlabs.com/blog/redwood?ref=hubwiz.com)》里，我们展示了：给定一个架构，我们的 AI 系统可以在创纪录的时间里实现、验证并部署一颗推理加速器。但和其他科学领域类似，我们相信只要给 AI 系统合适的自由度和护栏，它就能把软件与硬件放在一起协同设计，在整个栈上做优化，打开一个此前根本够不到的设计空间。于是我们给自己出了个问题：**我们的 AI 系统和工具，能不能带来一次真正新的硬件发现，让性能大幅超过人造设计？**

今天介绍 **Frostbite**：一颗通用 CPU，指令集是从零建的。它利用交互网（interaction nets）的三个性质——每一步都是局部的、每个依赖都是显式的、每个值恰好只有一个持有者——拿到了 CPU 性能上长期停滞已久的那种台阶式增益。

在我们最初选定的 **25 个负载**（其中 **15 个直到最终评测才揭盲**）上，Frostbite 相对一颗现代、已在硅上验证过的超标量（双发射、顺序执行）CPU 核，做到了 **4.59 倍的每瓦性能**。

我们的 AI 系统自主迭代了编译器、ISA、架构、微架构、RTL、验证，直到最终的 GDS。回头看它发现的那些架构原语时，我们自己也有点意外：里面有些硬件实现和运行时特性，换人来设计会非常难想到。在 CPU 核性能整体停滞的背景下，我们把一个负载概念一路做到了最终 GDS，并证明了每瓦性能与每面积性能的台阶式提升。我们相信，随着 AI 系统变强，今天已知的每一类芯片——数据中心级 CPU、AI 加速器、网络交换机和网卡——都会经历类似的根本性架构迁移。

## 先解释交互网

主流编程语言编译到通用 CPU 上时，会把程序各部分之间的依赖藏起来。任何一段代码都可以通过共享的可变状态读写任何变量，于是现代 CPU 硬件只能假设最坏情况，在运行时重新发现哪些指令之间真的存在依赖。与此同时，单核性能自 2000 年代初起基本停滞，把人推向了 Intel Xeon、AMD Zen、NVIDIA Vera 这样的多核大芯片。这又迫使 CPU 维持"每个核看到同一份内存"的假象，而要让这个假象既一致又高效，就得付出深缓存层级和一致性协议的面积与功耗，而且扩展性很差。

交互网\[1\]走的是另一条路。程序是一张节点图，计算发生在"重写通过端口相连的成对节点"的过程中。每一次重写只触碰图上一小块局部。因为每个节点恰好有一个主端口，任意两个可重写的活动对都不会重叠，所以它们可以按任意顺序重写，也可以同时重写，结果永远一样。交互网同时是线性的：每个值恰好被用一次，因此没有需要硬件去守护的共享可变状态。像 Vine\[2\] 这样的语言，能把看起来很普通的程序直接编译成交互网。想了解交互网以及它为什么适合做硬件，强烈推荐 Tendrils 的《On Interaction Nets》\[3\]。

*图 1：五皇后问题的两种解法。左边是 C++ 程序一步步走搜索树；右边是同一个搜索以交互网表示，同时探索大量分支：3,183 次交互，关键路径只有 262 步。原文此处为循环动画，以下取首帧。*

![五皇后问题的两种解法：C++ 顺序执行 vs 交互网并行](https://www.hubwiz.com/blog/content/images/2026/11/img_456e3aa2887cefed656c836ceafb500f-800.jpg)

图 1 展示的是一个小搜索问题：把五个皇后放到 5×5 的棋盘上。顺序程序一次只看一个候选；交互网把其中所有独立的工作都暴露出来——平均每一步大约有 12 次交互是可以同时跑的。程序本身一个字都没改，只是那些依赖从来没有被丢掉。

理论上这应该带来两个大优势。第一是**免费的多线程**：并行度不是靠各种粗细粒度的并行手段拼出来的，而是直接从程序里长出来的。没有线程、锁、竞态，也不需要传统核里为了把这些东西再挖出来而准备的乱序机制。第二，既然每个值只有一个持有者、每一步都是局部的，数据就可以放在紧挨着使用位置的小块本地内存里。这去掉了传统芯片在大型缓存子系统上花掉的大部分面积和功耗，也去掉了维持这些缓存一致性所需的系统性复杂度。

## 流程

Frostbite 是在**零架构先验**的前提下设计的。我们按下面的流程推进，全程靠多组 agent 蜂群并行。

![Frostbite 项目时间线：关键事件、架构探索到对齐与迭代的各阶段，以及每个阶段 agent 创建的 worktree](https://www.hubwiz.com/blog/content/images/2026/11/img_109faf7bd4f340921f46dd783d7ad200-800.jpg)

*图 2：从最初的提案到消融实验的整个 Frostbite 项目——关键事件、工作阶段、agent 创建的 worktree，每条分支用其所在阶段的颜色绘制。*

### 架构探索与选择

要开始架构探索，先得定下 Frostbite 应该做得极好的那组负载。我们从"程序如何暴露自己的工作"这个角度分了五类：大量彼此独立的片段、成轮的并行工作、长顺序链、数据相关分支、递归。每一类下都建了一个搜索集和一个留出的评测集，最终评测在评测集上做，保证设计能泛化到它从未调过的程序。FFT、radixsort、LU 这些内核沿用 [SPLASH-2](https://github.com/liuyix/splash2%5Fbenchmark?ref=hubwiz.com) 基准的实现，但尺寸缩到 1/64，因为常规尺寸不适合做探索性工作。

后来我们又往留出集里补了五个更实用的负载：卡尔曼滤波、PCA、有限元分析、LU 求解、LZ4 解压。

![25 个负载分成五组，每组再分为搜索集与评测集](https://www.hubwiz.com/blog/content/images/2026/11/img_c313bb4e1b969345e159eec66fa893b6-800.jpg)

*图 3：全部 25 个负载，按程序暴露工作的方式分组，并分成 agent 用来调优的搜索集与留出的评测集，同时标出各自运行规模。*

agent 负责综合研究论文与现有基准，并写出 Python 模型，让高层架构想法互相权衡，最后收敛到一个单一的架构概念。这一轮探索的产物是一份 **141 页的 PDF**，涵盖提议的编程模型、运行时和芯片的高层模块划分。它离最终架构还很远，只是一个起点：把此前所有发现、高层需求、约束、实验与运行时特性都写清楚。等第一次架构迭代完成（第一代 RTL 生成）后，这份 PDF 就被删掉了——里面很多数字和估算跟物理上可行的东西差得很远。

### 形式化契约与系统建模

架构候选确定后，系统转向构建完整的软件模型。做架构空间探索时，软件模型是必需的：它让负载、ISA 与硬件的抽象视图之间能快速迭代。无论我们做的是 CPU、GPU、NPU 还是网络交换机，掌握这个迭代环就等于在有限时间里最快地探索设计空间。

为了能反复这么做，我们设计了一门内部规格语言 **ASL**，并用它写了 Frostbite 的系统模型 **Arcmodel**。ASL 支持 RTL、系统模型、UVM、SVA 等之间的机器可检查翻译与精化，全部对着一个形式化背书的规格。它的功耗与性能估算误差在 **1–5%** 以内，运行速度比 RTL 仿真快约 **200 倍**，并且可以通过"契约"做形式化验证。

到目前为止，每一个硅片项目都是人类架构师写一堆英文 PDF，然后交给实现团队和验证团队。但自然语言没法精确无歧义地描述实现所需的每个细节，也没法保证在 ASIC 设计与验证过程中抓得住 agent 的每一次幻觉。自然语言本来就不是为此而生的；在一个由 AI 写规格的世界里，我们选择形式化、机器可检查的规格语言。

ASL 既能形式化描述高层、类协议的行为——乱序处理、CSR 编程、内存序、一致性——也能描述底层细节：流水线、仲裁机制、计算传递函数。这让模型可以在有用之处保持规格开放，在需要精确行为之处严格约束。ASL 还能原生翻译到 Lean\[4\]，我们所有跨 RTL、UVM、C、SVA 的定理证明都用它来核对 AI 的输出。ASL 的更多细节会另文展开。

在整个 Frostbite 开发过程中，我们的 AI 把 ISA、Arcmodel、设计与验证紧紧绑在一起迭代，**始终以 ASL 契约为唯一真源**。我们发现，有一个单一且可证明的真源，能在部署大规模 agent 蜂群时避免一大类 bug、低级错误和钻评分空子（reward hacking）的情况。归根结底，这门共同语言让模型能在整个栈上灵活工作，把从负载一直到最终硬件的改动一路传导下去。项目结束时，Frostbite 的 ASL 下沉成了 **80 多万行 Lean**。

![31 个模块的 Lean 契约网络](https://www.hubwiz.com/blog/content/images/2026/11/img_8ee699f1b9294436ec69ae6d8116dfb6-800.jpg)

*图 4：全部 31 个模块的 Lean 契约。每个模块是一簇"它的契约命名了什么"，由"谁读谁"连接，蓝线表示模块间共享的信号。下方放大了帧管理器（FRM）模块。*

### RTL 与对齐

因为 ASL 是形式化背书的规格，从它派生 RTL 并验证，是整个 Frostbite 流程里最快的一段。不过 Arcmodel 本身对物理不敏感，它一开始的功耗与性能估算会和时序收敛、综合干净的 RTL 真实数字偏离，最坏情况差了近 **250%**。

在继续 ASL 自动研究之前，我们有一个系统会拿 RTL 重新校准 Arcmodel，这是一条完全自主的流水线。它先找出 RTL 里的功耗热点，把它们追踪到形式化规格中的关键计数器上——SRAM 读写、操作计数、收发的 flit、信用返回、帧未命中。然后模型可以在这些计数器上写出任意的标量 Python 函数来预测功耗，并反复迭代，直到 RTL 与 Arcmodel 的差距落在 **5%** 以内。

我们发现这种"无梯度学习"极其有效。第一次物理对齐做过之后，后面的迭代快得多。当然这些仍然是硅前数字；经过多轮流片，ASL 模型最终可以和真正的硅后量产功耗数字做关联。

![模型能耗与 RTL 能耗误差随时间的变化](https://www.hubwiz.com/blog/content/images/2026/11/img_c0b86d7fad0899dba79e84becfd73e29-800.jpg)

*图 5：模型能耗与 RTL 能耗在整个程序上的误差。Python 模型一直离 RTL 很远；第一次功耗拟合之后，Arcmodel 被重新对齐并继续搜索，误差落进 1–5% 的带内。*

把 Arcmodel 和 RTL 对齐得这么紧，后续蜂群的探索与利用都快得多。完整的 Arcmodel 芯片仿真比 RTL 快 **660 倍**，由此产生了大量跨栈优化。举例来说，我们的 AI 系统发现了非常细粒度的时钟门控技巧，并在几小时内相应地调整了软件运行时去适配。这种跨栈优化在传统 ASIC 流程里几乎做不出来。

### 契约、Arcmodel、RTL 与功耗一起迭代

一旦 Arcmodel 与 RTL 对齐，最初那些 Python 模型和架构 PDF 就被删掉，ASL 契约成为芯片唯一的规格。从那以后，契约、Arcmodel、RTL 与功耗一起往前走。agent 蜂群在并行的 worktree 里提出架构修订；每个改动都要对照契约检查、在 Arcmodel 中建模、在 RTL 中实现、测量功耗，然后保留或丢弃。**四轮搜索加最后一轮消融，蜂群共试了 58 个想法，保留了 37 个**——从运行中瓦片上的时钟门控，到更小的 L3 表、一个共享的扩展器。

![从首次发布到项目结束的搜索与 worktree](https://www.hubwiz.com/blog/content/images/2026/11/img_469844f9259bff772dcfae377fd59995-800.jpg)

*图 6：从第一次发布到项目结束：每轮搜索的想法、它们变成的 worktree、在上面工作的 agent，以及每个想法的保留或丢弃。原文此处为动画，以下取首帧。*

## 架构上的新东西

完整展开这套架构值得单独写一篇。这里我们只挑自认为新颖或有创造性的特性，用来展示我们的系统能把硬件设计的前沿推到哪一步。

Frostbite 的程序用 Vine\[2\] 书写，这是一门语法类似 Rust 的完整编程语言。Vine 程序被编译成 **Ivy**——一种编码交互网结构的中间表示。优化器会尽量多地应用图归约规则，所以最终的 **Ivy net** 形状基本固定，由三种原语组成：数据、计算节点、控制节点。但它的运行时仍然**非常**动态：通常的计算图把并行性编码在结构里、在时间上流水化，而这里并行性必须在运行时从**状态**中导出，在**空间上**流水化。最初的朴素实现很慢，于是 agent 不得不开始想办法。

生成的 ISA 就从这组约束里长出来。其中很多是意料之中的：宽指令包、硬件循环计数器、流。我们认为更有意思的是那些动态特性，尤其是从交互网其他部分"取、窥视、复制"值（那些部分可能正在并行执行）的操作。于是瓦片们活了起来，跨越空间互相通信。

![从 Vine 源码到 Frostbite 硬件的映射](https://www.hubwiz.com/blog/content/images/2026/11/img_a517a307fbe97aa1369a8e977c8c9331-800.jpg)

*图 7：Frostbite 上的"从代码到硬件"。第一次调用把芯片填满，随后它发出的调用跟着走，以递归方式复用同样的节点，直到每个瓦片都在同时触发——递归被铺开到空间上。原文此处为动画，以下取首帧。*

### 涌现出来的性质：偷工作

因为并行性是铺在空间上的，系统里没有中央调度器。我们看到 agent 设计出的是一套很优雅的工作传播规则。一个瓦片遵守三条规则：先跑自己的工作，也就是输入端口里已有的工作；如果空了，就从邻居那里取它有富余的工作；如果找不到，就直接进入不活跃状态省电。

agent 在实现这件事上表现出的精细程度相当惊人。下面是单个 Frostbite 瓦片的硬件：

![单个 Frostbite 瓦片的模块图](https://www.hubwiz.com/blog/content/images/2026/11/img_c5337952f46dc6b2ab06436207d3077d-800.jpg)

*图 8：一个 Frostbite 瓦片。外框展示了该怎么理解各模块的域划分。*

其中大部分应该都眼熟。我们关心的是 **RUNTIME** 域，它负责上面那套偷工作的行为。

编译器把代码切成短段，一旦输入就绪就无中断地跑完。它们在 **engine** 里执行，大多按传统计算的方式通过 **front end** 组织。当某个循环或分支裂成大小无法预先知道的并行片段时，正在运行的段会把"后续要执行的"搁进本地内存里的一条小记录——**frame manager**（帧管理器）。接着它把新任务丢进一条叫 **work queue** 的硬件队列，自己取走最新的那个。空闲的邻居随后可以顺着网络把剩下的任务拉走。当任务在芯片上任何地方以任意顺序完成时，返回包会递减那条搁置记录上的计数器，并在最后一块到达的瞬间自动唤醒下一段。

在硬件里它长这样：

![瓦片如何共享负载](https://www.hubwiz.com/blog/content/images/2026/11/img_f89423fdecb323cccbccd072452838b0-800.jpg)

*图 9：瓦片如何共享一个负载。原文此处为动画，以下取首帧。*

可以把每个"任务"想成当前棋盘往下一层、多一个皇后的那种局面。瓦片 0 得先为所有可能的皇后配置排三个任务，才能结束当前棋盘状态。它有空，于是取走最新那个（来自自己）并运行。与此同时邻居们拿走了其他任务，只有瓦片 5 回去睡了。

这个行为从来没有任何人规定过。我们可以直接把它追溯到特定回归上的必要性，以及针对性能指标的爬山过程。

## 结果

我们在 7nm 工艺上综合了 Frostbite，综合时达到 800 MHz 时序，最终 GDS 里是 500 MHz。每个 Frostbite quad（2×2 的瓦片阵列）配四个 L3 节点是 **0.792 mm²**。我们把一个 Quad+L3 集群与一颗现代超标量（双发射、顺序执行）CPU 的单核对比，后者我们称为 **TCPU**（Traditional CPU），同工艺下 **0.895 mm²**。†

![Frostbite 芯片版图：4×4 相同瓦片阵列](https://www.hubwiz.com/blog/content/images/2026/11/img_0bc4b5bef43be5e32e880422a2fa2bbd-800.jpg)

*图 10：Frostbite 版图，4×4 瓦片，7nm 工艺，其中框出一个 Frostbite quad（2×2 瓦片）和一个 L3 节点。*

我们的负载覆盖面很宽：从 gemm、conv2d 这类密集并行内核，到 JSON 解析、Huffman 编码、k-d 树、递归 Fibonacci 这类不规则、带分支的程序。搜索集的负载驱动了全部架构优化、ISA 设计、RTL 与验证；芯片既在 10 个搜索集负载上评测，也在 15 个留出负载上评测，其中包括后来补的五个实用负载（图 3）。

为了公平比较，我们先用一个 Frostbite quad 对 TCPU 测"单核"性能，因为两者面积接近。在全部负载上，平均**每面积性能 8.77 倍**；而在全部 25 个负载（搜索集加留出集）上，Frostbite 达到 TCPU **每瓦性能的几何平均 4.59 倍**：10 个搜索集负载上 **6.02 倍**，15 个从未调过的留出负载上 **3.83 倍**。如预期，这套架构在高度可并行的任务上最强，但在带分支的动态代码上也超过了 TCPU。

![一个 Frostbite quad 相对 TCPU 的每瓦性能（25 个负载）](https://www.hubwiz.com/blog/content/images/2026/11/img_9d60afa52832dfd1aeeff384297b5efd-800.jpg)

*图 11：一个 Frostbite quad 相对 TCPU 最佳构建的每瓦性能，覆盖 25 个负载：搜索集 10 个、留出评测集 15 个。虚线标出评测集、全部 25 个、搜索集三者的几何平均。*

![能耗构成对比](https://www.hubwiz.com/blog/content/images/2026/11/img_c50692fd6c0878a5dea27bd56d5e39df-800.jpg)

*图 12：各芯片按功能划分的能耗占比（不含时钟分布），对比 TCPU、一个 Frostbite quad 和完整的 4×4 Frostbite。20 个负载的平均。*

能耗构成说明了节省来自哪里。刨掉时钟分布（占 TCPU 能耗的 **49%**、占一个 Frostbite quad 的 **41%**），TCPU 有 **57%** 的能耗花在内存上，**27%** 花在取指、译码和发射上。Frostbite 把内存降到 **38%**，把取指/译码/发射压到只剩 **6%**；换来的代价是 **26%** 花在片上网络与调度器上——那是瓦片之间共享工作、传递消息的成本。

更让人兴奋的是，当我们把芯片扩到 4×4 阵列（四个 quad）时，功耗分布基本不变。在通用多核 CPU 的排布里，增加核数就得加厚重的一致性机制和大容量缓存；而跑交互网时，同一套数据局部性规则始终成立，加核不增加系统复杂度。下图说明了这一点。

接下来几个月，我们会在更大的行业基准集（如 SPEC、PARSEC）上，把 Frostbite 的网格式配置与带大缓存的多核 TCPU、更大更宽的超标量 CPU 做对比。

![多核 TCPU 与 Frostbite 的内存位置对比](https://www.hubwiz.com/blog/content/images/2026/11/img_4356ce50161f7f9213dda20e1086d2f4-800.jpg)

*图 13：内存放在哪。多核 TCPU 在核之间共享 L1/L2/L3 的深层次缓存；Frostbite 给每个瓦片自己的小内存。示意图，未按比例。*

## 接下来做什么

交互网存在了 35 年以上，但它的生产价值从未被真正说清楚。历史上，探索分布外（out-of-distribution）架构一直有风险：说服自己需要时间、投资和人力。我们认为 AI 从根本上改变了这笔账。在追求更高性能、更低功耗的路上，负载、ISA 与硬件的极端协同设计会持续被需要。有了大规模的 agent 蜂群、成熟的搜索空间技术、精确的护栏、形式化验证和更快的 EDA 工具，AI 系统将能以超过人类认知的质量去发现并构建新的加速器。还有很多事要做，但把"自主芯片设计的未来可能长什么样"公开出来，我们认为时机到了。

我们计划继续扩大 Frostbite 的开发，包括但不限于：

- **提供一个软件试验场**，让任何人能在 FPGA 托管的 Frostbite 上跑程序。
- **做一个初步的操作系统**，能管理硬件资源、多程序、虚拟化等。
- **扩大蜂群规模**，把 Frostbite 推到更高的每瓦性能，并在更大的负载集上与更多 CPU 对比。
- **公开 Frostbite 的 RTL 与 ISA**。

我们玩得很开心。

## 读这篇要记住的三条边界

**一，这是自证，不是第三方复现。** 所有数字来自 Architect Labs 自家流程：负载集、对比核、功耗模型都由同一套系统挑和建。原文没有给完整复现脚本，也没给 25 个负载的逐项数字，只给了几何平均与一根柱状图（图 11）——读的时候按"厂商自述"处理。

**二，比较对象刻意模糊。** 对比的 TCPU 被描述为"现代、硅上验证过的超标量（双发射、顺序执行）核"，面积 0.895 mm² @7nm；但原文注明"出于法律原因，不能披露具体是哪颗 CPU"。所以 4.59 倍的分母不是你可以自己复核的东西。另外作者明确说后续才会在 SPEC、PARSEC 上与更大更宽、带大缓存的 CPU 比——现在这版对手是最保守的那一档。

**三，perf/W 是硅前估算。** 绝大多数数字是综合后、时序收敛前的模型数值；文中也承认 Arcmodel 一开始与 RTL 差了近 250%，靠一次自动校准把误差压进 1–5%。这仍然是"模型对齐模型"，要到硅后量产功耗才算落地。

真正值得学的不是"AI 造芯片"这个标题，而是它把**单一可证明真源**当成护栏：形式化契约在 ISA、模型、RTL、验证之间做翻译与精化，谁都不能偷偷改口径。这是 agent 蜂群能在一个硅片项目里跑起来的前提，和我们做[工程侧验证](https://www.hubwiz.com/blog/pdd-kit-formal-verification-agent-written-apps/)遇到的是同一个问题——只是这里的赌注是一颗芯片。

## 原文出处

- 原文：Architect Labs, *Introducing Frostbite: A new CPU architecture discovered, designed, and verified end-to-end by AI*，2026-11-18。 链接：[https://architectlabs.com/blog/frostbite](https://architectlabs.com/blog/frostbite?ref=hubwiz.com)
- 前作：*Redwood*，[https://architectlabs.com/blog/redwood](https://architectlabs.com/blog/redwood?ref=hubwiz.com)
- 参考文献： 1\. Lafont, Y. (1990). "Interaction Nets." POPL '90, 95–108\. [https://doi.org/10.1145/96709.96718](https://doi.org/10.1145/96709.96718?ref=hubwiz.com) 2\. The Vine programming language. [https://vine.dev](https://vine.dev/?ref=hubwiz.com) 3\. Tendrils (2026). "On Interaction Nets." [https://tendrils.co/blog/2026-04-26/on-inets](https://tendrils.co/blog/2026-04-26/on-inets?ref=hubwiz.com) 4\. de Moura, L., Ullrich, S. (2021). "The Lean 4 Theorem Prover and Programming Language." CADE 28, LNCS 12699, 625–635\. [https://doi.org/10.1007/978-3-030-79876-5\_37](https://doi.org/10.1007/978-3-030-79876-5%5F37?ref=hubwiz.com)
- † 原文注：出于法律原因，无法披露对比 CPU 的具体型号。

延伸阅读：本站《[权重空间编程：模型读自己的权重再写回去](https://www.hubwiz.com/blog/weight-space-programming-llm-reads-writes-weights/)》、《[lint 不够用的地方：AI 生成的代码怎么验](https://www.hubwiz.com/blog/when-linting-is-not-enough-ai-code/)》，以及支柱页《[AI 编程 / Vibe Coding 完全指南](https://www.hubwiz.com/blog/vibe-coding-stack/)》。

本文由汇智网编译整理，转载请注明出处。

> **这是「AI 编程 / Vibe Coding」专题的一部分。**完整地图见：[AI 编程 / Vibe Coding 完全指南](https://www.hubwiz.com/blog/vibe-coding-stack/)