研究方向

芯片设计六十年，人和工具的关系翻了好几次。最初人画电路，后来软件替人画，再后来AI帮人做决策。每一次翻转，人的角色都往上挪一层。今天，新一轮翻转正在发生。

手工作坊

1958年夏天，杰克·基尔比刚入职德州仪器两个月。每年七月，公司九成员工集体休假。基尔比是新人，没有假期，一个人留在达拉斯实验室里。

没人开会，没人打扰。他盯上了行业的核心难题——当时叫”数字暴政”：电路越来越复杂，元件越来越多，靠手工把它们焊在一起，迟早撑不住。7月24日，他在实验笔记本上写下一个想法：如果晶体管、电阻、电容都用同一种材料做，就能全部塞进一小片半导体里。后来人们管这叫”单片思想”。

两个月后的9月12日，基尔比把几位高管叫到实验台前。台上摆着一小片锗，比回形针还小——长11毫米，宽1.6毫米。上面连着几根手工焊接的金线，弧度歪歪扭扭。他接上示波器，按下开关。屏幕上出现了一条干净的正弦波。人类第一块集成电路，就在一间空荡荡的实验室里诞生了。基尔比后来说：”早知道这东西要展示一辈子，我当初就做漂亮点。”

这套手工画电路的办法，起初够用。但1965年，戈登·摩尔写了一篇文章改变了一切。事情的起因很普通：《电子学》杂志筹备创刊三十五周年特刊，约摩尔写篇预测。摩尔当时在仙童半导体当研发主管，三十六岁。他把1959年到1964年五年间芯片上的元件数标在坐标纸上——五个点，恰好落在一条直线上。他拿尺子一延伸，推算到1975年，一块芯片上应该能放65,000个元件。

十年后，1975年，新一代存储芯片的元件数是65,536个。一篇杂志约稿，五个数据点，一把尺子，预测精度误差不到百分之一。加州理工的卡弗·米德给这条规律起了个名字：摩尔定律。摩尔本人后来承认，这条定律之所以准，部分原因是全行业都拿它当靶子——它变成了一个自我实现的预言。

但摩尔定律的真正含义不是”芯片会变强”。而是”人脑会跟不上”。元件数每两年翻一番，人脑不会翻。到1970年代初，一块芯片上已有几千个元件，没有任何工程师能在脑中从头到尾走完一遍设计。出路只有一条：造新工具。

工具时代

1969年，伯克利大学的罗纳德·罗雷尔教授给学生布置了一个作业：写一个能模拟集成电路行为的程序。作业做出来了，名字叫CANCER——”不含辐射的非线性电路计算机分析”。名字是故意起的：那个年代大多数仿真器拿军方的钱，必须能模拟核辐射对电路的影响。CANCER声明自己跟军方无关。

名字太刺耳，业界接受不了。研究生拉里·内格尔在唐纳德·彼得森教授指导下重写了程序，1973年改名SPICE发布。此前想知道电路能不能用，最靠谱的办法是造出来量一量。SPICE让工程师第一次能在制造之前用数学验证设计。先仿真，后制造——今天听来理所当然，当时是一次解放。

彼得森做了一个对行业影响深远的决定：SPICE完全公开，谁都可以拿，只收一盘磁带的工本费。学生在大学里学会了SPICE，毕业进了公司，写信回伯克利要一份拷贝。几年之内，”SPICE一下”变成了电路仿真的同义词。这是”开源”这个词被发明出来之前几十年的事。

工具的进步不止于仿真。1986年，荷兰人阿尔特·德赫斯在通用电气带团队做了一个系统，能在二十分钟内把逻辑描述自动转成门级电路——此前这事靠人手工完成，要几天。通用电气退出半导体后，德赫斯说服副董事长投了四十万美元创业，公司后来改名Synopsys。1992年上市时，那笔四十万变成了两千三百万。同一时期，伯克利的卡尔·塞申把一种叫”模拟退火”的物理算法用到了芯片布局上。他的程序TimberWolf在一块英特尔电路上跑出的布局，面积比人工手摆的还小10%。机器第一次在空间规划上赢了人。

一个新学科成形了：电子设计自动化，简称EDA。到1990年代，Synopsys、Cadence、Mentor Graphics三足鼎立。这个行业最戏剧性的故事发生在1995年。Cadence的一名工程师发现竞争对手Avanti的软件里有一个bug，和自己几年前在Cadence代码里不小心写下的bug一模一样。不可能有第二个程序员犯完全相同的错。调查发现Avanti逐行抄袭了Cadence的源代码。刑事指控，高管入狱，四亿六千万美元赔偿——EDA史上最大的商业秘密盗窃案。

这套格局稳稳用了三十年。工具越来越强，但所有决策——用什么架构、设什么约束、结果行不行——全由人拍板。靠着这套分工，行业造出了数十亿晶体管的处理器。但问题也在积累：芯片规模从百万涨到百亿，设计规则从薄薄一本变成大部头。工具不会提议，不会质疑。当连人的判断力都快被复杂度压垮时，下一步怎么办？

AI辅助

2010年代，机器学习进入芯片设计。但要理解AI为什么在这里有用，先得理解一个词：模拟电路。

模拟电路是芯片设计中最后的手工作坊。数字电路早已高度自动化，模拟电路却始终抗拒。原因很简单：每一个模拟电路都是定制品，元件之间相互影响，调好一个参数可能打乱另外三个。这是一门手艺，需要多年磨练才能入门。

这门手艺出过传奇人物。鲍勃·维德拉，三十三岁就是硅谷最有名的模拟设计师。他在国家半导体工作时，公司削减了草坪维护预算。维德拉买了一头羊，开着敞篷奔驰把羊运到公司门口，拴在草坪上，然后打电话叫来了报社记者。碰上坏掉的元件，他的处理方式是拿到铁砧上用锤子砸成粉末。同事们管这叫”维德拉化”。他发表论文论证单片稳压器不可能实现——然后自己做出来了。吉姆·威廉斯，另一位模拟大师，一辈子不用电脑，连邮件都不发，宁愿直接跟人说话。他家里的实验室”至少和公司的一样好”。2011年去世时，留下了超过350篇技术文章。

这就是AI要进入的领域：维德拉和威廉斯用一辈子磨出来的手艺。核心难题是——拟一组参数，跑一次仿真要几分钟甚至几小时，看结果达不达标，不达标再试。参数空间巨大，每试一次都很贵。我们问的第一个问题很朴素：能不能少跑仿真，就把好参数找到？

最初用概率模型给仿真器建”替身”，用替身指路，不用漫无目的地遍历，效果不错。但实际电路有五十到两百个可调参数，替身在高维空间里很快力不从心。我们找到一条路：先辨认出哪些参数最关键，集中精力搜索关键维度，其余暂时搁置。这条路走通了。然后新问题来了：功耗、速度、面积、噪声要同时兼顾——调好了这个，那个又变差。于是发展出多目标搜索方法。另一条路线走得更远：让AI像老师傅一样，调一下、看一下、再决定怎么动。复杂电路拆成子模块，每个子模块交给一个AI管，像设计团队分工协作。

这些为模拟电路发明的方法，后来发现别的领域也能用——微处理器架构探索、芯片热分析加速、电源网络预测。底层问题是同一类：昂贵的黑盒，需要聪明地搜索。十年间，从一个朴素的问题出发，长成了一套方法体系。

成果扎实，但有一件事没变：AI再聪明，还是人决定什么时候用、用在哪里、什么算够好。流程的主人还是人。

AI原生

2021年6月，谷歌在《自然》杂志发表论文，声称强化学习能在六小时内完成芯片布局，质量超过或媲美人类专家数周的手工成果。论文轰动一时。但后面的故事比论文本身更精彩。

谷歌内部一位工程师提出质疑：他发现1983年发明的模拟退火算法——四十年前的老技术——在正确实现的前提下表现明显更好。谷歌拒绝让他发表批评论文，随后解雇了他。加州大学圣迭戈分校的教授最初为这篇论文写了配套评论，后来试图复现，发现人类专家通常赢过谷歌的AI。2023年9月，《自然》给论文加注了编辑警告。至今没有独立团队成功复现原始结论。

争议归争议，方向是清晰的：让AI不只当加速器，而是当设计的主体。

我们先做了MARIO。想法很直接：优化算法有很多种，过去是人选用哪个，现在让AI自己选。MARIO同时跑一组算法，实时看哪个进展快就多给算力，哪个停滞就收回来。AI在优化”怎么优化”这件事本身。

然后是ATOM。MARIO解决的是”参数怎么调最好”，ATOM问了一个更靠前的问题：电路该长什么样？晶体管、电容、电阻有无数种连法，ATOM在这个巨大的组合空间里探索，提出人不容易想到的方案。先定形状，再定尺寸。

最新的工作是Atelier——一个AI设计团队。几个AI智能体各司其职：有的分析需求，有的搜索架构，有的调参数，还有一个当裁判，拍板取舍、决定下一轮怎么改。人给出规格和约束，剩下的事AI自己商量着办。

2023年，纽约大学的哈蒙德·皮尔斯跟GPT-4来回发了124条消息，让AI从头写出一颗八位微处理器的全部代码。芯片流片回来后，他用它驱动了一场圣诞灯光秀。这被认为是世界上第一颗完全由AI编写代码的芯片。2026年，Cadence发布ChipStack AI Super Agent——业界第一个能自主完成前端设计和验证的AI智能体产品。

从MARIO到ATOM到Atelier，AI的角色一步步扩大：先是自己选策略，再是自己想架构，最后统管全流程。人的角色没有消失，而是变了——从执行者变成了出题人。这个故事还没讲完，下一次翻转会是什么样，我们正在找答案。