AI自动设计芯片走到哪一步?陈云霁团队给出的答案是“启蒙2号”:能自动切流水、自动加cache,性能与ARM Cortex-A53相当。A53是ARM的低功耗核心,用在手机和嵌入式设备里,大致是十多年前人类主流CPU的水平。这不是一颗能挑战服务器芯片的设计,而是一个原型验证:AI可以自己完成处理器设计中的一些关键决策,做出一颗能跑的芯片。
陈云霁把方向分成两层:AI for IC,用人工智能自动设计出更好的芯片;IC for AI,用芯片把AI的推理和训练做得更高效。两者结合,可能形成递归自我改进的循环——AI设计出更好的AI芯片,AI芯片又反哺出更好的AI技术。他预计,AI设计出来的芯片去训练更强的AI,这个闭环今天还没有完美跑通,但未来5年内有望跑通。
“跑通”和“做好”是两件事。启蒙2号证明自动设计能走通从算法到芯片的路径,但A53级别的性能说明它还在早期。真正难的是把自动设计扩展到更复杂的架构、更先进的制程,并让设计结果在功耗、面积、可靠性上全面过关。陈云霁说,AI自动设计的处理器芯片迟早有一天能跟人设计的相当,甚至更好。这是方向判断,不是当下结论。
AI在芯片产业里的渗透,其实分好几层。设计端是自动切流水、自动加cache;制造和设备端则是另一套效率革命。拓荆科技董事长吕光泉提到,随着2nm节点设计成本暴涨,2026年只有5%的IC/ASIC项目能实现首次流片成功,2012年这个数字是32%。试错成本太高,设备巨头把AI引入设备内部做“虚拟制造”:泛林用物理模型构建虚拟晶圆厂,特定刻蚀建模步骤运行速度提升高达30倍;应用材料的AI平台每小时能处理超过百万次三维晶圆测量;拓荆科技通过物理腔体与虚拟腔体的双向映射,做实时工艺预测、设备健康监测和晶圆传输调度。失效分析场景中,AI代理把原本需要数百工时的工作压缩到5.5小时以内。
这些是设备端的效率,不等于“AI自动设计出一颗先进芯片”。但两者合起来,会改变芯片产业的成本结构。设计端省人力和试错,制造端省调试和停机,芯片迭代速度就可能加快。陈云霁甚至畅想,过去芯片性能由工艺驱动、按摩尔定律24个月迭代一次,而大模型3到6个月就迭代一次,未来或许会出现一个大模型驱动的芯片性能发展新定律。
国产AI芯片正在提供另一种底气。2026年上半年,寒武纪营业收入59.96亿元,同比增长108.13%,归母净利润23.11亿元,同比增长122.61%;海光信息、摩尔线程、沐曦股份、壁仞科技、天数智芯、燧原科技等加上寒武纪,七家公司合计收入约214.6亿元,接近去年同期的两倍。寒武纪市值一度突破万亿元。思元590采用7nm工艺与Chiplet封装,INT8算力512 TOPS,FP16算力256 TFLOPS,性能达到英伟达A100约八成水平,功耗优化约15%。智谱的GLM-5.3-Flash在发布前以匿名模型测试,全部线上流量由10万张国产芯片承载,优化后端到端服务性能提升3倍,单Token成本达到与主流GPU相当的水平。
陈云霁看重的是基础软件。英伟达的CUDA生态是上万人用十几年建起来的,中国AI芯片的难点也在软件护城河。他的判断是,AI自动设计能力提升后,基础软件的构建有可能自动完成;团队已经在研究用AI自动写核心算子,比如矩阵乘、attention,效果比人手工写更好。工艺、资源、生态三大壁垒,在AI时代都有可能被削弱,至少是缓和。
但工具越强,人的判断越关键。浙江大学吴汉明说,人才要从“纯版图绘制者”转向“系统架构师”,教育逻辑要从以实施为中心转向以创新为中心;他所在的团队推行“虚拟先行、物理验证”的FabGPT方案和“一生一芯”,让学生接触真实产线。何积丰院士则把AI时代的能力归为三条:定义问题、验证AI产出、进行有道德的判断。莱维特说,借助AI,青年科研人员一下午就能验证过去要花一年的构想,稀缺资源不再是埋头苦干,而是高质量的科学问题。袁钧瑛更直接:“AI提不出好问题。”
启蒙2号的意义,不是那颗芯片的性能数字,而是它证明自动设计能走通一条路。但A53水平提醒我们,它还在早期;闭环未跑通,5年是乐观估计。短期看,国产AI芯片正在兑现收入;长期看,设计方法本身会被AI改写。人要做的是提问题、验结果、判断伦理,这些AI还替不了。