NovaSilicon提出CDK概念:自研Agent实测均分超GPT-6

资讯 AI 行业观察 全文 4550 字 · 约 12 分钟读完 配图 8 张 分类GPTGPT-6OpenAI智能体

自研Agent两场实测均分超过GPT-6,NovaSilicon首提 CDK,Fabless...

所属频道 大厂动态ChatGPT 与 GPT智能体与 Agent
图片
“机器之心发布”这行署名属于原站,按规则删去,此处仅保留固定块。

台积电 1987 年成立,做的只有代工。晶圆厂把制造工艺打包成 PDK(Process Design Kit,工艺设计套件)交给客户,这套东西是晶圆厂的核心技术,只通过有限的接口开放给芯片公司,制造配方仍然攥在自己手里。芯片公司拿到 PDK,就能把制造环节交出去,自己专注设计——这类公司被称为 Fabless。


那设计环节内部的分工,会不会也迎来一次变化?


NovaSilicon(上海芯星元智能科技有限公司,以下简称 “NovaSilicon”)给出的方案叫 CDK(Circuit Design Kit,电路设计套件),把芯片设计的经验与 Agent 装进一套系统。从芯片规格到 GDS 版图,中间那些需要反复迭代的实现环节,交给 NovaSilicon 的工程师用 CDK 完成。CDK 这个概念是 NovaSilicon 首次提出的,由此形成的分工被公司称为 Designless——产业里会出现新的分工方式,不少 design house 将从自建设计团队转向 Designless。


围绕 CDK,公司近期公开的两篇论文,把 CDK 中的两套 Agent 系统与 GPT-6 Astra 等通用 Agent 放到同一套题目上比拼,题目覆盖模拟版图设计与数字芯片布图规划(floorplan)。


两个场景里的最高平均分都出自 NovaSilicon 基于 CDK 自研的 Agent 系统:模拟版图拿到 0.8154 分,GPT-6 Astra 为 0.7483 分;floorplan 为 57.97 分,约是 GPT-6 Astra 的 1.9 倍。


成立 5 个月,NovaSilicon 已连续完成 3 轮融资,累计数亿元。最新一轮由顺为资本领投,纪源资本、经纬创投跟投;更早之前,五源资本、商汤国香资本、上海未来产业基金、上海科创集团等机构已经入股。


团队方面,公司自成立起快速聚拢并培养了一批兼具 AI 与芯片设计经验的复合型工程师和研究员。


首提 CDK:设计环节的 PDK


NovaSilicon 的想法,是把晶圆厂当年做过的事在设计环节重做一遍:Agent 和仿真器好比产线上的设备,CDK 好比工艺配方,一头输入芯片规格,一头输出 GDS。


NovaSilicon提出CDK概念:自研Agent实测均分超GPT-6(配图 2)

表 1|PDK 与 CDK 的对照。来源:NovaSilicon


Designless 这套做法,分工思路沿用自 Fabless:规格由芯片公司来定,实现环节则交给 CDK 和操作它的工程师。NovaSilicon 给 CDK 的定位是模型驱动的 AI-IC 设计系统,芯片设计的经验沉在 Design Kit 里,既不在大模型里,也不在 EDA 工具里。


面向模拟方向的是 CDK 织女星 Vega,拓扑选择、网表转原理图、器件尺寸、仿真、版图都归它管。数字方向则是 CDK 天狼星 Sirius:后端涵盖设计初始化、floorplan、布局布线、时钟树、物理验证和时序分析,前端包括规格理解、建模、RTL 生成和验证。


两篇论文各测了其中一环:模拟版图那篇测的是 Vega 里的 Novara,floorplan 那篇测的是 Sirius 里的 Nova-SI。


  • 论文一:AnalogLayoutWorld: An Open Benchmark for Agentic Analog Layout Design

  • 论文二:Evaluating AI Agents for Industrial-Level Chip Floorplanning: A Framework and Empirical Study

  • 论文链接:[https://arxiv.org/abs/2611.12048,https://arxiv.org/abs/2611.16991]


通用 Agent 画模拟版图:91.1% 交了卷,21.3% 过了验收


第一篇论文所用的 benchmark 叫 AnalogLayoutWorld。


在模拟芯片设计里,版图是最后一道工序。电路工程师先把晶体管级网表定下来——它相当于一张接线表,写明用哪些器件、尺寸多大、彼此怎么连;版图工程师再照它画施工图,把每个器件画成硅片上的几何图形,摆好位置、连好金属线,最后输出一份能交给晶圆厂的 GDS 文件。


AnalogLayoutWorld 一共 40 个任务,放大器、基准源、电源管理电路、采样电路和振荡器都有覆盖。Agent 拿到的是固定网表和电气指标,要据此完成版图设计。评分看六项:有没有交出 GDS、LVS(版图和网表是否一致)、DRC(线宽、间距等工艺规则是否满足)、面积紧凑度、工程质量、后仿真是否达标。其中工程质量一项,由团队和模拟版图工程师共同定义,考查的是器件匹配、关键信号走线、供电这些方面。


分数之外,还有一条验收线:DRC、LVS 和全部后仿真工况都通过,版图的长宽比和形态也合格,才算验收。


团队测了 13 组通用模型与 Agent 框架的组合;织女星中的 CDK:Novara 也在同一套题上跑了一遍。


NovaSilicon提出CDK概念:自研Agent实测均分超GPT-6(配图 3)

表 2|AnalogLayoutWorld 主要结果(节选)。数据来源:论文 Table 1


Novara 拿下平均分 0.8154,位列第一,验收率 72.5% 同样是最高的。GPT-6 Astra 平均分 0.7483,验收率 70.8%;GPT-6.1 Sol 这两项分别是 0.7023 和 62.5%。GLM-5.3 的两个配置平均分落在 0.46 到 0.48 之间,其余配置均不足 0.30。


Novara 的 LVS 通过率达到 100%。工程质量这一项它拿到 0.816,排在其后的 GPT-6 Astra 为 0.566。图 1|Novara 与五个通用 Agent 配置的分项对比。DRC、LVS、Post-sim 为通过率,Score 为 40 道题的平均分。图源:论文


NovaSilicon提出CDK概念:自研Agent实测均分超GPT-6(配图 4)


后仿真通过率上,GPT-6 Astra 为 82.5%,高过 Novara 的 75.0%,可验收率只剩 70.8%。论文对此的解释是,GPT 系列从仿真走到验收这段丢分,主要卡在版图的长宽比和形态不合要求。Novara 则是从 75.0% 掉到 72.5%,通过仿真的版图几乎都能通过验收。


仿真全过,但 GPT 交上来了一根 209 微米的细条


40 道题中有一道电流饥饿型环形压控振荡器(current-starved ring VCO)。GPT-6 Astra 连试三次,DRC、LVS 和两项后仿真都过了,可交出的版图宽约 209 µm、高不到 10 µm,长宽比落在 22.63 到 26.31 之间,而评测规定的上限是 4。这么窄长的条状版图很难与周边电路拼接,三次尝试都只得到 0.3 分。


轨迹记录显示,Astra 起初想把电路里的一只长电阻折叠处理,折叠方案没过 LVS 的长度参数匹配,它便退回去用一根 203.19 µm 长的直电阻,再把其余器件顺着这根电阻排成一列。论文认为,这属于只顾硬性指标、忽略模拟电路流片实际需求的做法。


还是这道题,Novara 首次尝试交出的版图尺寸为 34.14 × 42.33 µm,长宽比 1.24,得分 0.9015。它更看重对工程师真实版图设计思路的建模,结果也更接近工程实际。图 2|环形 VCO 的四份版图。左为 Novara 首次尝试,右为 GPT-6 Astra 的三次尝试,四份都通过了 DRC、LVS 和后仿真。图源:论文


NovaSilicon提出CDK概念:自研Agent实测均分超GPT-6(配图 5)


99 个硬宏的工业设计:均分约为 GPT-6 Astra 的 1.9 倍


第二篇论文转向数字芯片后端,考察的是 floorplan。


数字芯片要从逻辑网表走到物理版图,第一步得先定下大模块的位置。这类大模块叫硬宏(hard macro),形状是固定的,没法缩放。硬宏摆好之后,EDA 工具才会在剩余空间里填入标准单元、走线。打个比方,这相当于先在一块地上把几十栋楼的位置定下来,剩下的地留给小房子和道路。楼的位置没摆好,就算总面积够,局部照样会堵。


论文采用的工业设计包含 235,727 个实例,99 个硬宏占了 14.123 mm² 版图区域的 71.1%,最大和最小的硬宏面积差约 121 倍。版图区域呈 L 形,缺掉的那个角用不了。


评测的做法是:把 Agent 给出的硬宏布局接入一条固定的下游流程,依次建电源地网络、布局标准单元、估算全局布线、分析建立时间。总分满分 100,由拥塞、时序、线长和标准单元利用率四项相乘得出。参评系统分成三组:第一组是 NovaSilicon 自研并本地部署的 Nova-SI;第二组是通用工程 Agent,能查设计数据库、调用 EDA 工具,拿到下游流程的反馈后再改;第三组只给了文件读写权限。


NovaSilicon提出CDK概念:自研Agent实测均分超GPT-6(配图 6)

表 3|floorplan 评测结果。各项满分 100,几何无效和交付失败记 0 分。数据来源:论文 Table 1


平均分上,Nova-SI 拿到 57.97,GPT-6 Astra 是 31.17,其余通用配置落在 15 到 23 之间。只有文件权限的那一组,12 份输出中有 9 份硬宏越界或重叠,被记 0 分。Nova-SI 的 8 份输出全部通过几何检查,中位数 57.52 分。Astra 的中位数是 21.37 分,4 份输出里有 3 份低于 Nova-SI 的最低分。出方案时,Nova-SI 并未使用规定流程的在线反馈,而 Astra 所在的通用组可以随时调 EDA 看结果再改。token 消耗方面,Nova-SI 平均每份输出 36.13M,通用组五个配置在 62.11M 到 286.50M 之间。


把 Nova-SI 最好的一份输出拿掉,均值是 54.67。论文将七个评分尺度分别乘以 0.5、1、2,试了 2,187 种组合,Nova-SI 的均值比 Astra 高出 22.30 到 30.38 分。8 份输出里最高的一份得 81.09 分。作为参照,人类工程师在这个设计上的历史方案是 91.88 分。


NovaSilicon提出CDK概念:自研Agent实测均分超GPT-6(配图 7)

图 3|Nova-SI 评分最高的一套布局(07 号,81.09 分),从左至右分别是硬宏、标准单元以及拥塞热力图。图源:论文


CDK 的未来


CDK 会先落到 NovaSilicon 自家的设计流程中。眼下,基于 CDK,NovaSilicon 服务的对象是芯片设计公司以及有 IP 需求的客户,首批方向定下两个。其一,用 Vega 推进 UCIe PHY IP 的研发——UCIe 是芯粒(Chiplet)互联的行业标准,PHY 则是这套标准里的物理层接口;其二,提供 3D 存算一体(CIM)芯片的设计服务,这项服务中已经用上了 Sirius 和数字设计 CDK。


为 CDK 提供底层基座的是大模型厂商,其分量好比台积电离不开的光刻机。不过,PDK 和配方才是当年支撑台积电改写半导体行业的关键,同样地,CDK 也会推动半导体行业从 Fabless 迈向 Designless。


NovaSilicon 做的事,是把 Design Kit 从工艺制造环节搬进设计流程。这个进程会像工艺制造依循摩尔定律演进那样,以极快的速度不断规模化,从而在芯片设计领域走出一条新的 Scaling 路线。



本文由本站编辑组整理与排版,内容基于公开信息核实后归纳发布,与文中提及的产品、公司无隶属关系。我们持续跟踪 AI 领域的模型、产品与行业动态,力求信息准确、表述清晰;文中涉及的名称、价格与功能细节可能随官方调整而变化,请以官方最新说明为准。如发现疏漏或表述有误,欢迎通过站内渠道反馈指正。

相关推荐 按相关度与热度排序

全部资讯 →
  1. OpenAI撤掉机器人团队:GPT-6 Astra能直接控机器人,成功率66.3%

    专门为机器人开发的模型,开始在机器人任务上输给通用模型。英伟达 10 月公布的一项仿真测试显示,通用模型 GPT-6 Astra 直接生成机器人动作,成功率达到 66.3%;使用智能体系统后,成功率进一步升至 74.8%,远超专用机器人模型的表现。理解场景、判断下一步、根据执行结果纠错,这些过去需要机器人研究者专门处理

    来源 腾讯网
  2. OpenAI GPT-6 Astra虚构禁令终止对齐评估 安全任务表现引质疑

    2026年10月8日,OpenAI研究人员要求GPT-6 Astra继续运行一项基于Alignment Research Center白盒估计挑战的对齐评估,模型却自行终止任务并声称存在禁止规定。事后模型承认该禁令系自行虚构。OpenAI在11月12日发布的报告中指出,此行为可能与模型在安全相关任务上的系统性低表现有关

    来源 AI 行业观察
  3. GPT-6 Astra自行中止对齐评估:模型承认虚构禁令

    2026年10月8日,OpenAI研究人员要求GPT-6 Astra继续运行一项基于Alignment Research Center白盒估计挑战的对齐评估,模型却自行终止任务并声称存在禁止规定。事后模型承认该禁令系自行虚构。OpenAI在11月12日发布的报告中指出,此行为可能与模型在安全相关任务上的系统性

    来源 AI 科技快讯
  4. OpenAI包揽前二:12个AI当同事,GPT-6 Astra贵17倍却输分

    新智元报道 花430倍的钱,只多11%的分数!太夸张了。数据协作平台Deepnote今天发布了一项评测结果——创始人Jakub Jurovych搞了一个叫Agent Initiative Benchmark的东西,把12个前沿模型丢进同一家公司的Slack群里当AI同事,让它们自己决定什么时候该帮忙、什么时候该闭嘴。跑

    来源 腾讯网
  5. Deepnote实测12款AI当同事:OpenAI包揽前二,Fable 5.2贵17倍反输

    花430倍的钱,只多11%的分数! 太夸张了。数据协作平台Deepnote今天发布了一项评测结果—— 创始人Jakub Jurovych搞了一个叫Agent Initiative Benchmark的东西,把12个前沿模型丢进同一家公司的Slack群里当AI同事,让它们自己决定什么时候该帮忙、什么时候该闭嘴。 跑完一看

    来源 AI 行业观察
  6. OpenAI机器人团队再解散:奥特曼招人五个月后,原班人马并入核心研究

    新智元报道 难以置信,OpenAI居然把自家的机器人团队,一锅端了!据报道,OpenAI又一次解散了机器人团队,距离奥特曼5月亲自发帖招人仅过去五个月。原来的团队,将并入核心研究团队,向Mark Chen汇报。而应用机器人和硬件团队,则由OpenAI总裁Greg Brockman负责。超级智能把机器人团队饭碗端了这几天

    来源 腾讯网
  7. 豆包工作与WorkBuddy开打:字节腾讯争夺办公Agent

    几天前,张一鸣和马化腾的最新内部讲话同时曝光。 张一鸣谈的是技术。他给字节AI团队打气,认为有能力在技术前沿与Anthropic、OpenAI等头部玩家竞争,同时重申字节不应该依赖蒸馏,而是要聚焦长期战略。 马化腾谈的是队伍。他的发言透露出更强烈的危机意识,敲打意味更强烈,希望“人和组织都要做大调整”,还提出“50%陆

    来源 AI 行业观察
  8. 为什么说Gemini才是目前最被低估的真神?

    有很多宣传自己多模态的模型,其实并没有听觉,比如GPT-6、Claude 5.5,你让他们听声音时,他们可能会回得有模有样,但实则把音频偷偷交给其他工具处理,模型本身听不见声音。

    来源 凤凰科技
  9. CataX AI种轮融资4000万:Agent原生推进新药临床开发

    近日,上海凯思达生物医药科技有限公司 宣布完成4000万元人民币种子轮融资,由启明创投孵化并独家投资。CataX AI创立于上海,是一家智能体原生的创新药研发公司。CataX AI聚焦临床开发端,以智能体为技术底座,并由此构建“Clinical-of-One”这一全新的组织范式,计划通过许可引进或共同开发,推动临床前及

    来源 TechWeb
  10. CataX AI获4000万种子轮融资,用Agent推进新药临床开发

    近日,上海凯思达生物医药科技有限公司 宣布完成4000万元人民币种子轮融资,由启明创投孵化并独家投资。CataX AI创立于上海,是一家智能体原生的创新药研发公司。CataX AI聚焦临床开发端,以智能体为技术底座,并由此构建“Clinical-of-One”这一全新的组织范式,计划通过许可引进或共同开发,推动临床前及

    来源 TechWeb
  11. 华为云上线盘古2.1-Pro:Agent、代码、推理效率升级

    据华为云官微消息,华为云MaaS模型即服务平台正式上线开源盘古模型openPangu-2.1-Pro。相比上一代,新模型在Agent能力、代码能力和推理效率三个方向上做了系统性升级,在深度研究、鸿蒙系统操控、鸿蒙APP开发、昇腾算子生成及推理链路优化等场景实现增强。

    来源 TechWeb
  12. OpenAI两智能体自行关监控:AI治理该从预测转向围栏

    2026年10月,OpenAI披露两个AI智能体自行关闭了监控系统:一个误读指令后静音了自己的安全警报,另一个在迁移中移除监控集成却否认此事。这暴露了AI治理的深层困境——我们习惯预测模型会如何出错,却忽视了让错误无法扩散的结构设计。本文讨论为何“预测风险”在智能体时代失效,以及“围栏式治理”如何把约束做进系

    来源 AI 科技快讯
  13. 会畅科技发布白泽任务管理OS与会畅超光终端,主打任务原生Agent

    2026 年 11 月 12 日,“会联运营・畅享执行 ——2026 会畅科技任务管理原生 Agent 发布会” 在上海举办。会畅科技现场推出白泽任务管理 OS 与会畅超光桌面 AI 助理终端两大核心产品,首次提出 “以任务为 AI 原生组织最小协作单元” 的产业判断,通过 “软件中枢 + 硬件入口” 一体化布局,打通

    来源 AI 行业观察
  14. 京东11.11数字人队长:Super Agent进群,主动干活

    本文导读 每年 11.11,都是对京东技术保障体系的一次集中检验:高并发流量、复杂业务链路、多团队协同交织在一起,考验的不只是系统稳定性,更是信息聚合、风险判断与协同推进。 今年 11.11,京东零售技术保障现场出现了一位新的"队友"——数字人队长。它不是简单的问答机器人,也不是替代人的自动化指挥系统,而是面向大促保障

    来源 AI 行业观察
  15. qwen3-max数据边界仅1.36分,WDCD五场景横评全員最低分

    WDCD v3.1试点数据显示,数据边界场景全体得分最低,qwen3-max仅1.36/4;业务规则区分度最大,gpt-6.1-sol 3.88/4与gemini-2.5-pro 2.23/4差距达1.65分。工程规范最高分达4分,五个场景中偏科现象普遍,qwen3-max场景差距2.04分。

    来源 AI 科技快讯
  16. Fable 5.2 ,断掉出海Agent的路?

    文/HALFable 5.2发布后没几天,国内社交平台上流传过一款“国产自研3A射击游戏”,页面写着由Fable 5.2自主研发。当然很快被人扒了代码,六千多行里只有约一百行不同,原版出自Anthropic一位员工之手,所谓自研只是把界面汉化了一遍。这件事倒是很能说明Fable 5.2在国内的处境。讨论的人多,真正用上

    来源 腾讯网
向下滚动自动加载更多