自研Agent两场实测均分超过GPT-6,NovaSilicon首提CDK,Fabless之后是Designless?

资讯 腾讯网 作者:腾讯网 全文 3270 字 · 约 9 分钟读完 配图 1 张 分类GPTGPT-6OpenAI台积电智能体芯片

机器之心发布1987 年成立的台积电只做代工。晶圆厂把制造工艺封装成 PDK(Process Design Kit,工艺设计套件)交给客户,PDK 是晶圆厂的核心技术,通过有限接口分享给芯片公司 ,保留核心的制造配方。通过使用 PDK,芯片公司可以把制造交出去,自己专心做设计,这类公司被叫作 Fabless。设计环节里

所属频道 大厂动态ChatGPT 与 GPT算力与芯片智能体与 Agent
机器之心发布

1987 年成立的PDK(Process Design Kit,工艺设计套件)交给客户,PDK 是晶圆厂的核心技术,通过有限接口分享给芯片公司 ,保留核心的制造配方。通过使用 PDK,芯片公司可以把制造交出去,自己专心做设计,这类公司被叫作


设计环节里的分工,会不会也变一次?


CDK 这个概念由 NovaSilicon 首次提出,公司把由此形成的分工叫作


围绕 CDK,公司最近放出的两篇论文,把 CDK 里的两套 Agent 系统和


两个场景的最高平均分,都来自 NovaSilicon 基于 CDK 设计的自研 Agent 系统:模拟版图 0.8154 分(


NovaSilicon 成立 5 个月以来连续 3 轮融资累计数亿元,最新一轮融资由顺为资本领投,GGV 纪源资本、经纬创投跟投。此前,NovaSilicon 已获得五源资本、商汤国香资本、上海未来产业基金、上海科创集团等机构投资。


NovaSilicon 自成立以来,快速聚集并培养了许多同时具备 AI 和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 的设想,是把晶圆厂做过的事在设计环节再做一次。Agent 和仿真器相当于产线上的设备,CDK 相当于工艺配方,输入是芯片规格,输出是 。


表 1|PDK 与 CDK 的对照。来源:NovaSilicon


Designless 沿用的是


模拟方向 CDK 织女星


两篇论文各测了其中一环。模拟版图一篇测的是


  • 论文一:

  • 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


第一篇论文的 benchmark 名叫 AnalogLayoutWorld。


版图是模拟芯片设计的最后一道工序。电路工程师先定好晶体管级网表,相当于一张接线表,写明用哪些器件、尺寸多大、彼此怎么连。版图工程师再照着它画施工图,把每个器件画成硅片上的几何图形,摆好位置,连好金属线,输出一份可以交给晶圆厂的 GDS 文件。


AnalogLayoutWorld 有 40 个任务,覆盖放大器、基准源、电源管理电路、采样电路和振荡器。Agent 拿到固定网表和电气指标进行版图设计,评分看六项:是否交出 GDS、


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。


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


Novara 平均分 0.8154,排第一。验收率 72.5%,也是最高。GPT-6 Astra 的平均分是 0.7483,验收率 70.8%。GPT-6.1 Sol 是 0.7023 和 62.5%。GLM-5.3 的两个配置平均分在 0.46 到 0.48 之间,其余配置都不到 0.30。


Novara 的 LVS 通过率是 100%。工程质量一项,Novara 得分 0.816,排第二的 GPT-6 Astra 是 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


GPT-6 Astra 的后仿真通过率是 82.5%,高于 Novara 的 75.0%,但验收率只有 70.8%。论文解释,GPT 系列从仿真到验收之间丢掉的部分,主要是版图的长宽比和形态不合格。Novara 从 75.0% 到 72.5%,过了仿真的版图基本都能验收。


仿真全过,但 GPT 交上来了一根 209 微米的细条


40 道题里有一道电流饥饿型环形压控振荡器(


从轨迹记录看,Astra 先试过把电路里一只长电阻折叠起来,结果折叠方案未通过 LVS 的长度参数匹配,它于是退回一根 203.19 µm 长的直电阻,把其余器件沿着电阻排成一条。这是一种典型的追求硬性指标,而忽视真正模拟电路流片层面的需求的行为。


同一道题,Novara 第一次尝试交出的版图是 34.14 × 42.33 µm,长宽比 1.24,得分 0.9015。Novara 更关注符合工程师真实使用的版图设计思想的建模,也得到了更贴近工程使用的版图结果。


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


99 个硬宏的工业设计:均分约为 GPT-6 Astra 的 1.9 倍


第二篇论文换到数字芯片后端,考的是 floorplan。


数字芯片从逻辑网表变成物理版图,头一步是决定大模块放在哪。这些大模块叫硬宏(


论文用的是一个工业设计:235,727 个实例,99 个硬宏占掉 14.123 mm² 版图区域的 71.1%,最大和最小的硬宏面积相差约 121 倍。版图区域是 L 形,缺掉的那个角不能使用。


评测把 Agent 交出的硬宏布局接到一条规定好的下游流程上:建电源地网络、做标准单元布局、估算全局布线、分析建立时间。评测的总分满分 100,由拥塞、时序、线长和标准单元利用率四项相乘得到。参评系统分三组。第一组是 NovaSilicon 自研、本地部署的 Nova-SI,第二组是通用工程 Agent,可以查询设计数据库、调用 EDA 工具,拿到下游流程的反馈再修改,第三组只有文件读写权限。


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


Nova-SI 的平均分是 57.97,GPT-6 Astra 是 31.17,其余通用配置在 15 到 23 之间。只有文件权限的那一组,12 份输出里有 9 份硬宏越界或重叠,记 0 分。Nova-SI 的 8 份输出全部通过几何检查,中位数是 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 没有用规定流程的在线反馈,Astra 所在的通用组可以随时调 EDA 看结果再改。token 消耗上,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。


去掉 Nova-SI 最好的一份输出,均值是 54.67。论文把七个评分尺度各自乘以 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 份输出里得分最高的一份是 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。


图 3|Nova-SI 得分最高的一份布局(07 号,81.09 分),从左到右依次为硬宏、标准单元和拥塞热力图。图源:论文


CDK 的未来


CDK 先用在 NovaSilicon 自己的设计流程里。基于 CDK,NovaSilicon 目前的服务对象是芯片设计公司和有 IP 需求的客户。首批方向有两个。一个是使用 Vega 正在研发的


大模型厂商是为 CDK 提供底层基座的设备商,好比


NovaSilicon 将 Design Kit 从工艺制造中引入设计流程中,这个过程仍会如工艺制造按照摩尔定律演进一样,以飞快的速度持续规模化,实现芯片设计领域新的

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
  3. 于超:从MAPPO到具身智能,GPT-6后或迎Token时代?

    2022 年,一篇看似没有提出复杂新算法的论文,成为多智能体强化学习领域最有影响力的工作之一。这篇论文叫 MAPPO。研究者发现,只要把已有的强化学习算法 PPO 用好,调整训练和实现中的一些细节,就能在多智能体协作任务中取得相当出色的效果。这个结论如今看起来并不难理解,但在当时,学术界更看重新算法和理论创新,MAPP

    来源 腾讯网
  4. OpenAI解散机器人团队:GPT-6 Astra直接控机器人,六年三调架构

    2026年11月13日,OpenAI宣布解散独立机器人团队,将相关人员并入主研究团队和Applied组织。理由是GPT-6 Astra等通用前沿模型已可直接用于机器人控制,据英伟达研究数据,GPT-6 Astra在模拟操控基准测试中得分74.8%,远超专用模型的51%。这是OpenAI六年内第三次调整机器人组织架构,也

    来源 AI 科技快讯
  5. OpenAI再撤机器人团队:通用模型接管,2027年演示不变

    2026年11月13日,OpenAI宣布解散独立机器人团队,将相关人员并入主研究团队和Applied组织。理由是GPT-6 Astra等通用前沿模型已可直接用于机器人控制,据英伟达研究数据,GPT-6 Astra在模拟操控基准测试中得分74.8%,远超专用模型的51%。这是OpenAI六年内第三次调整机器人组织架构,也

    来源 AI 行业观察
  6. Agent如何越用越强?中科院自动化所、美团等推出RSI综述

    从 Prompt 优化到 Harness 进化,梳理 RSI 的发展趋势,用三个问题、七步生命周期,理解 Agent 如何把经验转化为持续改进。想象这样一个场景:一个编程 Agent 调用 API 时遇到报错,发现接口参数已经更新。经过几轮尝试,它终于修复了问题。但到了下一个任务,它还会不会犯同样的错误?这次修复能否沉

    来源 腾讯网
  7. 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
  8. 即梦Seedream 5.5对垒MiniMax H3-Image:《持械入宋》复刻实测谁更强

    可修改一百次?像素级更改与锁定?秒出壁纸级好图?最近国产图片也开始拿出杀手锏,最典型的就是刚刚撞期发布的即梦 Seedream 5.5 和 MiniMax H3-Image,拿出了不输给GPT 2.5 Image的新图像模型。现在抖音上大火的《持械入宋》已经超过120亿播放,囿于此前的图像模型,整体并没有强调电影级大片

    来源 腾讯网
  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. 华为云上线openPangu-2.1-Pro:Agent、代码与推理效率三项升级

    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
  13. LG U+明年进军AI Token业务:自研技术帮企业降AI转型成本

    IT之家 11 月 15 日消息,据韩媒 Etnews 今天报道,韩国电信运营商 LG U+ 将于明年进军 AI Token 业务,利用自主研发的 Token 优化技术,帮助企业降低 AI 转型(AX)成本。 据介绍,这项服务拥有用于设计 Agent 任务执行路径的“Harness Engineering”、根据问题类

    来源 AI 行业观察
  14. 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
  15. 2 亿参数零样本预测未来,Mistral Timestral-209M 单次前向输出 21 档概率;OpenAI Math 用 Lean 为智能体打造可验证的数学证明任务

    从天气变化、交通流量,到商品销量、能源消耗,现实世界中有大量信息都以时间序列的形式存在。它们记录着事物随时间发生的变化,也隐藏着未来趋势的线索。Mistral 推出的 Timestral-209M,正是一个专门面向时间序列预测的基础模型。它能够处理单变量与多变量时间序列,支持最长 32,768 个时间步的历史上下文,并

    来源 腾讯网
  16. OpenAI董事警告:AI“接管”社会可能仅剩数月

    OpenAI董事会成员、AI安全研究者近日发出严厉警告:从AI的“奖励黑客”行为到潜在的人类灭绝,路径可能比公众想象得更短,社会被AI“接管”的时间窗口甚至可能只剩数月。随着大模型与自主智能体能力快速跃升,目标错位与对齐失败正从学术讨论变为迫在眉睫的现实挑战。

    来源 AI 科技快讯
  17. Claude常驻Agent省token技巧:DeepSeek空转Grok bot省了55%

    DeepSeek说的对,AI时代效率瓶颈是人的注意力。Anthropic说的也对,常驻Agent不代表一直在线,空转的定时任务除了浪费我积分外没有任何好处。所以我选择把Claude新出的常驻智能体指南内化成其他Personal Agent能用的提示语,帮我Grok bot省了55%的使用额度。事情是酱的。 用了12个P

    来源 腾讯网
向下滚动自动加载更多