對(duì)話高正祺：AI五年內(nèi)或接管芯片設(shè)計(jì)全流程，人類(lèi)只做最后確認(rèn)

2021 年，高正祺到 MIT 讀博士時(shí)，ChatGPT 還沒(méi)有發(fā)布。五年后，他已經(jīng)可以把一份模擬電路網(wǎng)表交給 Codex，讓 agent 自己安裝環(huán)境、調(diào)用設(shè)計(jì)工具、處理報(bào)錯(cuò)，最后生成交付制造所需的 GDS 版圖文件。整套流程里，他幾乎不需要?jiǎng)邮謱?xiě)代碼。

在芯片行業(yè)里，這是一種相當(dāng)劇烈的變化。設(shè)計(jì)一顆芯片，需要把數(shù)百萬(wàn)乃至更多晶體管按照預(yù)定功能連接起來(lái)，任意一條線出了問(wèn)題，都可能導(dǎo)致昂貴的流片失敗。工程師過(guò)去不僅要懂電路，還要熟悉 Cadence、Synopsys 等公司提供的一整套電子設(shè)計(jì)自動(dòng)化工具；遇到晦澀的報(bào)錯(cuò)，很多時(shí)候只能依靠經(jīng)驗(yàn)和同行之間的“口口相傳”。

如今，模型開(kāi)始接手這些工作。在高正祺看來(lái)，最前沿的模型已經(jīng)相當(dāng)于一名初級(jí)到中級(jí)芯片工程師。再過(guò)五年，客戶(hù)或許只需要提交一份包含性能、面積和功耗要求的文檔，agent 就能在 24 小時(shí)內(nèi)完成從代碼到版圖的設(shè)計(jì)，人類(lèi)只保留最后一步簽核。

在更遠(yuǎn)的未來(lái)，甚至模型也將自己訓(xùn)練下一代模型，或是參與設(shè)計(jì)更適合下一代模型的推理和訓(xùn)練芯片；新芯片制造出來(lái)，再承載能力更強(qiáng)的模型。一條由模型、軟件和硬件共同推動(dòng)的加速閉環(huán)由此形成。

“我覺(jué)得這是很恐怖的一件事情。”高正祺說(shuō)。

圖丨高正祺（來(lái)源：受訪者）

在高正祺的經(jīng)歷里，機(jī)器學(xué)習(xí)與芯片設(shè)計(jì)很早就出現(xiàn)了交集。他 1996 年出生于沈陽(yáng)，本碩就讀于復(fù)旦大學(xué)微電子專(zhuān)業(yè)。本科所在的卓越工程師班橫跨多個(gè)學(xué)科：他既學(xué)半導(dǎo)體物理、模擬和數(shù)字集成電路，也學(xué)數(shù)據(jù)結(jié)構(gòu)、算法和計(jì)算機(jī)體系結(jié)構(gòu)。這讓他很早就能同時(shí)理解芯片與機(jī)器學(xué)習(xí)兩種技術(shù)語(yǔ)言。

大四開(kāi)始，他給機(jī)器學(xué)習(xí)經(jīng)典教材《模式識(shí)別與機(jī)器學(xué)習(xí)》（PRML）做習(xí)題解答，一天一道，持續(xù)了一年半，幾乎補(bǔ)全了整本書(shū)。開(kāi)源答案后來(lái)在 GitHub 上獲得上千個(gè)星標(biāo)，也把他帶進(jìn)了用機(jī)器學(xué)習(xí)分析電路的研究。讀研第一年，他便以第一作者發(fā)表了兩篇 EDA 頂刊論文和一篇頂會(huì)論文。

之后五年，他在 MIT 研究集成電路與光子芯片的設(shè)計(jì)自動(dòng)化，獲得過(guò) DAC 博士論壇第一名，并入選 MLCommons Rising Star。2026 年 5 月博士畢業(yè)后，他進(jìn)入 Anthropic 新設(shè)的 STEM Fellow 項(xiàng)目，這是一個(gè)面向理工科博士的短期研究項(xiàng)目，他在其中研究怎么提升模型在芯片設(shè)計(jì)上的能力。未來(lái)，他將加入密歇根大學(xué)電子與計(jì)算機(jī)工程系，擔(dān)任終身教職序列助理教授，繼續(xù)探索 AI、電子芯片與光子芯片的交叉方向。

這條個(gè)人路徑，正和今年 AI、芯片兩個(gè)行業(yè)的變化合流。6 月，OpenAI 與博通發(fā)布首顆自研推理芯片 Jalape?o，從設(shè)計(jì)到流片只用了九個(gè)月。另一邊，由 AlphaChip 兩位作者創(chuàng)辦的 Ricursive Intelligence，結(jié)束隱身約兩個(gè)月便獲得 40 億美元估值；統(tǒng)治芯片設(shè)計(jì)工具市場(chǎng)三十多年的 Cadence 和 Synopsys，也開(kāi)始把 agent 寫(xiě)進(jìn)產(chǎn)品路線。

過(guò)去，“用 AI 設(shè)計(jì)芯片”和“為 AI 設(shè)計(jì)芯片”還是兩條相對(duì)獨(dú)立的技術(shù)路線。現(xiàn)在，它們開(kāi)始互相推動(dòng)：模型公司需要更適合自身負(fù)載的芯片，而這些芯片的設(shè)計(jì)又越來(lái)越多地由模型參與完成。高正祺的研究與職業(yè)選擇，恰好沿著這個(gè)反饋回路展開(kāi)。

這次對(duì)話從他如何進(jìn)入微電子、為什么把個(gè)人選擇理解為一個(gè)個(gè)“局部最優(yōu)解”談起，逐步進(jìn)入 EDA 工具的壟斷與重構(gòu)、AI-EDA 創(chuàng)業(yè)熱潮、推理芯片的市場(chǎng)格局和半導(dǎo)體產(chǎn)能周期。最后，我們談到了一個(gè)更難回答的問(wèn)題：當(dāng)模型能夠完成越來(lái)越多研究與工程工作，未來(lái)還有什么問(wèn)題，值得人花五年甚至十年去探索？

以下是 DeepTech 與高正祺的對(duì)話

“每一刻都只有一個(gè)局部最優(yōu)解”

DeepTech：今天很榮幸能和高正祺博士對(duì)話，先請(qǐng)你向讀者介紹一下自己過(guò)去的經(jīng)歷吧。

高正祺：我可以從本科開(kāi)始講起。我選擇專(zhuān)業(yè)其實(shí)有很多偶然。我是遼寧沈陽(yáng)人，2014 年參加高考，高考前通過(guò)復(fù)旦的自主招生拿到了降分，降到一本線。那一年遼寧的題出得有點(diǎn)難，或者說(shuō)有點(diǎn)奇怪，很多人的分?jǐn)?shù)變化非常突然，排名也變了很多。我最后就是靠這個(gè)降分政策去了復(fù)旦。我的分?jǐn)?shù)其實(shí)沒(méi)夠復(fù)旦在遼寧的提檔線，所以沒(méi)有選專(zhuān)業(yè)的權(quán)利，只能在技術(shù)科學(xué)實(shí)驗(yàn)班和自然科學(xué)實(shí)驗(yàn)班里面選。我自己的興趣比較偏向技術(shù)科學(xué)實(shí)驗(yàn)班里的專(zhuān)業(yè)，就去了那邊。

第一年在大類(lèi)里學(xué)習(xí)，之后要分流。當(dāng)時(shí)我挺猶豫的，主要在兩個(gè)專(zhuān)業(yè)之間：一個(gè)是卓越工程師班，我們是第二屆，這個(gè)班會(huì)學(xué)幾乎所有工科的專(zhuān)業(yè)知識(shí)，偏計(jì)算機(jī)的數(shù)據(jù)結(jié)構(gòu)與算法、計(jì)算機(jī)體系結(jié)構(gòu)，偏電路的模擬電路設(shè)計(jì)、數(shù)字電路設(shè)計(jì)，全都要學(xué)，課程量挺大的；另一個(gè)是單獨(dú)去計(jì)算機(jī)系。

我印象中當(dāng)時(shí)還是對(duì)怎么造電路更感興趣，再加上一個(gè)很單純的原因：計(jì)算機(jī)系在張江，卓越工程師班只有 20 多個(gè)人，是個(gè)小班，可以留在邯鄲校區(qū)本部，活動(dòng)會(huì)多一點(diǎn)。總之因?yàn)檫@些事情，最后選了卓越工程師班，然后每個(gè)人要掛靠一個(gè)專(zhuān)業(yè)，我就掛靠在了微電子。

本科第三年的時(shí)候，很多同學(xué)都選擇出國(guó)。我當(dāng)時(shí)并沒(méi)有想清楚為什么要出國(guó)。我跟朋友同學(xué)聊，大部分人也都沒(méi)想清楚，就是看大家出國(guó)所以出國(guó)。我不太理解這件事，就選擇了留下。那時(shí)候我開(kāi)始做科研，大四和研一的時(shí)候發(fā)現(xiàn)科研挺有意思的，逐漸萌生了將來(lái)做教職的想法。

在那個(gè)節(jié)點(diǎn)我看到，如果做芯片相關(guān)的研究，美國(guó)一些學(xué)校的研究在某些方面更有意思，這是我后來(lái)出去的主要原因。研究生階段我就一直在積攢科研經(jīng)驗(yàn)，碩士畢業(yè)申請(qǐng)到了比較好的學(xué)校，在 MIT 讀了五年博士。我的經(jīng)歷基本就是這樣。

整體上我會(huì)感覺(jué)，很多選擇在我大學(xué)剛?cè)胄ｉT(mén)的第一天就已經(jīng)決定了。看起來(lái)我有很多選擇的余地，但事實(shí)上，當(dāng)你走到那一刻的時(shí)候，你沒(méi)有什么選擇的余地，每次都只有一個(gè)看起來(lái)比較好的局部最優(yōu)解。我就一直沿著每一刻的局部最優(yōu)解、我最想做的事情，一直走了下來(lái)。

DeepTech：你本科在實(shí)驗(yàn)班，計(jì)算機(jī)、集成電路設(shè)計(jì)相關(guān)的都要學(xué)。這是不是也給后來(lái)做 AI For EDA 鋪墊了基礎(chǔ)？相比純粹做半導(dǎo)體設(shè)計(jì)的人，你了解的知識(shí)領(lǐng)域要更寬。

高正祺：你問(wèn)了一個(gè)非常好的問(wèn)題。當(dāng)時(shí)我沒(méi)有意識(shí)到，現(xiàn)在回想起來(lái)，我本科確實(shí)學(xué)到了幾個(gè)不同專(zhuān)業(yè)知識(shí)的合集：半導(dǎo)體物理，非常偏器件、材料、物理的課；模擬集成電路和數(shù)字集成電路的設(shè)計(jì)；還有數(shù)據(jù)結(jié)構(gòu)與算法、計(jì)算機(jī)體系結(jié)構(gòu)。學(xué)了這些東西，讓我對(duì)整個(gè)全流程都有一個(gè)簡(jiǎn)單的概念：從最下面的材料開(kāi)始，到設(shè)計(jì)芯片、流片做出來(lái)，再到拿回來(lái)在上面開(kāi)發(fā)應(yīng)用、在計(jì)算機(jī)上跑起來(lái)。這也培養(yǎng)了我比較廣泛的興趣。

我讀博的時(shí)候也沒(méi)有把自己限死在某一個(gè)小方向，一直在廣度上探索。跟我的同齡人相比，大家很多時(shí)候在一個(gè)方向走得很深，我可能在廣度上走得多一點(diǎn)，在某一個(gè)小領(lǐng)域走得沒(méi)有那么深。我時(shí)常覺(jué)得這有好處也有壞處。這跟我的興趣有關(guān)系：我總是做一個(gè)東西做了四五個(gè)項(xiàng)目之后，覺(jué)得對(duì)整個(gè)東西都理解了，再做下去學(xué)到的知識(shí)沒(méi)有那么多了，就會(huì)想去做一個(gè)跟這個(gè)領(lǐng)域接近的新東西，學(xué)一些新的知識(shí)。

DeepTech：我想起 Freeman Dyson 把數(shù)學(xué)家和科學(xué)家分成兩類(lèi)，一類(lèi)叫 bird person（鳥(niǎo)人），一類(lèi)叫 frog person（蛙人），而你是更接近于鳥(niǎo)人的這一類(lèi)。

高正祺：對(duì)，我感覺(jué)有好有壞。我今年找教職的時(shí)候，密歇根大學(xué)特別想招一個(gè)有跨領(lǐng)域研究經(jīng)歷的人：懂芯片設(shè)計(jì)、懂 AI、還懂集成光學(xué)，比如怎么用光互聯(lián)、光計(jì)算這些東西。如果我沒(méi)有這樣廣度的經(jīng)歷，他們也不會(huì)這么覺(jué)得。他們非常明確，今年就要招一個(gè)能在這些領(lǐng)域之間融會(huì)貫通、架橋梁的人，所以選擇了我。但我在其他學(xué)校面試的時(shí)候，有的學(xué)校非常明顯想招某一個(gè)特定方向的人，那種時(shí)候我就沒(méi)有很大的優(yōu)勢(shì)。

“這些工具好用嗎？答案肯定是不好用”

DeepTech：咱們從你的主方向聊起。先請(qǐng)你給不太了解芯片的讀者講講：設(shè)計(jì)一顆芯片，難度主要在哪？EDA 工具在其中是什么角色？

高正祺：設(shè)計(jì)芯片的難度，簡(jiǎn)單說(shuō)一句話：你可以想象一下，要確保幾百萬(wàn)個(gè)晶體管（最基礎(chǔ)的半導(dǎo)體器件）在硅片上按照你想要的功能連接在一起，任意一條線都不出錯(cuò)。這是對(duì)這件事難度最直觀的解釋。

EDA 工具起的作用，是把我剛才描述的這件事分成幾個(gè)階段，每個(gè)階段都變成一個(gè)芯片設(shè)計(jì)者比較容易處理的事情。以數(shù)字電路設(shè)計(jì)為例，最開(kāi)始是前端，設(shè)計(jì)者只要寫(xiě)一種叫 Verilog 的代碼（編者注：一種硬件描述語(yǔ)言，可以理解為“芯片的源代碼”），寫(xiě)的時(shí)候只需要關(guān)注要實(shí)現(xiàn)的功能，不需要關(guān)注晶體管上具體怎么實(shí)現(xiàn)；接下來(lái) EDA 工具會(huì)把寫(xiě)好的代碼自動(dòng)轉(zhuǎn)成晶體管之間的連接方式；再到后端，把這些連接真正映射到物理的硅片上：每個(gè)晶體管排在哪里，線怎么連、從哪里走。EDA 工具整體上就是做這樣一個(gè)輔助。

DeepTech：為什么 EDA 工具會(huì)由全球兩三家企業(yè)壟斷？

高正祺：這是個(gè)很好的問(wèn)題，每個(gè)人有不同的理解。我的理解是，這更像一個(gè)歷史遺留問(wèn)題：這個(gè)行業(yè)的進(jìn)入門(mén)檻有點(diǎn)高，大家需要逐漸建立信任的關(guān)系，才會(huì)用你的工具。最大的是 Cadence 和 Synopsys 這兩家，當(dāng)然還有西門(mén)子，它有一兩個(gè)工具大家也會(huì)用。Cadence 和 Synopsys 成立于上世紀(jì)八十年代（編者注：Synopsys 成立于 1986 年，Cadence 由 SDA 與 ECAD 兩家公司于 1988 年合并而成），經(jīng)過(guò)這么多年不斷的迭代，大家已經(jīng)形成了所謂的路徑依賴(lài)。他們每一代工具的迭代都會(huì)跟客戶(hù)尋求反饋，把工具做得更好，就形成了一種互相信任的關(guān)系。

再加上，你去做一顆芯片，流片的成本是非常高的。如果現(xiàn)在有一家新公司說(shuō)，我也能給你提供 EDA 工具做芯片設(shè)計(jì)，那首先你需要學(xué)習(xí)新的工具怎么用，這也有一個(gè)學(xué)習(xí)的時(shí)間成本；第二，從公司的角度這是非常有風(fēng)險(xiǎn)的事情，你很難確保這個(gè)工具有沒(méi)有問(wèn)題。如果你用了新工具設(shè)計(jì)芯片，流片失敗了，誰(shuí)負(fù)責(zé)？流片錢(qián)白花了，芯片沒(méi)有按時(shí)交付，可能還損失一部分市場(chǎng)份額，風(fēng)險(xiǎn)非常大。

有一個(gè)很好的例子：前幾年我們被卡脖子，各種方面的卡脖子里，EDA 工具其實(shí)是非常重要的一環(huán)。我會(huì)覺(jué)得，沒(méi)有當(dāng)時(shí)的卡脖子，國(guó)內(nèi) EDA 的發(fā)展也不會(huì)那么快。大家會(huì)覺(jué)得接著用別人的東西就挺好，沒(méi)有動(dòng)力再弄一個(gè)新的出來(lái)。如果全被卡住了，你就需要從頭自己搭一套完整的工具鏈。

還有一點(diǎn)：如果出現(xiàn)一些做得好一點(diǎn)的工具，Cadence 和 Synopsys 會(huì)直接把它們買(mǎi)進(jìn)來(lái)，形成壟斷。舉個(gè)例子，做光子集成電路仿真的 Lumerical，本來(lái)是一家創(chuàng)業(yè)公司，后來(lái)被 Ansys 買(mǎi)了，Ansys 最后又被 Synopsys 買(mǎi)了，大部分企業(yè)最終都逃不開(kāi)被他們收購(gòu)的命運(yùn)。（編者注：Lumerical 成立于 2003 年，2020 年被仿真軟件公司 Ansys 收購(gòu)；Ansys 又于 2025 年被 Synopsys 以約 350 億美元收購(gòu)?fù)瓿山桓睿?EDA 歷史上最大一筆并購(gòu)。）

DeepTech：英偉達(dá)在 GPU 市場(chǎng)的壟斷，很大程度上靠生態(tài)和工具棧。EDA 行業(yè)也有生態(tài)問(wèn)題嗎？

高正祺：我覺(jué)得也會(huì)有一些。它形成的生態(tài)，本質(zhì)是大家相信用他們的工具能做出真正流片成功的芯片。開(kāi)源工具其實(shí)也有很多，而且在一些流程上，開(kāi)源和閉源的性能并沒(méi)有差特別多。

我個(gè)人的觀感是，模擬電路仿真的開(kāi)源工具 ngspice，并不會(huì)比閉源的 HSPICE、Spectre 差很多；數(shù)字綜合的開(kāi)源工具 abc，可能比 Cadence 的閉源工具稍微差一些。最有名的開(kāi)源項(xiàng)目是 OpenROAD，它在一些開(kāi)源的工藝節(jié)點(diǎn)上驗(yàn)證過(guò)。但你用開(kāi)源工具設(shè)計(jì)，做完了之后你就會(huì)擔(dān)心：我做完的芯片到底能不能真的工作？所以大家還是比較相信那兩家的東西。

DeepTech：你作為用了十來(lái)年的用戶(hù)，這些工具用起來(lái)好用嗎？

高正祺：我覺(jué)得答案肯定是不好用（笑）。我更多算是一個(gè)研究 EDA 的人，不算天天做芯片設(shè)計(jì)，但我有一些純粹做芯片設(shè)計(jì)的同學(xué)，我無(wú)數(shù)次聽(tīng)過(guò)他們抱怨這些工具不好用。

打個(gè)比方，大家寫(xiě) Python，寫(xiě)完報(bào)錯(cuò)了，看終端里的錯(cuò)誤信息，基本就能精確定位到是哪一行、什么問(wèn)題。在大語(yǔ)言模型出現(xiàn)之前，你 Google 搜一下，Stack Overflow 上基本都有答案，直接可以改。

但 Cadence、Synopsys 的很多報(bào)錯(cuò)，你看了就感覺(jué)，他好像說(shuō)了什么，但你又不知道他在說(shuō)什么，需要口口相傳，需要很多次跟工具來(lái)回實(shí)驗(yàn)之后，才能真正知道這個(gè)報(bào)錯(cuò)到底大概是什么問(wèn)題、該改哪里。這件事本身需要知識(shí)的積累。所以至少在大語(yǔ)言模型時(shí)代之前，這些工具并不是特別好用。現(xiàn)在的話，有了大語(yǔ)言模型，相對(duì)來(lái)說(shuō)變得容易了很多，這些報(bào)錯(cuò)我感覺(jué)模型也完全能理解。

“已經(jīng)是一個(gè)初級(jí)或中級(jí)的工程師”

DeepTech：所以除了從更根本的層面用 AI 重構(gòu)這些工具，也可以先用大模型幫我們理解和使用這些工具？

高正祺：對(duì)的。事實(shí)上我覺(jué)得這是現(xiàn)階段最應(yīng)該使用大語(yǔ)言模型（或者說(shuō) agent）的方式。我覺(jué)得接下來(lái)的發(fā)展會(huì)有幾個(gè)里程碑。第一個(gè)，是把已有的 Cadence、Synopsys 工具寫(xiě)成 agent 能夠調(diào)用的格式，寫(xiě)成 MCP，或者把使用工具的知識(shí)提煉成 skill 這樣的東西，讓 agent 可以調(diào)用已有的 EDA 工具。本質(zhì)上，這個(gè) agent 需要理解每個(gè)工具返回的信息是什么：報(bào)錯(cuò)了，我該怎么修改 Verilog 代碼；通過(guò)了，下一步該調(diào)用哪個(gè)工具、跑什么流程。

所以我覺(jué)得 agent 的角色是去掌控整個(gè)流程，而不是去取代芯片設(shè)計(jì)里某個(gè)特定環(huán)節(jié)的 EDA 算法。取代特定算法這件事在某些地方可能有收益，但這個(gè)收益絕對(duì)沒(méi)有讓 agent 統(tǒng)領(lǐng)全流程大。一個(gè)比較有名的例子是用強(qiáng)化學(xué)習(xí)做宏單元布圖規(guī)劃（macro floorplanning），就是 Azalia（她現(xiàn)在在斯坦福做教授）之前在 Google 做的 AlphaChip，但那篇論文本身也有諸多爭(zhēng)議。（編者注：AlphaChip 是 Google 2021 年發(fā)表于《自然》的強(qiáng)化學(xué)習(xí)芯片布圖方法，論文稱(chēng)其表現(xiàn)超過(guò)人類(lèi)工程師并已用于 TPU 設(shè)計(jì)；此后多個(gè)學(xué)術(shù)團(tuán)隊(duì)公開(kāi)質(zhì)疑其可復(fù)現(xiàn)性，爭(zhēng)議持續(xù)數(shù)年未有公認(rèn)結(jié)論。兩位主要作者 Anna Goldie 與 Azalia Mirhoseini 于 2025 年底創(chuàng)辦了 AI 芯片設(shè)計(jì)公司 Ricursive Intelligence。）相對(duì)于那種方式，我覺(jué)得用 agent 去掌控整個(gè)流程，是更合理的一件事情。

DeepTech：正好聊一下，你在 Anthropic 做的主要是哪方面的工作？

高正祺：我在 Anthropic 不會(huì)待特別長(zhǎng)的時(shí)間。這個(gè)崗位是 Anthropic 今年第一年設(shè)立的，叫 STEM Fellow，面向數(shù)學(xué)、物理、化學(xué)、生物還有工程這些領(lǐng)域開(kāi)放的一個(gè)短期項(xiàng)目。（編者注：STEM Fellow 是 Anthropic 2026 年 4 月新設(shè)的研究項(xiàng)目，面向 STEM 領(lǐng)域博士，與其研究團(tuán)隊(duì)合作探索前沿模型在各專(zhuān)業(yè)領(lǐng)域的應(yīng)用。）

我做的事情，廣義上說(shuō)是怎么樣提升模型在芯片設(shè)計(jì)上的能力。具體的項(xiàng)目不太能講，但我覺(jué)得大家可以猜測(cè)一下，也能猜到是什么樣的東西。就像你去跟其他公司做預(yù)訓(xùn)練、后訓(xùn)練的人聊，問(wèn)他們具體在做什么，大家也都說(shuō)公司的事不能聊，但一猜也都能猜到。（笑）

DeepTech：那如今最前沿的模型去做芯片設(shè)計(jì)，能達(dá)到什么水平？如果類(lèi)比的話，相當(dāng)于一個(gè)什么水平的工程師？

高正祺：我的感受是，已經(jīng)像一個(gè)初級(jí)或者中級(jí)的工程師了，這取決于你用的是哪個(gè)模型。如果你半年前或者一年前問(wèn)我這個(gè)問(wèn)題，我會(huì)比較懷疑：它真的能做嗎？一年前我自己的項(xiàng)目有需求，我拿一個(gè)模擬電路的網(wǎng)表去問(wèn)當(dāng)時(shí)的 ChatGPT，問(wèn)該怎么設(shè)計(jì)，它經(jīng)常返回語(yǔ)法都是錯(cuò)的東西，根本跑不起來(lái)。模擬電路里非常有名的教授拉扎維（編者注：Behzad Razavi，加州大學(xué)洛杉磯分校教授，其《模擬 CMOS 集成電路設(shè)計(jì)》是該領(lǐng)域最通行的教科書(shū)之一），大概半年多前寫(xiě)過(guò)一篇文章放在自己網(wǎng)站上，說(shuō)他像考學(xué)生一樣出了一套題測(cè) ChatGPT，給它的回答打分，好像是沒(méi)及格。

但今天不一樣了。就在最近，月之暗面的 Kimi 3 發(fā)布，它給了一個(gè)例子，是模型在 48 小時(shí)之內(nèi)設(shè)計(jì)了一顆芯片，我看了一下性能指標(biāo)，感覺(jué)還挺不錯(cuò)的。我自己也試過(guò)：我用 Codex 搭了一個(gè)全流程的 agent，給它一個(gè)模擬電路的網(wǎng)表，讓它給我產(chǎn)生 GDS 版圖文件（編者注：交付給工廠制造的最終版圖文件格式），它可以從安裝環(huán)境開(kāi)始，自己從頭做到尾，把一整套流程搭出來(lái)，我還可以把它封裝成一個(gè) MCP 工具讓大家都能用，完全不需要我做什么。Anthropic 家的 Sonnet、Opus，還有前段時(shí)間的 Fable，我都試過(guò)。所以我覺(jué)得，說(shuō)它是一個(gè)初級(jí)、中級(jí)工程師，完全沒(méi)問(wèn)題。

DeepTech：這一年它為什么提升這么快？是因?yàn)檫@個(gè)領(lǐng)域?qū)ｉT(mén)的數(shù)據(jù)變多了，還是整體 coding 能力、推理能力的提升？

高正祺：我的個(gè)人理解，兩者都有。第一，大家常說(shuō)一件事：coding 做得好，數(shù)學(xué)或者說(shuō)抽象邏輯推理的能力是會(huì)跟著上漲的。預(yù)訓(xùn)練是從互聯(lián)網(wǎng)上扒下來(lái)所有數(shù)據(jù)，相對(duì)來(lái)說(shuō)比較雜、質(zhì)量比較低；代碼本身是一種高度抽象、非常有邏輯的東西，在代碼上訓(xùn)練好之后，其他推理能力也會(huì)有提升，所以這也是為什么會(huì)有 mid-training——mid training 里面代碼比重會(huì)增高。第二，這些公司做后訓(xùn)練的時(shí)候，會(huì)構(gòu)造各個(gè)子領(lǐng)域的數(shù)據(jù)，去提升模型在各個(gè)子領(lǐng)域的能力。芯片設(shè)計(jì)一定會(huì)是這樣一個(gè)被考慮的子領(lǐng)域，OpenAI 和 Anthropic 因?yàn)樽约河性O(shè)計(jì)芯片的需求，所以也就更會(huì)有構(gòu)造更好芯片數(shù)據(jù)的動(dòng)力。

DeepTech：所以芯片設(shè)計(jì)是模型公司都挺重視的一個(gè)方向。

高正祺：對(duì)的。另外一點(diǎn)是，長(zhǎng)久來(lái)看，這些模型公司一定會(huì)想做自己的芯片，這是非常明顯的趨勢(shì)，所以提高自家模型在芯片設(shè)計(jì)上的能力也非常合理。如果描述一個(gè)非常宏偉的愿景：將來(lái)的模型可以自己訓(xùn)自己，也可以自己迭代產(chǎn)生新的硬件，適合下一代自己的推理或者訓(xùn)練；芯片做好了拿回來(lái)，把下一代模型跑在新芯片上，再接著設(shè)計(jì)下下一代的芯片，就會(huì)形成一個(gè)完整的閉環(huán)。我感覺(jué)這是很恐怖的一件事情。

DeepTech：目前用 AI 做芯片設(shè)計(jì)，最先能接手的環(huán)節(jié)會(huì)是哪一個(gè)？最難解決的又是哪個(gè)部分？

高正祺：寫(xiě) Verilog 這種事情肯定是會(huì)很快被取代的。根據(jù)給定的指標(biāo)去寫(xiě) Verilog，它本身也屬于一種代碼，只是硬件描述語(yǔ)言更特殊一點(diǎn)。給 Verilog 代碼寫(xiě)測(cè)試代碼（test bench）也會(huì)很快被拿下，這本質(zhì)上也是一個(gè)代碼任務(wù)，跟軟件開(kāi)發(fā)里寫(xiě)源代碼和寫(xiě)測(cè)試代碼沒(méi)什么區(qū)別。類(lèi)似的任務(wù)都一定會(huì)被很快取代，我甚至可以認(rèn)為現(xiàn)在已經(jīng)解決了，或者半年之內(nèi)就會(huì)解決。

比較難的，是一些非常特定的情況下，需要很資深的硬件設(shè)計(jì)經(jīng)驗(yàn)才能發(fā)現(xiàn)的問(wèn)題。舉個(gè)例子，時(shí)序的要求沒(méi)達(dá)到怎么重新優(yōu)化，有經(jīng)驗(yàn)的設(shè)計(jì)者交換一下兩個(gè)邏輯門(mén)，也許就解決了。這種需要經(jīng)驗(yàn)積累的事情，短期之內(nèi)比較難。這個(gè)"短期"是什么概念我也很難預(yù)計(jì)，可能需要一年、兩年、三年。我會(huì)覺(jué)得這取決于怎么更好地構(gòu)造后訓(xùn)練的數(shù)據(jù)集，是可以做到的一件事，但什么時(shí)候做到，不太確定。

DeepTech：聽(tīng)起來(lái)很像以前老師傅的那種經(jīng)驗(yàn)。

高正祺：對(duì)。本質(zhì)上，后訓(xùn)練就是我們?nèi)嗽谑职咽值亟棠Ｐ褪裁词呛谩⑹裁词遣缓谩Ｊ聦?shí)上，人類(lèi)可以把芯片設(shè)計(jì)老師傅的經(jīng)驗(yàn)教給模型，而這里最重要的是想清楚怎么定義獎(jiǎng)勵(lì)（reward）。模型會(huì)自己產(chǎn)生很多新想法，自動(dòng)地沿著推理鏈自己產(chǎn)生出“老師傅的想法”，發(fā)現(xiàn)某個(gè)想法能得到比較好的獎(jiǎng)勵(lì)，以后就更傾向于使用它。

DeepTech：那我們暢想一下，芯片設(shè)計(jì)最終的工作方式會(huì)變成什么樣？

高正祺：我覺(jué)得最后的工作方式會(huì)比較夸張。我自己會(huì)相信，將來(lái)的情況是：比如我是一個(gè)定制芯片的廠商，高通、博通、三星這種，客戶(hù)來(lái)找我，說(shuō)我有一個(gè)需求，要設(shè)計(jì)一個(gè)什么功能的芯片，時(shí)鐘頻率是多少，比如一吉赫茲，面積要多大，能耗要多少。把這樣一份描述文檔丟給一個(gè) agent，這個(gè) agent 可以在 24 小時(shí)之內(nèi)直接產(chǎn)生最后的版圖文件，達(dá)到客戶(hù)表述的所有要求，同時(shí)把所有中間結(jié)果都輸出給你確認(rèn)。人需要做的唯一一件事，是驗(yàn)證這個(gè)版圖是正確的，做最后一步確認(rèn)，叫 sign-off（簽核）。都沒(méi)有問(wèn)題，就可以直接返回給客戶(hù)了；有問(wèn)題，就需要人和 agent 協(xié)同迭代幾次：人跟 agent 說(shuō)，你這個(gè)指標(biāo)不達(dá)標(biāo)，你試著調(diào)整一下這個(gè)位置的布局布線重新做一下。人給一點(diǎn)提示，agent 就可以完整地重新迭代。

我并不覺(jué)得這是一個(gè)很遙遠(yuǎn)的未來(lái)。我自己會(huì)感覺(jué)，可能 5 年之內(nèi)，或者 5 年左右，就會(huì)實(shí)現(xiàn)。唯一的問(wèn)題是，硬件領(lǐng)域接受新事物、接受新工具的速度，相對(duì)互聯(lián)網(wǎng)行業(yè)會(huì)稍微慢一點(diǎn)。所以我感覺(jué) 5 年也許是一個(gè)比較好的估計(jì)。

DeepTech：我很好奇，在 AI 幫助芯片設(shè)計(jì)的情況下，除了效率的提升，它有沒(méi)有可能有效地提升設(shè)計(jì)的質(zhì)量和水平？會(huì)不會(huì)出現(xiàn)一些比較 magical 的能力？

高正祺：我的答案是：將來(lái)會(huì)發(fā)生。本質(zhì)上這個(gè)領(lǐng)域和其他領(lǐng)域沒(méi)有什么區(qū)別。舉個(gè)例子，就前兩天的新聞，有一個(gè)日本大學(xué)的物理教授，說(shuō)他用大語(yǔ)言模型找到了一個(gè)困擾他很久的問(wèn)題的解法，他覺(jué)得這個(gè)方向是對(duì)的，可以研究下去（編者注：指東京大學(xué) Kavli IPMU 教授、弦論學(xué)者立川裕二。2026 年 7 月 12 日他發(fā)帖稱(chēng)，Claude Fable 5 為其團(tuán)隊(duì)停滯約半年的弦論合作項(xiàng)目找到了突破口，指出了一處計(jì)算錯(cuò)誤，并自動(dòng)生成 SymPy 代碼驗(yàn)證推導(dǎo)。他形容模型似乎真正理解弦理論、有某種直覺(jué)；因傳播超出預(yù)期，該帖隨后被他刪除）。

再比如加州大學(xué)洛杉磯分校的陶哲軒教授，也是在數(shù)學(xué)證明上使用大語(yǔ)言模型的忠實(shí)粉絲。

在這些子領(lǐng)域里，模型都會(huì)給出一些讓我們眼前一亮的想法，芯片設(shè)計(jì)里也一定會(huì)發(fā)生。最接近的例子已經(jīng)有了：大語(yǔ)言模型設(shè)計(jì) GPU 的核函數(shù)（kernel），現(xiàn)在基本已經(jīng)是默認(rèn)的一件事情了：模型可以很好地優(yōu)化 GPU 的 kernel、TPU 的 kernel，或者某個(gè)特定加速器的 kernel。

我會(huì)覺(jué)得，將來(lái)某一天，人類(lèi)手工做好的芯片能達(dá)到某個(gè)運(yùn)算性能，一個(gè) agent 優(yōu)化出來(lái)的版本在同等面積下 TFLOPS 更高，這是完全有可能出現(xiàn)的事情。我不意外，我相信這一天會(huì)到來(lái)。

DeepTech：聽(tīng)起來(lái)讓人心生向往。

高正祺：也不知道是心生向往還是恐懼（笑）。反正我覺(jué)得，這個(gè)時(shí)代就是一個(gè)浪潮，在把我們往前推著走，沒(méi)有什么選擇的余地。

DeepTech：整體聽(tīng)下來(lái)，現(xiàn)在的 AI 對(duì) Cadence 這些工具公司來(lái)說(shuō)，更多還是一種助力，而不是替代？

高正祺：對(duì)的。但有一個(gè)觀點(diǎn)我非常贊同：現(xiàn)在很多的工具都不是給 agent 或者語(yǔ)言模型設(shè)計(jì)的，因?yàn)樗鼈兌汲霈F(xiàn)在大語(yǔ)言模型之前。將來(lái)很多工作事實(shí)上都是 agent 來(lái)做，那很多工具都應(yīng)該重新設(shè)計(jì)成對(duì) agent 最友好的形式，而不是對(duì)人最友好的。明顯的例子比如互聯(lián)網(wǎng)瀏覽器，比如生物領(lǐng)域的一些數(shù)據(jù)庫(kù)。

Cadence 的工具也是一個(gè)道理：它現(xiàn)在這個(gè)形式，未必是對(duì) agent 最有效的形式。將來(lái)會(huì)不會(huì)出現(xiàn)一個(gè)對(duì) agent 更友好的 EDA 工具鏈？我覺(jué)得是有可能的。短時(shí)間內(nèi)肯定還是基于 Cadence、Synopsys 的工具；但長(zhǎng)久來(lái)看，當(dāng)我們發(fā)現(xiàn)其他領(lǐng)域以前設(shè)計(jì)的軟件開(kāi)始為 agent 做特別好的優(yōu)化的時(shí)候，EDA 工具上也會(huì)出現(xiàn)同樣的事情。如果這件事是其他公司做的，那可能 Cadence 和 Synopsys 就危險(xiǎn)了，但也許它們還是可以通過(guò)收購(gòu)解決這個(gè)問(wèn)題。

“在今天，創(chuàng)造一個(gè)新的壟斷公司很難”

DeepTech：最近幾年，美國(guó)和中國(guó)都出現(xiàn)了很多 AI-EDA 公司，比如 Ricursive Intelligence。相比歷史上的 EDA 創(chuàng)業(yè)，這一次有什么不一樣？

高正祺：先說(shuō)明一下，我是 1996 年出生的，真正開(kāi)始關(guān)注這些大概是從研究生開(kāi)始，歷史上之前是什么樣子我沒(méi)有親眼見(jiàn)過(guò)，可能也沒(méi)什么資格評(píng)價(jià)。但至少?gòu)奈椰F(xiàn)在觀測(cè)到的結(jié)果看，我覺(jué)得已經(jīng)真的很夸張：資本支出太高了。現(xiàn)在在硅谷，你有一個(gè)像樣的團(tuán)隊(duì)，可以輕輕松松直接融一兩千萬(wàn)美金；想融得多的話，可以像 Ricursive 那樣融幾百個(gè) million，這件事讓我覺(jué)得非常夸張。（編者注：Ricursive Intelligence 于 2025 年 12 月前后結(jié)束隱身，種子輪融資 3,500 萬(wàn)美元由紅杉領(lǐng)投；2026 年 1 月完成 3 億美元 A 輪，估值 40 億美元，距公司公開(kāi)亮相僅約兩個(gè)月。）大家確實(shí)有點(diǎn)狂熱，這是跟歷史上不太一樣的第一點(diǎn)。

第二點(diǎn)，歷史上出現(xiàn)一家新的 EDA 創(chuàng)業(yè)公司，大部分情況是因?yàn)槌霈F(xiàn)了一個(gè)新的功能性需求。比如最早伯克利的 Alberto，算是 EDA 開(kāi)山的大佬之一（編者注：Alberto Sangiovanni-Vincentelli，加州大學(xué)伯克利分校教授，Cadence 與 Synopsys 兩家公司共同的學(xué)術(shù)源頭人物），他們伯克利那一派注意到數(shù)字電路設(shè)計(jì)每次沒(méi)法復(fù)用、很麻煩，就開(kāi)始做最早的綜合這些工作，后來(lái)把它做大做強(qiáng)，做成了很大的 EDA 公司。再比如光子集成電路出現(xiàn)了，有這樣的設(shè)計(jì)需求，就有了對(duì)應(yīng)的工具 Lumerical。歷史上大部分情況是這樣：先有一個(gè)新的功能需求。這一次最不一樣的地方在于，我并不覺(jué)得現(xiàn)在有一個(gè)新的、沒(méi)有被解決的芯片設(shè)計(jì)功能本身上的需求。芯片本身功能的需求并沒(méi)有變，這次的出發(fā)點(diǎn)是高效的工作流。

第三點(diǎn)，大語(yǔ)言模型把 EDA 進(jìn)入門(mén)檻降低了。舉個(gè)例子，ChipAgents 這家創(chuàng)業(yè)公司，CEO 是加州大學(xué)圣塔芭芭拉分校做自然語(yǔ)言處理的教授，之前完全沒(méi)有 EDA 背景，2024 年開(kāi)始做這家公司，做的就是 AI-EDA。（編者注：ChipAgents 由 UCSB 教授 William Wang創(chuàng)立，截至 2026 年 2 月累計(jì)融資 7,400 萬(wàn)美元。）有 AI 的存在，大家可以更容易地進(jìn)入一個(gè)特定領(lǐng)域，更高效地產(chǎn)出工具。比如我想搭一個(gè)專(zhuān)門(mén)做芯片設(shè)計(jì)的 agent，現(xiàn)在容易多了；再比如搭一個(gè)完整的芯片設(shè)計(jì)流程，以前很麻煩，要看這個(gè)工具的輸出是什么、跟下一個(gè)工具的接口怎么對(duì)上，現(xiàn)在完全不需要了，agent 幫我做所有的事情。

所以就是三點(diǎn)：高效工作流的出發(fā)點(diǎn)和更低的領(lǐng)域進(jìn)入門(mén)檻、不是解決新的功能需求，再加上高的資本開(kāi)銷(xiāo)。

DeepTech：在你看來(lái)，這一波 AI-EDA 公司最終會(huì)獨(dú)立存在，還是被 Cadence 這些巨頭收購(gòu)？

高正祺：我會(huì)覺(jué)得大概率一定是被收購(gòu)，但也不一定是 Cadence 和 Synopsys 收。被硬件公司收購(gòu)的概率也是有的，比如英特爾、英偉達(dá)，甚至模型公司，OpenAI、Anthropic 這些也都有可能。當(dāng)然最大的概率還是 Cadence 和 Synopsys，因?yàn)檫@是他們的老本行，一定繞不開(kāi)他們。你翻閱歷史發(fā)展的流程會(huì)發(fā)現(xiàn)，在今天這個(gè)時(shí)代，你想創(chuàng)造一家新的壟斷公司，很難，比很多年前難多了，主要原因是你總要依賴(lài)某一個(gè)平臺(tái)。對(duì) AI-EDA 這些公司來(lái)說(shuō)，他們一定要依賴(lài)的就是 Cadence 和 Synopsys。

但其實(shí)也有很多瑣碎的細(xì)節(jié)和實(shí)際的影響因素。比如，Cadence、Synopsys 加上西門(mén)子，整個(gè) EDA 行業(yè)一年的營(yíng)收，去年大概是 180 億美元（編者注：據(jù)行業(yè)統(tǒng)計(jì)口徑，2024 年全球 EDA 市場(chǎng)規(guī)模約 180 億美元），你去翻 Cadence 和 Synopsys 的收購(gòu)歷史，超過(guò) 10 億美元的案例是非常少的。那像 Ricursive 這樣，一輪融資之后估值已經(jīng)是 40 億美元了，如果我是 Cadence、Synopsys，我去收購(gòu)它就會(huì)感覺(jué)到很大的壓力。所以創(chuàng)業(yè)公司永遠(yuǎn)都有三種可能：獨(dú)立 IPO 、被收購(gòu)、失敗。靜觀其變吧。

“推理市場(chǎng)才剛開(kāi)始”

DeepTech：前面反復(fù)提到模型公司做芯片。現(xiàn)在谷歌、Meta、OpenAI，包括 Anthropic，都在籌建自己的芯片項(xiàng)目。對(duì)他們來(lái)說(shuō)，除了你前面說(shuō)的技術(shù)閉環(huán)，還有什么別的原因？

高正祺：還有很明顯的原因：成本。先拋開(kāi)訓(xùn)練不談，你能做出比較好的推理芯片，就已經(jīng)能省很多成本了。哪怕只節(jié)省 20% 的成本，乘上一個(gè)萬(wàn)億量級(jí)的市場(chǎng)，省出來(lái)的錢(qián)也非常多。另外，大家都買(mǎi)英偉達(dá)的 GPU，但 GPU 并不是特意針對(duì)你家模型設(shè)計(jì)的，它對(duì)你這個(gè)模型的推理未必是效率最高的芯片。做好自己家模型的推理芯片，可以跑得又快、整個(gè)成本又低。跑得更快本質(zhì)上也是成本低的一種表現(xiàn)，同樣的電力開(kāi)銷(xiāo)下可以跑得更多。所以我覺(jué)得所有模型廠都有這個(gè)需求，并不意外。

DeepTech：這些自研項(xiàng)目基本都瞄準(zhǔn)推理。除了英偉達(dá)在訓(xùn)練市場(chǎng)的壟斷地位之外，他們有可能進(jìn)入訓(xùn)練領(lǐng)域嗎？

高正祺：我覺(jué)得肯定是從推理開(kāi)始做起，至于什么時(shí)候碰訓(xùn)練，這是一個(gè)問(wèn)題。我傾向于說(shuō)，短期之內(nèi)大家都會(huì)做推理芯片，訓(xùn)練是更長(zhǎng)遠(yuǎn)的事。訓(xùn)練和推理對(duì)芯片的要求挺不一樣的：比如做訓(xùn)練要做梯度的計(jì)算和反向傳播，對(duì)內(nèi)存的需求量更大；推理芯片相對(duì)來(lái)說(shuō)簡(jiǎn)單一點(diǎn)，沒(méi)有訓(xùn)練芯片那么難。

DeepTech：更長(zhǎng)遠(yuǎn)看，訓(xùn)練和推理哪個(gè)市場(chǎng)更大？

高正祺：肯定是推理市場(chǎng)更大。你訓(xùn)好一次模型，至少可以用一段時(shí)間，半年或者一年，看這些模型廠多久放一個(gè)新模型。訓(xùn)練更像是單次的事情，推理是可以多次的事情。而且推理的需求量跟用戶(hù)數(shù)量成正比，訓(xùn)練跟用戶(hù)數(shù)量不成正比，更多是到了某個(gè)時(shí)間點(diǎn)，需要迭代下一個(gè)版本了，就訓(xùn)一下。看創(chuàng)業(yè)公司也能看出這個(gè)感受：SGLang 和 vLLM 是兩個(gè)非常大的開(kāi)源推理引擎，他們的團(tuán)隊(duì)最近都開(kāi)始創(chuàng)業(yè)了。我覺(jué)得推理市場(chǎng)才剛開(kāi)始，會(huì)蓬勃向上，越來(lái)越多。（編者注：Gartner 于 2025 年 10 月預(yù)測(cè)，2026 年推理類(lèi) AI 負(fù)載的支出將首次超過(guò)訓(xùn)練；德勤預(yù)測(cè) 2026 年推理將占全部 AI 算力約三分之二。）

DeepTech：我前段時(shí)間正好寫(xiě)過(guò)一篇關(guān)于推理芯片的文章。最近推理芯片確實(shí)很火，各種創(chuàng)業(yè)公司出現(xiàn)，SambaNova 原本都沒(méi)什么聲音了，結(jié)果突然又融了很多錢(qián)。我當(dāng)時(shí)得出的結(jié)論是：推理芯片最終不會(huì)再出現(xiàn)一個(gè)英偉達(dá)式的壟斷者，整個(gè)市場(chǎng)會(huì)是分散的。你同意這個(gè)判斷嗎？

高正祺：我同意。因?yàn)楸举|(zhì)上各家的模型不太一樣，不同的模型需要不同的推理芯片。所以我覺(jué)得這件事情肯定是合理的。

DeepTech：如果分散是最終的結(jié)局，那這個(gè)行業(yè)的錢(qián)會(huì)被誰(shuí)掙走？

高正祺：好問(wèn)題。我的感覺(jué)是，更上游的地方會(huì)把錢(qián)掙走。英偉達(dá)現(xiàn)在肯定是最大的，將來(lái)推理芯片市場(chǎng)繁榮發(fā)展的時(shí)候，英偉達(dá)的份額肯定會(huì)被吃掉一些。

但如果硬要說(shuō)誰(shuí)會(huì)穩(wěn)定地一直吃到這波錢(qián)，我會(huì)覺(jué)得，臺(tái)積電肯定會(huì)吃到：在代工上，先進(jìn)工藝節(jié)點(diǎn)沒(méi)有人能和臺(tái)積電比，先進(jìn)封裝 CoWoS 也沒(méi)有人能和臺(tái)積電比。除了臺(tái)積電，高帶寬內(nèi)存（HBM）的需求也會(huì)一直存在，海力士、美光、三星都會(huì)吃到這波錢(qián)，海力士可能是最大的。

再往上游走，還有做光刻機(jī)的阿斯麥（ASML），做設(shè)備的應(yīng)用材料（Applied Materials）和泛林（Lam Research）。臺(tái)積電產(chǎn)能不夠，這些設(shè)備商肯定都會(huì)受益。整體上我感覺(jué)是這樣。

DeepTech：這個(gè)產(chǎn)能瓶頸會(huì)有解嗎？

高正祺：短期之內(nèi)這是結(jié)構(gòu)性的事情，肯定無(wú)解。我記得海力士說(shuō)他們的訂單已經(jīng)訂到 2028 年了，臺(tái)積電的資本支出今年也非常瘋狂。（編者注：據(jù)公開(kāi)報(bào)道，SK 海力士、三星、美光三家的 HBM 產(chǎn)能均已售罄至 2026 年底；臺(tái)積電在 2026 年 7 月的財(cái)報(bào)會(huì)上將全年資本開(kāi)支指引上調(diào)至 600 億-640 億美元。）大家都在想辦法從臺(tái)積電訂到更多的產(chǎn)能，短期之內(nèi)肯定是無(wú)解的。

長(zhǎng)期我也不知道，但我會(huì)感覺(jué)，這件事還遠(yuǎn)沒(méi)有到頭。現(xiàn)在美國(guó)這邊，隨便一家公司都聲稱(chēng)自己要建 10 吉瓦（GW）的數(shù)據(jù)中心，明年還要翻倍。你說(shuō)翻個(gè) 10 倍、100 倍，我覺(jué)得也不意外。而且翻 10 倍這件事，我個(gè)人反倒覺(jué)得是合理的。

我覺(jué)得它將來(lái)的一個(gè)形態(tài)是：我們每個(gè)人手里都可以用最強(qiáng)模型的無(wú)限 token。比如我一個(gè)月花 20 美元訂閱，就可以無(wú)限制地用最強(qiáng)的模型，這是理想的形態(tài)，可以極大提升每個(gè)人的工作效率。顯然我們離這個(gè)情況還很遠(yuǎn)。現(xiàn)在最強(qiáng)的模型，Anthropic、OpenAI 都是 100 刀、200 刀一個(gè)月，還很快就用完了。離我描述的那個(gè)狀態(tài)，翻 10 倍的產(chǎn)能我都不知道夠不夠。所以，加油吧，產(chǎn)能還得做。

DeepTech：半導(dǎo)體歷史上有過(guò)好幾次周期。如果這一輪需求不斷膨脹、大家不斷擴(kuò)產(chǎn)，最終會(huì)有一個(gè)過(guò)剩的階段嗎？

高正祺：非常好的問(wèn)題。我自己的觀點(diǎn)是，本質(zhì)上這還是一個(gè)周期，只是這個(gè)周期可能會(huì)稍微長(zhǎng)一些，我跟其他人也聊過(guò)，有些人也持這個(gè)觀點(diǎn)。那這個(gè)周期到底有多長(zhǎng)？這可能取決于一件比較重要的事情：大家怎么看待泡沫。我自己是相信有一些泡沫的，但它也有實(shí)際的作用。很明顯能看到，coding agent 極大提高了所有人的產(chǎn)能，我都不用寫(xiě)代碼了，這是實(shí)打?qū)嵉臇|西。

再比如在公司內(nèi)部，有一個(gè)見(jiàn)過(guò)公司所有文檔的大語(yǔ)言模型，很多簡(jiǎn)單的工作就不需要人來(lái)回答了，新員工入職培訓(xùn)這種事都可以用它做掉，這是實(shí)在的經(jīng)濟(jì)效益。但同時(shí)確實(shí)還有挺大的一部分泡沫在。

所以回到你的問(wèn)題：這個(gè)周期有多長(zhǎng)，取決于大家覺(jué)得泡沫有多大、什么時(shí)候會(huì)破。如果大家覺(jué)得泡沫太大、破了，這個(gè)周期就會(huì)結(jié)束得早一點(diǎn)；如果大家覺(jué)得泡沫相比帶來(lái)的實(shí)際收益是小的，這個(gè)周期還能延續(xù)。我個(gè)人的感覺(jué)是，一兩年之內(nèi)，這個(gè)周期不會(huì)結(jié)束。

DeepTech：一兩年聽(tīng)起來(lái)有點(diǎn)太近了，短期內(nèi)還是會(huì)非常蓬勃。

高正祺：對(duì)的。但長(zhǎng)期我也不知道。因?yàn)槲視?huì)覺(jué)得，當(dāng)模型能自己訓(xùn)練自己的時(shí)候，可能會(huì)有一波比較危險(xiǎn)的事情。有時(shí)候我自己也會(huì)覺(jué)得，我做的很多事情大語(yǔ)言模型都能做，我不知道我還能做什么，我覺(jué)得很多人都有這樣的困惑。

當(dāng)模型自己能訓(xùn)練自己的時(shí)候，很多人都會(huì)有生存危機(jī)的感覺(jué)，不知道自己要干嘛了，可能會(huì)失業(yè)。當(dāng)然也不一定真的出現(xiàn)失業(yè)潮，可能是你要去做其他的事情了。但“模型自己能訓(xùn)自己”這件事，大家聽(tīng)起來(lái)都會(huì)覺(jué)得很恐怖，因?yàn)椴恍枰祟?lèi)來(lái)訓(xùn)模型了，它自己能瘋狂地迭代。我會(huì)覺(jué)得這是一個(gè)在社會(huì)上非常有影響力的事件，它會(huì)引發(fā)什么樣的觸動(dòng)和社會(huì)變革，我覺(jué)得很難預(yù)料。

DeepTech：這聽(tīng)起來(lái)很接近科幻的想象，也許會(huì)出現(xiàn)幾種不同的結(jié)局：一種比較悲觀，就是爆發(fā)經(jīng)濟(jì)危機(jī)；一種比較樂(lè)觀，人類(lèi)真的到了“大同社會(huì)”，只需要做自己想做的事；或者更極端一點(diǎn)的，就是天網(wǎng)那樣的 AI 徹底主導(dǎo)人類(lèi)。

高正祺：我感覺(jué)很快了，我們馬上就要能看到結(jié)局是什么了（笑）。

“未來(lái)五年的變化，會(huì)比過(guò)去五年更大”

DeepTech：咱們聊點(diǎn)現(xiàn)實(shí)的問(wèn)題。模型能力提升這么快，對(duì)做科研的人來(lái)說(shuō)，如今還有什么問(wèn)題值得一個(gè)人花好幾年去做？

高正祺：我覺(jué)得這是非常好的問(wèn)題。一些非常本質(zhì)或者基本的問(wèn)題，永遠(yuǎn)是值得做的。舉個(gè)例子，去探索會(huì)不會(huì)有比硅更適合做晶體管的材料，這是永無(wú)止境的一件事，可以一直探索下去，沒(méi)有終點(diǎn)。類(lèi)似的還有量子計(jì)算、超導(dǎo)，數(shù)學(xué)上定理的證明，物理和天文里對(duì)宇宙誕生的探索。這些永遠(yuǎn)都值得繼續(xù)做下去，大語(yǔ)言模型的存在會(huì)輔助你把這些事做得更方便。

但同時(shí)，確實(shí)有一些科研內(nèi)容，現(xiàn)在做就沒(méi)什么意義了。舉過(guò)去的例子：我 2021 年剛讀博的時(shí)候，還有人在做圖像分割，更早一點(diǎn)做圖像分類(lèi)，做自然語(yǔ)言的翻譯、問(wèn)答。這些在今天看來(lái)，已經(jīng)是被完全解決的問(wèn)題，確實(shí)意義不大了。

還有一類(lèi)是短期能落地的事情。大家提得最多的就是機(jī)器人、具身智能。我覺(jué)得投入大量的人力和資源做這件事是合理的，但它 5 年之內(nèi)能不能落地，我感覺(jué)存疑。所以如果真要規(guī)劃的話，我會(huì)覺(jué)得比較合適的做法是同時(shí)做三個(gè)：一個(gè)一兩年就能落地的短期項(xiàng)目，一個(gè)你覺(jué)得 5 年之內(nèi)能落地的，再加一個(gè) 10 年之內(nèi)、甚至 10 年都未必落地的。

DeepTech：那你之后回密歇根任教，主要會(huì)探索什么方向？

高正祺：廣義上，會(huì)在 AI 和芯片這兩個(gè)領(lǐng)域交叉的位置。芯片上更具體一點(diǎn)，是去思考怎么用光來(lái)輔助現(xiàn)在的芯片，所謂光電異構(gòu)的芯片，大概是這樣一個(gè)領(lǐng)域。具體做什么，實(shí)事求是地講，我并沒(méi)有一個(gè)非常清晰的想法。因?yàn)槲野肽昵跋氲臇|西，現(xiàn)在感覺(jué)好像已經(jīng)有點(diǎn)過(guò)時(shí)了，發(fā)展實(shí)在是太快了。我現(xiàn)在有一個(gè)想法，業(yè)余時(shí)間也在試，這個(gè)東西做完之后，可能在我去密歇根之前就會(huì)發(fā)表出來(lái)。所以去密歇根具體做什么，可能要到出發(fā)前半年才會(huì)真正開(kāi)始認(rèn)真思考。大方向就是剛才說(shuō)的那兩個(gè)，小方向要再好好想。

DeepTech：也許在 Anthropic、在產(chǎn)業(yè)界待過(guò)之后，會(huì)有一些新的認(rèn)知和想法。

高正祺：希望吧！

DeepTech：如果未來(lái)開(kāi)始帶學(xué)生，你會(huì)讓他們做什么樣的探索？

高正祺：肯定還是剛才說(shuō)的，讓他們?cè)?AI 和光電異構(gòu)芯片交叉的地方探索。我會(huì)讓他們同時(shí)思考一個(gè)短期的、半年一年的項(xiàng)目，再一直思考一個(gè) 5 年的和一個(gè) 10 年的項(xiàng)目。因?yàn)樽龆唐谀苈涞氐捻?xiàng)目，是很快能看到影響力的事情；而思考 5 年和 10 年這兩個(gè)維度，是更有前瞻性的事情。這件事我自己讀博的時(shí)候做得不是特別好，我現(xiàn)在也在反思。

如果我將來(lái)有博士生，我會(huì)告訴他們?cè)谶@個(gè)交叉領(lǐng)域里，做一個(gè)一年的思考、一個(gè) 5 年的思考、一個(gè) 10 年的項(xiàng)目。如果學(xué)生能看到一個(gè)長(zhǎng)久有意義的 5 年項(xiàng)目，我會(huì)非常支持他去探索。我不會(huì)要求他一定要做某個(gè)項(xiàng)目，更多是做自己真正感興趣的、自己覺(jué)得合理的，我覺(jué)得這是最重要的。

DeepTech：想聊一個(gè)更大一點(diǎn)的問(wèn)題。AI for Science 這個(gè)詞現(xiàn)在非常火，我們今天也反復(fù)在聊 AI for EDA。從你的探索來(lái)看，AI 真正去加速一門(mén)學(xué)科，需要什么條件？按這個(gè)條件篩選，哪些學(xué)科會(huì)最先被加速？

高正祺：我覺(jué)得符合兩個(gè)特征就會(huì)被極大的加速。第一，依賴(lài)于自然語(yǔ)言、依賴(lài)文本；第二，之前需要大量人工。需要人工這件事細(xì)分的話是兩類(lèi)：一類(lèi)是需要非常有見(jiàn)解、有天賦、有洞察力的人工，比如去解決哥德巴赫猜想這樣的事情；另一類(lèi)不需要那么聰明，更多是重復(fù)性的、可能比較枯燥的勞動(dòng)。滿(mǎn)足這兩個(gè)特征的學(xué)科，都會(huì)被大語(yǔ)言模型加速。

很明顯能看到的，第一個(gè)是跟數(shù)學(xué)證明相關(guān)的。也不是說(shuō)取代，是它會(huì)做一個(gè)非常好的輔助，給你提供很多之前沒(méi)想到的想法，幫你做一些輔助性的證明。數(shù)學(xué)、理論計(jì)算機(jī)，都會(huì)受很大的影響。芯片設(shè)計(jì)肯定也是：數(shù)字電路的前端就是代碼，是 Verilog；模擬電路的網(wǎng)表也是文字。反過(guò)來(lái)，什么不會(huì)被取代？跟物理世界有更多接觸和交互的。畢竟語(yǔ)言模型現(xiàn)在還沒(méi)有真正的實(shí)體，沒(méi)有辦法和物理世界發(fā)生真正的交互，它只存在于計(jì)算機(jī)里。如果你的很多智力思考和行為都發(fā)生在真實(shí)世界當(dāng)中，比如醫(yī)生做手術(shù)、生物學(xué)家做濕實(shí)驗(yàn)，短時(shí)間之內(nèi)不太會(huì)被取代。當(dāng)然，等機(jī)器人發(fā)展起來(lái)之后，這些也會(huì)逐漸有被取代的可能性，但相對(duì)來(lái)說(shuō)，短期之內(nèi)還有一段距離。

DeepTech：最后問(wèn)一個(gè)開(kāi)放性的問(wèn)題。5 年之后，芯片設(shè)計(jì)這件事會(huì)變成什么樣？你自己可能在做什么？

高正祺：我一直覺(jué)得，你在某個(gè)時(shí)間點(diǎn)去問(wèn)一個(gè)人：5 年前的你猜想今天，和今天的你猜想 5 年后，哪邊變化更大？人們都會(huì)傾向于說(shuō)，過(guò)去 5 年到今天的變化更大，因?yàn)槲覀儗?duì)已經(jīng)發(fā)生的事情有更深的感觸。但事實(shí)上我會(huì)覺(jué)得，未來(lái) 5 年的變化可能是更大的。

我自己就是最好的例子。我 2021 年入學(xué)的時(shí)候，根本沒(méi)有大語(yǔ)言模型這種東西。你要跟我說(shuō) 5 年之后我不需要自己寫(xiě)代碼了，只要跟它說(shuō)我想做什么事情，它就自動(dòng)幫我把代碼寫(xiě)完、把實(shí)驗(yàn)跑完、把結(jié)果返回給我，我是絕對(duì)不可能相信的。而在今天這個(gè)時(shí)間點(diǎn)，我會(huì)感覺(jué)非常恐怖的一件事情是：未來(lái) 5 年發(fā)生的變化，會(huì)比 2021 到 2026 這五年更大。我其實(shí)真的很難想象 2031 年會(huì)發(fā)生什么，也很難想象我自己會(huì)在哪。

從個(gè)人出發(fā)，我會(huì)希望我在做一件自己喜歡做的事情，有還不錯(cuò)的生活，家人和朋友都安好，我覺(jué)得就可以了。說(shuō)得細(xì)一點(diǎn)，我希望還在做跟 AI 和芯片相關(guān)的工作。但我相信接下來(lái) 5 年人類(lèi)社會(huì)可能會(huì)發(fā)生一些變化，高等教育的體系也會(huì)變。有一個(gè)很明顯的例子：發(fā)論文已經(jīng)沒(méi)有那么重要了，信噪比實(shí)在太差了，論文太多太多了。因?yàn)橛?agent 存在，跑實(shí)驗(yàn)和發(fā)論文的成本變得更低，一個(gè)博士生或者研究員能發(fā)出來(lái)的論文數(shù)量是之前的很多倍。在這種情況下，用論文數(shù)量去衡量教授、衡量博士生，在今天這個(gè)時(shí)代會(huì)越來(lái)越不合理。

還有，給學(xué)生上課這件事，可能真的不太需要教授了，你去問(wèn) Claude 都可以講得很好。工業(yè)界因?yàn)椤澳Ｐ妥约河?xùn)練自己”的存在，也會(huì)發(fā)生很大的變化。所以 5 年之后會(huì)怎么樣，我也不太確定。我希望我還在做一些有益的事情，最好是跟 AI 和芯片設(shè)計(jì)相關(guān)的。

運(yùn)營(yíng)/排版：何晨龍

注：封面由 AI 輔助生成