Компания Architect Labs опубликовала на arXiv статью о том, что её система Architect Labs Platform спроектировала ускоритель Redwood практически без участия человека: дальшейшую работу конвейера после задания от двух архитекторов-людей никто не контролировал на уровнях ниже спецификации, а весь цикл занял менее двух недель. Redwood ориентирован на однопоточный маломощный инференс с ультранизкой задержкой для «физического ИИ», то есть роботов и дронов. Работоспособность подхода показана на FPGA-прототипе Redwood Nano, который запускает модели объёмом в миллиарды параметров. Авторы позиционируют результат как первый боевой ускоритель, спроектированный ИИ от начала до конца.

image

Что произошло

Статья подана на arXiv 26 августа 2026 года и обновлена 28 августа. На вход конвейеру Architect Labs Platform (ALP) подана спецификация от людей, дальше система работала автономно, без вмешательства человека ниже уровня спецификации: она сгенерировала модель производительности, RTL-код на уровне регистровых передач, UVM-окружения для верификации, формальные доказательства корректности, прошивки и вычислительные ядра, включая реализацию FlashAttention. Все блоки закрыли 95% покрытия тестами. Изменения спецификации проходили повторную верификацию и разворачивались на железо менее чем за 48 часов, а при первом сбросе RTL на FPGA не было найдено ни одной ошибки. Единственный измеренный результат относится к FPGA-варианту Redwood Nano на плате AMD Versal VPK180: модель Qwen3-0.6B выдаёт 13 пиковых и 12,1 среднего токена в секунду.

Контекст

Классическое проектирование ASIC тянется годами и требует больших команд и бюджетов, а доля проектов, попадающих в цель с первой кремниевой пластины, снижается: по данным исследования Wilson Research и Siemens 2024 года, успешными оказываются лишь 14% проектов IC/ASIC, худший показатель за два десятилетия. Заявленный конвейер «спецификация → модель производительности → RTL → верификация → прошивка → ядра» бьёт именно в эту боль: верификация выступает единой целью для всех этапов, а не отдельной фазой в конце. Ранние демонстрации генерации железа моделями ИИ ограничивались учебными примерами вроде RISC-V-кодека, тогда как здесь заявлен полный стек боевого ускорителя. Авторы также сообщают, что модель Qwen, работающая на Redwood, помогала находить оптимизации для проектирования следующего поколения ускорителя.

Почему это важно для индустрии

Если конвейер ALP подтвердится, проектирование железа превратится из многолетнего проекта в итерируемый продуктовый процесс с циклом от спецификации до работающего железа, который измеряется сутками, а не годами. При двух архитекторах-спецификаторах на входе NRE и сроки входа в кастомный кремний падают на порядок, поэтому специализация чипа под конкретную нагрузку становится доступной не только гигантам с многолетними бюджетами, но и стартапам. Роль человека смещается к формулированию спецификации, а роль ИИ — к генерации, верификации и деплою. Стратегически сама возможность такого результата сдвигает ожидания инвесторов и инкумбентов и потенциально влияет на позиционирование EDA-вендоров Cadence и Synopsys, а также волны AI-чипстартапов.

Почему это важно для пользователей

Читателям-инженерам материал полезен прежде всего как референс методологии AI-генерации железа: статья короткая, семь страниц и пятнадцать рисунков, архитектура тайлов описана детально. Прикладной пользы в моменте нет: доступа к Redwood и ALP нет, как и продукта, цен, API и тулчейна. Проверить заявленное руками уже сейчас частично возможно: плата AMD Versal VPK180 коммерчески доступна, поэтому при публикации RTL и ядер FPGA-результаты смогут повторить независимые команды. Для конечных пользователей это заявка на будущее: специализированные ускорители с низкой задержкой и низким энергопотреблением в нишевых устройствах, то есть роботах, дронах и edge-датчиках, где аппаратная итерация встраивается в продуктовые спринты.

Что пока неизвестно / ограничения

Все ключевые цифры заявлены самим Architect Labs, независимого подтверждения нет: обсуждение на Hacker News на момент замера состояло из одного пункта и нуля комментариев. Характеристики кремния — пропускная способность выше в 1,75 раза и энергопотребление ниже в 1,9 раза против Jetson Orin Nano — получены проекцией на техпроцесс Samsung 8 нм, а не измерением реального чипа, и корректно читать их как гипотезу для проверки, а не свержение NVIDIA. Формулировка о первом production-worthy ускорителе, спроектированном ИИ от начала до конца, остаётся заявкой авторов, а не независимо проверенным фактом. Тезис о рекурсивном самоулучшении опирается на самоотчёт без контрфактического базлайна: измеримого улучшения между итерациями проектирования в источниках не предъявлено. О доступности RTL, планах tape-out и сроках появления реального кремния сообщений пока нет.

Источники

Автор

Look at AI, редакция