Sebuah startup silikon bernama Architect Labs mengatakan sistem AI-nya telah menemukan, merancang, dan memverifikasi CPU tujuan umum baru secara end-to-end — mulai dari kumpulan instruksi hingga tata letak chip akhir. Chip tersebut, bernama Frostbite, diluncurkan pada postingan blog tanggal 18 November 2026 oleh Architect Labs, bagian dari Architect Silicon Inc. Menurut perusahaan tersebut, agen AI melakukan iterasi secara mandiri pada compiler, ISA, arsitektur, mikroarsitektur, RTL, verifikasi, dan GDS akhir — file tata letak yang digunakan untuk pembuatan chip — tanpa adanya arsitektur sebelumnya yang dipasok manusia.
Klaim judulnya sangat mengejutkan: pada serangkaian 25 beban kerja, termasuk 15 beban kerja yang ditahan hingga evaluasi akhir, Frostbite mencapai kelipatan kinerja per watt sebesar 4,59x dibandingkan dengan inti CPU in-order edisi ganda superscalar modern yang telah terbukti silikon. Postingan tersebut langsung menarik perhatian Hacker News, yang mengumpulkan lebih dari 160 suara positif dalam sehari. Jika hasilnya lolos dari pengawasan independen, maka hal ini akan menjadi salah satu bagian paling penting dari cakupan perangkat keras AI tahun ini – bukti bahwa AI dapat melakukan lebih dari sekadar membantu perancang chip, dan sebaliknya dapat menciptakan arsitektur dasar yang tidak ditentukan oleh manusia.
Mengapa CPU Konvensional Meninggalkan Performa di Atas Meja
Argumen Architect Labs dimulai dengan diagnosis yang sudah dikenal. Bahasa pemrograman arus utama yang dikompilasi untuk CPU tujuan umum menyembunyikan ketergantungan antar bagian program, karena setiap bagian kode dapat membaca atau menulis variabel apa pun melalui keadaan bersama dan dapat diubah. Oleh karena itu, perangkat keras mengasumsikan kasus terburuk dan harus menemukan kembali, pada saat runtime, instruksi mana yang sebenarnya bergantung satu sama lain.
Kinerja single-core, menurut catatan perusahaan, sebagian besar terhenti sejak awal tahun 2000-an, mendorong industri menuju desain multicore besar seperti Intel Xeon dan AMD Zen. Mempertahankan ilusi bahwa setiap inti melihat memori yang sama — hierarki cache dan protokol koherensi — memerlukan area dan daya serta skala yang buruk.
Fondasi Frostbite adalah model komputasi yang berbeda: jaringan interaksi. Sebuah program adalah grafik node, dan komputasi terjadi dengan menulis ulang pasangan node yang terhubung. Setiap penulisan ulang hanya menyentuh sebagian kecil bagian lokal dari grafik. Setiap node memiliki tepat satu port utama, sehingga tidak ada dua pasangan aktif yang tumpang tindih — keduanya dapat ditulis ulang dalam urutan apa pun, atau sekaligus, dan hasilnya selalu sama. Jaring interaksi juga linier: setiap nilai digunakan tepat satu kali, sehingga tidak ada keadaan bersama yang dapat diubah yang harus dijaga oleh perangkat keras.
Menurut postingan tersebut, bahasa Vine dapat mengkompilasi program yang tampak biasa langsung ke jaringan interaksi, dan perusahaan mengatakan desain ini menghasilkan dua keuntungan besar: paralelisme yang berasal langsung dari program, bukan dari thread dan kunci, dan data yang tersimpan dalam memori lokal kecil di sebelah tempat data tersebut digunakan — menghilangkan sebagian besar area dan daya yang dihabiskan chip konvensional untuk cache yang besar dan koheren.
Blog mengilustrasikan perbedaannya dengan masalah pencarian lima ratu. Program C++ menelusuri pohon pencarian kandidat satu per satu; jaringan interaksi yang setara mengekspos semua pekerjaan independen sekaligus — 3.183 interaksi dengan jalur kritis hanya 262 langkah, yang berarti sekitar dua belas interaksi siap dijalankan di setiap langkah.
Klaim — dan Peringatannya
Metodologi benchmark patut mendapat perhatian yang sama besarnya dengan jumlahnya. Architect Labs memilih 25 beban kerja yang dikelompokkan berdasarkan cara program mengekspos pekerjaan — banyak bagian independen sekaligus, putaran pekerjaan paralel, rantai berurutan yang panjang, cabang yang bergantung pada data, rekursi — dan membaginya ke dalam kumpulan pencarian yang disetel oleh agen dan kumpulan evaluasi yang ditahan, untuk menunjukkan desain yang digeneralisasikan ke program yang tidak pernah disesuaikan.
Kernel untuk dekomposisi FFT, radixsort, dan LU mengikuti rangkaian benchmark SPLASH-2, meskipun ukurannya 64x lebih kecil agar eksplorasi tetap berjalan lancar. Tim kemudian menambahkan lima beban kerja praktis ke set yang telah disediakan: filter Kalman, PCA, analisis elemen hingga, penyelesaian LU, dan dekompresi LZ4.
Ada dua peringatan penting. Pertama, dasar perbandingannya adalah inti superscalar dengan isu ganda dan berurutan — sebuah titik desain yang sederhana dan hemat daya, bukan inti besar yang rusak yang biasa digunakan pada ponsel dan laptop, sehingga angka 4,59x tidak boleh dianggap sebagai klaim yang mengalahkan prosesor aplikasi tercanggih. Kedua, Frostbite saat ini ada pada tahap GDS: desain lengkap dan terverifikasi yang siap untuk fabrikasi, belum merupakan silikon yang diuji untuk pengiriman. Perusahaan itu sendiri membingkai hasilnya sebagai bukti "peningkatan fungsi bertahap dalam kinerja/W dan kinerja/area" pada tingkat desain.
Bagaimana AI Membuat Chip
Deskripsi proses bisa dibilang merupakan bagian paling baru dari pengumuman tersebut. Architect Labs mengatakan mereka menjalankan banyak agen di seluruh proyek. Dalam fase eksplorasi, agen menyatukan makalah penelitian dan tolok ukur yang ada, membuat model Python untuk menukar ide arsitektur tingkat tinggi, dan mempersempit bidang tersebut menjadi satu konsep — menghasilkan PDF setebal 141 halaman yang menjelaskan model pemrograman yang diusulkan, waktu proses, dan blok chip tingkat tinggi.
Dokumen tersebut, diakui oleh perusahaan, "jauh dari arsitektur final": setelah generasi RTL pertama selesai, dokumen tersebut dihapus, karena banyak dari perkiraannya "melebihi apa yang mungkin secara fisik".
Dari sana, sistem membangun model perangkat lunak lengkap dari chip tersebut menggunakan bahasa spesifikasi internal baru yang disebut ASL, dengan menulis model sistem Frostbite — "Arcmodel" — di dalamnya. ASL mendukung terjemahan dan penyempurnaan yang dapat diperiksa mesin antara pernyataan RTL, model sistem, UVM, dan SVA terhadap spesifikasi yang didukung secara formal, dan perkiraan daya serta kinerjanya diklaim akurat dalam kisaran 1-5%. Ketika tim kemudian memeriksa arsitektur primitif yang ditemukan, mereka melaporkan bahwa mereka "terkejut menemukan implementasi perangkat keras baru dan fitur runtime yang mungkin sulit untuk dirancang."
Dari Redwood hingga Frostbite
Frostbite dikembangkan berdasarkan hasil perusahaan sebelumnya, Redwood, di mana sistem AI-nya — berdasarkan arsitekturnya — mengimplementasikan, memverifikasi, dan menerapkan akselerator inferensi dalam waktu singkat. Perbedaannya kali ini adalah desain bersama: alih-alih menerapkan arsitektur yang ditentukan manusia, sistem AI membentuk set instruksi, mikroarsitektur, dan kompiler secara bersamaan, sebuah ruang desain yang digambarkan oleh Architect Labs sebagai "begitu besar sehingga sebelumnya tidak dapat diakses."
Tesis penutup perusahaan ini sangat luas: seiring dengan semakin mumpuninya sistem AI, setiap kelas chip yang dikenal saat ini — mulai dari CPU kelas pusat data hingga akselerator AI, switch jaringan, dan NIC — akan mengalami perubahan arsitektur mendasar yang serupa. Ini hanyalah perkiraan, bukan hasil, dan validasi independen terhadap angka-angka Frostbite belum dilakukan. Namun arah perjalanannya sulit untuk diabaikan: AI tidak lagi hanya merancang tata letak dalam arsitektur yang ditentukan manusia. Ini mulai menciptakan arsitektur itu sendiri.
---
Tetap Terdepan dalam AIDapatkan berita, analisis, dan terobosan AI terkini — semuanya di satu tempat.
Baca berita AI selengkapnya →