Startup zajmujący się krzemem o nazwie Architect Labs twierdzi, że jego systemy sztucznej inteligencji odkryły, zaprojektowały i zweryfikowały nowy procesor ogólnego przeznaczenia od początku do końca — od zestawu instrukcji po ostateczny układ chipa. Układ o nazwie Frostbite został zaprezentowany w poście na blogu Architect Labs, będącym częścią Architect Silicon Inc. z 18 listopada 2026 r. Według firmy agenci sztucznej inteligencji wykonywali autonomiczne iteracje w kompilatorze, ISA, architekturze, mikroarchitekturze, RTL, weryfikacji i ostatecznym GDS – plikach układu używanych do produkcji chipów – bez żadnych wcześniejszych elementów architektonicznych dostarczonych przez człowieka.
Tytułowe twierdzenie jest uderzające: na zestawie 25 obciążeń, w tym 15 wstrzymanych do końcowej oceny, Frostbite osiągnął 4,59-krotną wielokrotność wydajności na wat w porównaniu z nowoczesnym, sprawdzonym krzemem, superskalarnym, podwójnym rdzeniem procesora, uporządkowanym w kolejności. Post natychmiast zwrócił uwagę Hacker News, gdzie w ciągu jednego dnia zebrał ponad 160 głosów „za”. Jeśli wyniki przetrwają niezależną analizę, znajdzie się to w tym roku wśród najważniejszych elementów sprzętu AI – dowód na to, że sztuczna inteligencja może zrobić więcej niż tylko pomagać projektantom chipów, a zamiast tego może tworzyć podstawowe architektury, których nie określił człowiek.
Dlaczego konwencjonalne procesory pozostawiają wydajność na stole
Argument Architect Labs zaczyna się od znanej diagnozy. Główne języki programowania skompilowane dla procesorów ogólnego przeznaczenia ukrywają zależności między częściami programu, ponieważ dowolny fragment kodu może czytać lub zapisywać dowolną zmienną poprzez współdzielony, zmienny stan. Dlatego sprzęt zakłada najgorszy przypadek i w czasie wykonywania musi na nowo odkryć, które instrukcje w rzeczywistości są od siebie zależne.
Jak zauważa firma, wydajność jednordzeniowa w dużej mierze zatrzymała się od początku XXI wieku, co popchnęło branżę w stronę dużych projektów wielordzeniowych w postaci procesorów Intel Xeon i AMD Zen. Utrzymywanie iluzji, że każdy rdzeń widzi tę samą pamięć – hierarchie pamięci podręcznej i protokoły spójności – kosztuje obszar i energię, a także słabo skaluje się.
Podstawą Frostbite jest inny model obliczeń: sieci interakcji. Program jest wykresem węzłów, a obliczenia polegają na przepisaniu par połączonych węzłów. Każde przepisanie dotyczy tylko małej lokalnej części wykresu. Każdy węzeł ma dokładnie jeden port główny, więc żadne dwie aktywne pary nigdy się nie nakładają — można je przepisać w dowolnej kolejności lub wszystkie na raz, a wynik jest zawsze taki sam. Sieci interakcji są również liniowe: każda wartość jest używana dokładnie raz, więc nie ma wspólnego, zmiennego stanu, którego sprzęt mógłby chronić.
Jak wynika z postu, język Vine może kompilować zwyczajnie wyglądające programy bezpośrednio do sieci interakcji, a firma twierdzi, że taki projekt zapewnia dwie duże zalety: równoległość pochodzącą bezpośrednio z programu, a nie z wątków i blokad, oraz dane przechowywane w małych pamięciach lokalnych obok miejsca, w którym są używane – eliminując znaczną część obszaru i mocy, jaką konwencjonalne chipy wydają na duże, spójne pamięci podręczne.
Blog ilustruje różnicę w przypadku problemu wyszukiwania pięciu królowych. Program w języku C++ przeszukuje drzewo wyszukiwania po jednym kandydacie na raz; równoważna sieć interakcji udostępnia całą niezależną pracę jednocześnie — 3183 interakcji ze ścieżką krytyczną składającą się tylko z 262 kroków, co oznacza, że na każdym kroku można uruchomić około dwanaście interakcji.
Twierdzenie — i jego zastrzeżenia
Metodologia benchmarku zasługuje na tyle uwagi, co liczba. Laboratorium Architect Labs wybrało 25 obciążeń pogrupowanych według sposobu, w jaki programy ujawniają pracę — wiele niezależnych elementów na raz, rundy pracy równoległej, długie łańcuchy sekwencyjne, gałęzie zależne od danych, rekurencja — i podzieliło je na zbiór wyszukiwania, względem którego dostrajają się agenci, oraz zbiór wstrzymanej oceny, aby pokazać, że projekt uogólnia się na programy, do których nigdy nie był dostrojony.
Jądra dla dekompozycji FFT, radixsort i LU są zgodne z pakietem testów porównawczych SPLASH-2, chociaż mają 64 razy mniejsze rozmiary, aby zapewnić wykonalność uruchomień eksploracyjnych. Później zespół dodał do udostępnionego zestawu pięć praktycznych zadań: filtr Kalmana, PCA, analiza elementów skończonych, rozwiązanie LU i dekompresja LZ4.
Ważne są dwa zastrzeżenia. Po pierwsze, punktem odniesienia dla porównania jest podwójny rdzeń superskalarny o uporządkowanym układzie — prosty i energooszczędny punkt konstrukcyjny, a nie ogromne, niesprawne rdzenie, które zasilają telefony i laptopy, więc wartości 4,59x nie należy odczytywać jako twierdzenia o pokonaniu najnowocześniejszych procesorów aplikacyjnych. Po drugie, Frostbite istnieje dziś na etapie GDS: kompletny, zweryfikowany projekt, gotowy do produkcji, ale jeszcze nie przetestowany, wysyłany kawałek krzemu. Sama firma określa wynik jako dowód „zwiększenia wydajności/W i wydajności/powierzchni w funkcji skokowej” na poziomie projektu.
Jak sztuczna inteligencja zbudowała chip
Opis procesu jest prawdopodobnie najbardziej nowatorską częścią ogłoszenia. Architect Labs twierdzi, że w całym projekcie uruchomiło wiele rojów agentów. Na etapie eksploracji agenci dokonali syntezy artykułów naukowych i istniejących testów porównawczych, zbudowali modele w języku Python, aby porównać pomysły architektoniczne wysokiego poziomu, i zawęzili pole do jednej koncepcji — tworząc 141-stronicowy plik PDF opisujący proponowany model programowania, czas wykonania i bloki chipów wysokiego poziomu.
Firma przyznaje, że dokument ten „nigdy nie przypominał ostatecznej architektury”: po ukończeniu pierwszej generacji RTL został usunięty, ponieważ wiele zawartych w nim szacunków „odbiegało od fizycznie możliwych”.
Na tej podstawie system zbudował pełny model oprogramowania chipa, korzystając z nowego, wewnętrznego języka specyfikacji o nazwie ASL, zapisując w nim model systemu Frostbite – „Arcmodel”. ASL obsługuje sprawdzalne maszynowo tłumaczenia i udoskonalenia między RTL, modelami systemów, UVM i SVA w oparciu o formalnie popartą specyfikację, a szacunki mocy i wydajności deklarowane są z dokładnością do 1–5%. Kiedy zespół później zbadał odkryte prymitywy architektoniczne, stwierdził, że był „zaskoczony znalezieniem nowatorskich implementacji sprzętu i funkcji środowiska wykonawczego, które w innym przypadku byłyby trudne do zaprojektowania”.
Od sekwoi do odmrożenia
Frostbite opiera się na poprzednim wyniku firmy, Redwood, w którym jej systemy AI – biorąc pod uwagę architekturę – wdrożyły, zweryfikowały i wdrożyły akcelerator wnioskowania w rekordowym czasie. Tym razem różnica polega na współprojektowaniu: zamiast wdrażać architekturę dostosowaną do potrzeb człowieka, systemy sztucznej inteligencji wspólnie ukształtowały zestaw instrukcji, mikroarchitekturę i kompilator, a przestrzeń projektowa, którą Architect Labs opisuje jako „tak dużą, że była wcześniej niedostępna”.
Zamykająca teza firmy jest ambitna: w miarę jak systemy AI stają się coraz bardziej wydajne, każda znana dziś klasa chipów – od procesorów klasy centrum danych po akceleratory AI, przełączniki sieciowe i karty sieciowe – przejdzie podobne fundamentalne zmiany w architekturze. To prognoza, a nie wynik, a niezależna weryfikacja liczb Frostbite jeszcze nie nastąpiła. Trudno jednak zignorować kierunek rozwoju: sztuczna inteligencja nie zajmuje się już tylko projektowaniem układów w architekturach zdefiniowanych przez człowieka. Zaczyna wymyślać same architektury.
---
Wyprzedź sztuczną inteligencjęOtrzymuj najnowsze wiadomości, analizy i przełomowe informacje dotyczące sztucznej inteligencji — wszystko w jednym miejscu.
Przeczytaj więcej aktualności o sztucznej inteligencji →