几十年来，射频集成电路设计一直被描述为“黑暗艺术”——这项技能只有通过多年的艰苦经验才能掌握。现在，普林斯顿大学的研究人员表示，人工智能正在学习这门艺术，并且在某些情况下超越了曾经垄断这门艺术的人类。

在 IEEE Spectrum 于 2026 年 6 月 24 日发布的一篇专题文章中，该团队详细介绍了如何使用机器学习方法从头开始生成射频集成电路 (RFIC)——让手机、汽车和卫星发送和接收无线信号的微型芯片。研究人员指出，最终的一些布局“看起来更像现代艺术，而不是电路布局”，但他们的物理原型在性能上超越了最先进的人类设计电路。 更多相关背景，请参阅我们的人工智能资讯。

然而，这一成就并不纯粹是美学上的。人工智能构思工作设计的时间比人类工程师所需的时间少几个数量级。

为什么射频芯片设计如此困难

与计算机中的中央处理单元 (CPU) 和图形芯片 (GPU) 不同，射频芯片无法通过标准化的算法流程进行设计。 RFIC 设计是一次跨多个物理领域的工程实践。

麦克斯韦方程控制电磁场如何与芯片上的有源和无源器件相互作用。与此同时，热力学定律决定了操作过程中如何产生和消除热量，而热膨胀力学则决定了芯片及其封装在温度波动下的可靠程度。同时考虑所有这些限制使得设计空间几乎不可能大到不可思议，每个决策都涉及相互竞争的优先级。

结果是，一个新的射频芯片设计可能需要数年时间和数千万到数亿美元才能完成。

危险的频率

风险很高，因为射频芯片几乎是所有无线技术的基础。典型 CPU 的晶体管在工作频率仅为几千兆赫时就会过热。相比之下，射频芯片的工作频率要高得多：5G 信号为 28 至 39 GHz，卫星通信为 26.5 至 40 GHz 及以上，汽车雷达为 77 GHz。

为了在这些频率下生存，射频芯片通过仔细的电磁设计巧妙地管理信号的能量。它采用复杂的金属元素网络的形式——几何形状规则，通常是对称的，而且如此精致，它们就像蕾丝般的金丝细工。这些无源结构（例如电感器和传输线）在芯片的空间中占据主导地位，占用的空间远大于晶体管本身。

人工智能如何解决这个问题

根据 IEEE Spectrum 报告，大约七年前，在 DeepMind 的 AlphaGo 于 2016 年战胜世界围棋冠军李世石之后，普林斯顿小组开始探索人工智能驱动的射频设计。这一突破促使该团队询问人工智能是否也可以教授射频设计的“黑暗艺术”。

答案越来越多地是肯定的。研究人员使用强化学习结合逆向设计从头开始快速创建 RFIC。该系统不是从人类模板开始，而是学习哪些结构产生所需的电磁行为。

最近，扩散模型（现代图像合成背后的生成人工智能系列）已被用于快速生成新颖的射频布局。这些模型可以产生故意狂野或更易于人类解释的设计，并且它们在大幅缩短设计时间的同时实现了创纪录的性能。

一个具体的例子说明了这种转变。为 5G 毫米波手机设计 28GHz 功率放大器的工程师传统上会从已建立的模板开始，并遵循对称、可理解的模式。摆脱了这些限制，人工智能可以探索人类永远无法绘制的设计，而且不需要人类可以理解的设计。

接下来会发生什么

研究人员警告说，该领域尚未达到完全自动化、按钮式射频设计的阶段。他们认为，未来的进步将取决于大型、共享的芯片设计数据集和更开放的生态系统，以便人工智能系统能够学习通用的电磁和电路行为，而不是狭窄的、实验室特定的模式。

如果这些构建模块到位，其影响将远远超出无线电芯片的范畴。普林斯顿大学团队认为，人工智能设计可能成为所有射频设计的未来，甚至可能成为更多的未来，并指出下一代无线技术，包括广泛的自动驾驶汽车、量子通信、6G 移动服务和先进的卫星网络。

对于一个单一设计周期可能耗费数年时间和九位数预算的行业来说，即使缩短一小部分时间也可能带来变革。随着人工智能设计的电路的性能越来越优于人造电路，射频工程长期存在的“黑暗艺术”可能最终会变成一门科学。

---

掌握AI最新动态

获取最新的AI新闻、分析和突破——尽在一处。

阅读更多AI新闻 →