允中 发自 凹非寺
量子位 | 公众号 QbitAI
当所有人在讲AI for EDA的故事，论芯先跑进了产线
芯片设计的复杂度每两年翻一番，但有一个环节的效率几乎没变过——读文档
SoC验证工程师，在写下第一行代码之前，往往要花几周甚至几个月，把几百上千页的协议规范读完、读透、理清楚。
任何一处遗漏，都可能导致验证覆盖不全，最终的代价是respin——一次流片失败，几百万美金和几个月周期归零
EDA工具进化了几十年，综合工具替代了手工逻辑优化，布局布线工具替代了手工版图设计，仿真工具替代了手工波形检查。但“读文档、定策略、写验证”这一层，几十年来始终没有被工具化。
论芯科技已经在真实产线上给出了答案。
论芯的系统做的事情，一句话概括：拿到一份芯片协议文档，自动输出可用的验证代码
在一次客户的实际验证任务中，系统跑出了三组值得注意的结果：
这不是实验室里的数字，是在客户的真实项目里跑出来的。论芯目前已在多家客户的真实项目中完成部署。
答案藏在创始团队的经历里。
论芯创始人何卓论做AI与EDA的交叉领域已经近十年。北大本科毕业后留校读博，中途退学，去香港中文大学从头再来。他原本甚至打算博士毕业后回高中当一名信息学竞赛老师，但在真正深入产业一线后，他改变了想法。
△论芯科技创始人何卓论
不同于大多数这个方向的研究者，他几乎在链条上的每个位置都待过：做过EDA工具开发，做过EDA工具中的AI算法，也做过跑AI算法的芯片设计。
横跨多个角色的经历让他得出了一个在学术圈不太主流的判断：
AI for EDA最大的问题不是模型不够强，而是做方法论的人不懂业务场景，做业务的人没有足够的方法论储备。两边之间有一条巨大的鸿沟。学术界发了大量论文，绝大多数停在proof of concept阶段，离工程师真正用起来还差得远。
何卓论要填的就是这个gap。于是他创办了论芯。
蒲渊是论芯的联合创始人兼CTO。在香港中文大学读博的第一年，他就连续以第一作者身份拿到三个EDA顶会的最佳论文提名，并提前完成了毕业要求——这样的节奏在学术界极为罕见。但他没有选择继续在学术界积累履历，而是在博士早期就加入论芯，把精力投入技术的产品化落地。
△论芯科技联合创始人兼CTO蒲渊
一个看得到业务全局的人，加一个能把技术打穿的人——论芯的核心就是这么搭起来的。
围绕这个核心，论芯搭建了一支兼具芯片领域知识和AI工程能力的团队。AI中台和智能体方向的负责人均来自AI行业一线，有成熟的大模型产品化和系统落地经验。这让论芯在技术路线上不是从学术论文出发去找场景，而是从工程实践出发去定义技术架构。
正是这样的团队，决定了论芯的技术路线走法跟“拿GPT或开源模型直接挂一个RAG”有本质区别
RAG解决的是检索问题，给模型喂相关段落，让它回答问题。但芯片验证不是问答，它是一个工程问题。
一份几百页的spec里，时序要求散落在第三章，异常处理逻辑藏在第七章的附录里，跨模块的依赖关系要对着三份不同的文档交叉比对——同一个功能点的约束条件可能散落在十几个不同章节。
人类工程师靠经验和记忆力把它们关联起来，论芯的系统靠一套从芯片领域基础知识中进化出来的知识图谱
具体来说，一份spec文档进入系统后，首先被自动解析，随后组织成一张知识图谱。这张图谱的schema不是人为定义的静态模板，而是能适应不同协议、不同架构的文档结构。知识图谱不仅汇聚信息，还能自动识别文档内部的冲突和不一致，而这些恰恰是人工阅读中最容易遗漏的。
知识图谱之上，大语言模型作为推理引擎，结合任务相关的上下文，根据验证策略自动生成下游所需的产物：覆盖模型、测试平台、测试pattern。
从文档到可执行的验证代码，整条链路被打通。
用何卓论的话说：“我们不是在做一个AI模型，是在做一个能嵌入工程师工作流的工具。模型是引擎，但引擎不是汽车。”
AI for EDA是一个正在快速升温的方向，整个行业正在形成共识：AI会深刻改变芯片设计的流程。
在这个共识之下，真正决定一家公司位置的，不是叙事本身，而是谁先把技术落进客户的产线、拿到可验证的结果。
论芯选择的路径很明确：先在最痛的场景里证明自己，用结果建立信任，再向平台扩展
验证是入口，平台是目标。
一个AI原生的、能够包住EDA工具链的平台，让芯片设计流程中每一个依赖人力经验的环节，逐步被系统化、自动化。从文档理解到验证生成，从验证到设计流程的更多节点，论芯要做的是一层一层地把AI能力铺进去。
这件事没有捷径，只能一个场景一个场景磨出来。论芯已经磨出了第一个。