王威廉最新創(chuàng)業(yè)項目：世界上第一個用于芯片設(shè)計和驗證的 AI 智能體來了

今年 AI 智能體簡直火得不行，各種初創(chuàng)公司像雨后春筍般冒出，光是 Y Combinator 一家今年就已經(jīng)投資了 94 家相關(guān)初創(chuàng)公司。

怪不得吳恩達(dá)說：“AI 智能體工作流程將在今年推動 AI 的巨大進步——甚至可能超過下一代基礎(chǔ)模型。這是一個重要的趨勢，我呼吁所有從事 AI 工作的人都關(guān)注它。”

雷峰網(wǎng)注意到，最近又有一家公司高調(diào)登場——這次是要在半導(dǎo)體領(lǐng)域搞事情。

這家名為 Alpha Design AI 的初創(chuàng)公司由王威廉創(chuàng)立，目標(biāo)是顛覆傳統(tǒng)的芯片設(shè)計和驗證流程，打造出一套原生的人工智能電子設(shè)計自動化（EDA）系統(tǒng)。

目前，Alpha Design AI 已經(jīng)完成了由 ScOp Venture Capital 領(lǐng)投的種子融資，成功籌集 309 萬美元，其他投資方還包括 Impact Assets、Amino Capital 以及多位半導(dǎo)體領(lǐng)域的高管和天使投資人。

在這筆投資的加持下，Alpha Design AI 的旗艦產(chǎn)品 ChipAgents 得以快速上線，這也是世界上第一個用于芯片設(shè)計和驗證的 AI 智能體。

憑借頂尖的生成式 AI 技術(shù)，ChipAgents 能夠無縫分析和生成 RTL 設(shè)計規(guī)范和代碼，還能搞定 Verilog 編寫，測試平臺的自動搭建更是不在話下，徹底擺脫手工編程的束縛。

而且，ChipAgents還能從仿真中實時學(xué)習(xí)，自主驗證和調(diào)試代碼，確保測試的全面性和質(zhì)量，堪稱一站式解決方案。

ChipAgents 通過大幅縮短設(shè)計和驗證周期，加快了上市時間，降低了開發(fā)成本，最終目標(biāo)是將 RTL 設(shè)計和驗證效率提高 10 倍，用更智能、更高效的芯片設(shè)計推動跨行業(yè)創(chuàng)新。

正如創(chuàng)始人兼首席執(zhí)行官王威廉所說：“ChipAgents 標(biāo)志著半導(dǎo)體行業(yè)設(shè)計和驗證方式的關(guān)鍵轉(zhuǎn)變。我們相信 AI 代理是解決復(fù)雜 EDA 挑戰(zhàn)并更快地將創(chuàng)新推向市場的關(guān)鍵。”

技術(shù)團隊

Alpha Design AI 團隊的技術(shù)背景也同樣讓人驚嘆。

創(chuàng)始人王威廉就不說了，大語言模型和生成式人工智能領(lǐng)域的先鋒人物，現(xiàn)任加州大學(xué)圣塔芭芭拉分校人工智能梅利坎普教席教授，還被評為 IEEE 人工智能十大值得關(guān)注人物。

董事會成員 John Bowers 也是一位大牛，F(xiàn)red Kavli 納米技術(shù)講座教授、能源效率研究所所長，也是美國國家工程院院士。他有豐富的創(chuàng)業(yè)經(jīng)驗，擔(dān)任過 Quintessent 和 Aurrion 等多家公司的聯(lián)合創(chuàng)始人。

另一位董事會成員 Ivan Bercovich 在之前被亞馬遜收購的 Graphiq 擔(dān)任工程副總裁，在此期間專注研究自然語言理解和生成技術(shù)，極其擅長結(jié)構(gòu)化數(shù)據(jù)、對話系統(tǒng)和人機交互模型，現(xiàn)在是多家科技公司的董事會成員。

團隊里其他的成員也都是來自 NVIDIA、微軟、Meta、雅虎、Snowflake、Salesforce 和 NEC 等行業(yè)巨頭的資深人士，技術(shù)底蘊不容小覷。

Alpha Design AI 核心技術(shù)解讀：G?del Agent

最近 arxiv 收錄了一篇 AI 智能體的論文，論文提出了一種名為 G?del Agent 的框架，可以通過大型語言模型實現(xiàn)自主遞歸自我改進，能顯著提升任務(wù)表現(xiàn)，而且無需依賴人類設(shè)計的組件。

王威廉的名字赫然出現(xiàn)在了論文的作者欄里，而 ChipAgents 的一大賣點也是可以自主驗證和調(diào)試設(shè)計代碼，雷峰網(wǎng) (公眾號：雷峰網(wǎng)) 猜測 ?G?del Agent 或許和 ChipAgents 的基礎(chǔ)框架有關(guān)。

而且對比現(xiàn)有的智能體，只有 G?odel Agent 可以不受任何限制地遞歸地改進自身。手工設(shè)計的智能體依賴于范圍有限且勞動密集型的人類專業(yè)知識，元學(xué)習(xí)優(yōu)化智能體則受到了固定元學(xué)習(xí)算法的約束。

從論文內(nèi)容來看，G?del Agent 使用了“猴子補丁”的方法。

猴子補丁技術(shù)允許智能體在執(zhí)行過程中直接讀取和修改運行時內(nèi)存中自己的代碼，使其功能能夠?qū)崟r更新，而不受固定算法的限制。這種靈活性對智能體的自我改進能力至關(guān)重要。

核心功能

論文還提到了 G?del Agent 的其他幾項核心功能，包括：

比如通過檢查運行時內(nèi)存實現(xiàn)自我意識，動態(tài)代碼修改來完善自身邏輯，及其與環(huán)境互動等機制。這些功能讓 G?del Agent 可以像人一樣不斷學(xué)習(xí)、改進，甚至在每次遞歸迭代中變得更聰明。

• 通過檢查運行時內(nèi)存實現(xiàn)自我意識： G?del Agent 通過檢查運行時內(nèi)存，特別是 Python 中的局部和全局變量，來實現(xiàn)自我意識。這一能力使代理能夠提取和解釋構(gòu)成環(huán)境和代理自身的變量、函數(shù)和類，符合系統(tǒng)的模塊化結(jié)構(gòu)。通過自省這些元素，智能體獲得對自身操作狀態(tài)的理解，從而可以相應(yīng)地進行調(diào)整。

• 通過動態(tài)代碼修改實現(xiàn)自我完善： G?del Agent 能夠進行推理和規(guī)劃，以確定是否需要修改自身邏輯。如果認(rèn)為有必要進行修改，G?del Agent 會生成新代碼，動態(tài)地將其寫入運行時內(nèi)存，并將其集成到其操作邏輯中。這種動態(tài)修改使其能夠在面對新挑戰(zhàn)時，通過添加、替換或移除邏輯組件來進化，從而實現(xiàn)自我提升。

• 環(huán)境互動： 為了評估性能和收集反饋，G?del Agent 配備了與其環(huán)境互動的接口。每個任務(wù)都提供量身定制的環(huán)境接口，使其能夠評估性能并相應(yīng)地調(diào)整策略。這種互動是遞歸改進過程中的反饋循環(huán)的重要組成部分。

• 遞歸改進機制： 在每個時間步驟，G?del Agent 都會確定要執(zhí)行的操作序列，包括推理、決策和行動執(zhí)行。在完成操作后，G?del Agent 評估其邏輯是否有所改善，并決定是否繼續(xù)進行下一個遞歸迭代。隨著連續(xù)迭代，G?del Agent 的邏輯不斷演變，每一步都可能提升其決策能力。

• 目標(biāo)提示和任務(wù)處理： 目標(biāo)提示告知 G?del Agent 它擁有提升邏輯所需的權(quán)限，并介紹可用的改進工具。該提示鼓勵 ?G?del Agent 充分探索其潛力，并利用工具進行自我優(yōu)化。為了確保在不同任務(wù)中有效，為 G?del Agent 提供了一個初始策略，它將開始探索不同的策略，以分析其在優(yōu)化性能方面的效率。

綜合以上技術(shù)，理論上來說 G?del Agent 允許無限的自我改進，但目前的大型語言模型（LLMs）存在一些局限性。為了解決這些挑戰(zhàn)，論文整合了幾種支持機制來提升性能：

• 先思考后行動： G?del Agent 在采取行動之前進行推理，這樣可以輸出推理路徑和分析，而不是立即執(zhí)行操作。這種方法提高了決策質(zhì)量，優(yōu)先考慮規(guī)劃而不是魯莽行動。

• 錯誤處理機制： 執(zhí)行過程中的錯誤會導(dǎo)致智能體進程意外終止。為緩解這一問題，如果某項操作出現(xiàn)錯誤，G?del Agent 會停止當(dāng)前序列，進入下一個時間步驟，并將錯誤信息保存下來，以改進未來的決策。

• 附加工具： G?del Agent 還配備了其他潛在的有用工具，如執(zhí)行 Python 或 Bash 代碼和調(diào)用 LLM API 的能力。這些附加工具的加入加快了 G?del Agent 遞歸優(yōu)化過程的收斂速度。

雷峰網(wǎng)版權(quán)文章，未經(jīng)授權(quán)禁止轉(zhuǎn)載。詳情見 轉(zhuǎn)載須知 。