Ricursive 主打 AI 模型與晶片設計共同演化

Ricursive Intelligence 正將自己定位為一家希望透過改變晶片設計方式，來降低運算資源日益吃緊壓力的公司。不同於把晶片開發視為緩慢且彼此切割的工程流程，這家新創表示，它正在打造能夠設計晶片的 AI 系統，並且讓系統能從每一次設計迭代中學習，再用這些經驗改善下一輪成果。依照公司說法，它更長期的企圖還不止於此：進一步讓 AI 模型與其運行的硬體一起共同演化，使雙方彼此提供回饋、相互塑造。

這個願景出自創辦人 Anna Goldie 與 Azalia Mirhoseini，她們先前都曾主導 Google 的 AlphaChip 專案。根據 EE Times，Ricursive 由 AlphaChip 的兩位負責人共同創立，且已募得 3.35 億美元資金。TechCrunch 則引述兩位創辦人在 TechCrunch Disrupt 舞台上的說法，指出該公司押注更有效率的晶片設計，可能有助於處理 Goldie 所稱即將到來的運算危機。報導所呈現的動機相當直接：外界普遍預期運算需求將大幅攀升，而如果只是單純倍增資料中心容量，未必會是切實可行的解法。

從 AlphaChip 延伸到更廣泛的設計主張

兩位創辦人在這個領域的可信度，很大程度建立在她們過去的工作之上。EE Times 指出，於 2018 年開發的 AlphaChip，是最早把強化學習方法用來解決真實世界工程問題的案例之一。它曾被用於 Google TPU 四個世代的巨集配置，而根據同一來源，外部企業包括 MediaTek 也曾採用。TechCrunch 則補充了一個創辦人經常引用的例子：一種環形、也就是「甜甜圈形」的晶片元件配置方式，最初曾讓工程師感到意外，但後來被呈現為成功的成果。

Ricursive 表示，它目前的工作已經超越先前那個專案。EE Times 報導，Goldie 說公司如今處理的晶片設計流程範圍，比 AlphaChip 更廣；它認為自己可達到的效能改善更高，速度也更快。同一篇報導也提到，Goldie 確認 Ricursive 不會授權使用，也不會採用 Google 的智慧財產。這個區別相當重要，因為該公司正試圖把自己定位為可橫跨整個產業運作的獨立平台，而不是 Alphabet 的延伸。

兩個消息來源對公司的核心論點大致一致：AI 可以透過搜尋人類團隊或標準流程未必容易探索的設計空間，挑戰傳統晶片設計方法。TechCrunch 表示，創辦人是在最佳化整顆晶片，而不是先把晶片切分成數十個較小區塊後各自處理；她們認為，這能讓 AI 產生更複雜的版圖，包括類似波浪的圖樣。這被描述為偏離傳統方法的一種作法，不過兩家媒體都沒有提供可獨立驗證其效益的基準數據。

分階段推進：從服務模式走向端到端自動化

EE Times 對 Ricursive 路線圖的描述最為詳細，並將其整理為三個階段。第一階段，該公司表示將承接晶片公司部分設計工作，重點放在加快實體設計與設計驗證。其明確目標，是縮短從架構定義走到 GDSII 的路徑；GDSII 是用於產出可供製造之版圖的格式。

• 第一階段：協助第三方處理晶片設計中的部分環節，尤其是實體設計與驗證。
• 第二階段：建立端到端模型，能夠讀入工作負載，並輸出可供製造的 GDSII 檔案。
• 第三階段：共同設計或共同演化模型、工作負載與硬體，可能也包含 Ricursive 自家的晶片與模型。

到了第二階段，依據 EE Times 的說法，Ricursive 想把這些步驟整合成一個端到端模型，直接以工作負載作為輸入，並輸出可投入製造的晶片設計。公司主張，這可能使快速打造符合特定工作負載的晶片成為實際可行的事情，尤其適用於 AI 加速器，但也不限於此。TechCrunch 以更簡單的方式呼應這個想法：如果晶片設計週期能從數個月縮短到大約一週，那麼對太空、AR、VR 或生物運算等應用來說，更多高度專用化的晶片在財務上就可能變得說得通。不過，這個時間表在報導中是由創辦人作為目標提出，來源並未顯示 Ricursive 已經證明自己能以該速度完成端到端晶片生成。

Ricursive 也試圖把自己與既有電子設計自動化領域區隔開來。EE Times 指出，創辦人強調，這家新創不是 EDA 公司，不會與 EDA 公司競爭，也不會使用標準的 EDA 工具鏈。相對地，她們將自身工作描述為端到端晶片設計。這樣的表述相當大膽，因為它意味著公司不只是想最佳化某個子問題，而是要重塑晶片從工作負載需求一路走到可製造版圖的整體流程。

這場主張的核心：共同演化構想

該公司最具辨識度的主張，或許就是它在第三階段提出的願景。EE Times 表示，Ricursive 最終希望模型、工作負載與硬體能被緊密地共同設計。其核心論點是，如果運算架構能針對模型架構進行客製化，就可能帶來大幅效能提升；但前提是實作週期必須夠快，快到硬體不會在完成之前就已落伍。按照這種說法，客製晶片不只是最終產品的一種結果，而是預計用來加速模型開發本身的回饋迴路之一部分。

也正是在這裡，Ricursive 的敘事從一家晶片設計新創，進一步靠近前沿 AI 的敘事。EE Times 報導，Mirhoseini 表示：「這不是用於晶片設計的 AI，這就是 AI」，並把長期目標描述為打造一個前沿 AI 系統。公司稱，它正以一般可取得的網路資料、開源晶片資料以及合成資料來訓練模型。據報導，它也正與晶片公司合作，在真實設計上測試早期成果並蒐集回饋；同時，兩位創辦人也承認，開源晶片資料並不能代表商業設計的實際樣貌。

這套論述的核心，是創辦人所描述的一個近乎僵局的瓶頸。依照她們的看法，AI 研究人員會圍繞現有硬體限制來設計模型，而晶片製造方則必須提前數年去預判未來工作負載。Ricursive 的答案，就是用 Goldie 在 EE Times 引述中的說法，「大幅收緊那個迴路」。公司認為，如果這個迴路能夠縮短，無論是晶片架構或神經網路架構，都可能跳脫它眼中的局部最優解，走向截然不同的設計。

目前已知的部分，以及仍待釐清之處

這項已公開的策略輪廓相當清楚，但仍有數個產業層面的未知數。首先，兩家來源大多是在轉述創辦人對 Ricursive 想做什麼的說法；兩者都沒有提供獨立證據，證明完整的端到端方法已在量產環境中成立。第二，雖然公司表示自己正與晶片公司以及晶圓代工相關關係合作，幫助客戶把客製晶片做出來，但報導並未點名製造夥伴、tape-out 紀錄或客戶名稱。

第三，Ricursive 選擇把自己放在標準 EDA 工具鏈之外，這也帶來一些現實問題，而現有報導並未解答。如果公司不使用標準工具鏈，它仍然必須面對驗證、可製造性以及客戶信任等實務限制。根據 EE Times，創辦人主張，維持獨立身分會讓其他晶片製造商更願意分享資料；但市場是否接受這項命題，從目前來源中還看不出來。

另外，在承諾能做出不尋常版圖，與真正交付可廣泛製造的產品之間，也仍存在落差。TechCrunch 報導了關於非常規晶片圖樣與整晶片最佳化的說法，但文章同時指出，創辦人計畫未來再分享更多內容，這意味著部分技術證據尚未公開。換句話說，這套方法在對外宣布時展現了相當高的信心，但其中幾個最重要的證明點，看起來仍有待後續補上。

對企業而言，較實際的重點並不是 AI 設計晶片突然已準備好取代既有採購或工程規畫。根據這些來源，真正的變化在於，有一家新創正在提出另一種選項：如果某家公司已經有工作負載在大規模運行，但本身沒有內部晶片團隊，Ricursive 表示，它最終希望能協助把那樣的工作負載，更快轉化為客製硬體，速度快於傳統流程所能提供的節奏。若這條路走得通，可能會擴大專用晶片的取得機會，也可能縮短從軟體需求走到硬體落地的距離；但就現階段來看，企業較適合把它視為一項正在成形的產業提案，而不是已被確立的新標準。