【编者按】在AI浪潮席卷全球的今天，芯片作为算力的基石，其设计效率正成为制约技术突破的关键瓶颈。两位斯坦福出身的AI天才——安娜·戈迪与阿扎莉亚·米尔霍塞尼，以近乎传奇的职场同步率，从谷歌大脑到Anthropic再携手创业，用“阿尔法芯片”项目证明了AI可将芯片设计周期从数年压缩至数小时。如今他们创立的Ricursive Intelligence，正将这项颠覆性技术产品化，让AI为各类芯片提供自动化设计。这不仅是效率革命，更可能成为实现通用人工智能的关键推手——当AI学会为自己设计“大脑”，算力爆发与资源节约的双重奇迹或将同时降临。以下是他们的故事：

　　初创公司Ricursive Intelligence的两位联合创始人，仿佛命中注定就要并肩创业。

　　CEO安娜·戈迪和CTO阿扎莉亚·米尔霍塞尼在AI圈内名声赫赫，戈迪笑着对TechCrunch透露：“我们属于那群‘收到过扎克伯格发来疯狂邀约邮件的AI工程师’。”（当然他们没接受邀请。）二人曾共同效力于谷歌大脑，也是Anthropic的早期成员。

　　她们在谷歌凭借“阿尔法芯片”一举成名——这款AI工具能在几小时内生成优质的芯片布局方案，而传统人工设计往往需耗时一年以上。该工具已助力谷歌三代张量处理单元（TPU）的设计。

　　如此耀眼的履历解释了为何Ricursive成立仅四个月，就在上月宣布完成3亿美元A轮融资，估值达40亿美元，由光速资本领投。而这距离红杉领投的3500万美元种子轮融资，才过去短短数月。

　　Ricursive专注开发用于芯片设计的AI工具，而非直接生产芯片。这使她们与几乎所有其他AI芯片初创公司截然不同：她们并非英伟达的潜在竞争对手。事实上，英伟达正是其投资方之一。这家GPU巨头，连同AMD、英特尔等所有芯片制造商，都是Ricursive的目标客户。

　　“我们的目标是让任何芯片——无论是定制芯片还是传统芯片——都能以自动化且高度加速的方式制造。我们正运用AI实现这一愿景。”米尔霍塞尼告诉TechCrunch。

　　她们的缘分始于斯坦福：戈迪攻读博士学位时，米尔霍塞尼正在该校讲授计算机科学课程。自此，两人的职业生涯如同镜像般同步。“我们同一天加入谷歌大脑，同一天离开；同一天加入Anthropic，又同一天离开；同一天重返谷歌，再次同一天离职。最后，我们在同一天共同创立了这家公司。”戈迪回忆道。

　　在谷歌共事期间，这对搭档亲密无间，甚至一起进行循环训练健身。著名的谷歌工程师、她们的合作伙伴杰夫·迪恩敏锐地捕捉到了双关趣味，将她们的阿尔法芯片项目戏称为“芯片循环训练”——巧妙融入了她们的健身日常。在内部，两人也获得了“A&A”的昵称。

　　阿尔法芯片为她们赢得了业界瞩目，但也引发了争议。《连线》杂志曾报道，2022年她们在谷歌的一位同事被解雇，原因是他多年来一直试图贬低A&A的芯片研究成果——尽管该成果已被用于打造谷歌一些至关重要的、押注公司未来的AI芯片。

　　她们在谷歌大脑的阿尔法芯片项目，验证了后来Ricursive的核心理念：利用AI极大加速芯片设计。

　　问题在于，计算机芯片的硅晶圆上集成了数百万至数十亿个逻辑门元件。人工设计师需耗费一年甚至更长时间布局这些元件，以确保性能、功耗优化及其他设计需求。可以想象，以数字方式精准确定如此微小元件的位置，难度极高。

　　戈迪表示，阿尔法芯片“能在约六小时内生成极高质量的布局方案。这种方法最酷的一点在于，它真的能从经验中学习”。

　　她们AI芯片设计工作的基础，是使用“奖励信号”评估设计优劣。戈迪解释说，智能体会根据评分“更新其深度神经网络的参数以不断优化”。在完成数千次设计后，智能体变得极为出色。创始人们称，随着学习深入，它的速度也越来越快。

　　Ricursive的平台将这一理念推向更深层次。戈迪指出，她们正在构建的AI芯片设计师将“跨芯片学习”。因此，每设计一款芯片，都会让它为下一款芯片的设计积累更多经验。

　　Ricursive的平台还利用了大语言模型（LLM），并将处理从元件布局到设计验证的全流程。任何制造电子产品、需要芯片的公司都是其目标客户。

　　如果她们的平台能证明其价值（这似乎已成定局），Ricursive或将在实现通用人工智能（AGI）这一宏伟目标中扮演重要角色。事实上，她们的终极愿景是设计AI芯片，这意味着AI将能为自己设计“计算机大脑”。

　　“芯片是AI的燃料，”戈迪说，“我认为，打造更强大的芯片是推进这一前沿领域的最佳途径。”

　　米尔霍塞尼补充道，漫长的芯片设计过程正制约着AI的发展速度。“我们相信，我们也能推动模型与为其提供算力的芯片快速协同进化。”她说。这样，AI就能以更快的速度变得更聪明。

　　如果AI以日益增长的速度为自己设计“大脑”的设想，让你联想到“天网”和“终结者”，创始人们指出，还有一个更积极、更直接且她们认为更可能实现的益处：硬件效率。

　　当AI实验室能够设计出能效高得多的芯片（并最终设计所有底层硬件）时，其发展将不必消耗如此巨量的全球资源。

　　“我们可以设计出特别适配某种模型的计算机架构，从而在总拥有成本上实现近10倍的性能提升。”戈迪表示。

　　尽管这家年轻的初创公司未透露其早期客户姓名，但创始人们表示，她们已与所有你能想到的芯片制造巨头接洽。不出所料，她们也能从容选择首批开发合作伙伴。