Shopping cart

Subtotal $0.00

View cartCheckout

Building better devs

TnewsTnews
  • Home
  • IA
  • IA Criou uma CPU do Zero em 7nm (e Ela é 4.6x Mais Eficiente)
IA

IA Criou uma CPU do Zero em 7nm (e Ela é 4.6x Mais Eficiente)

Email : 7

IA Criou uma CPU do Zero em 7nm (e Ela é 4.6x Mais Eficiente)

Dois engenheiros e um enxame de agentes de IA acabam de projetar um processador inteiro, do compilador ao layout final de silício. O Frostbite não é só um chip otimizado por machine learning. É uma arquitetura completamente nova que nenhum humano teria desenhado.

O que é o Frostbite (e por que você deveria prestar atenção)

A Architect Labs, uma startup que até semana passada quase ninguém conhecia, largou uma bomba no mundo dos semicondutores: o Frostbite, uma CPU de propósito geral projetada do zero por inteligência artificial. Sem templates. Sem “pegar um ARM e otimizar”. Do zero.

O que torna isso diferente de tudo que já fizeram antes? A IA não recebeu nenhuma restrição arquitetural. Nenhum “comece com um pipeline superescalar”. Nenhum “use cache L1/L2/L3 assim”. Os agentes partiram de uma especificação formal escrita por humanos e exploraram o espaço de design livremente, chegando a uma arquitetura que não se parece com nada que existe hoje.

O resultado em simulação pré-silício: 4.59x mais performance por watt e 8.77x mais performance por área comparado com uma CPU convencional de referência. Tudo em processo de 7nm.

Eu sei o que você está pensando: “simulação não é silício”. E você está certo. Mas calma que a gente chega lá.

Interaction Nets: o modelo de computação que ninguém usava

Enquanto Intel, AMD e ARM gastam bilhões otimizando o mesmo modelo de CPU que existe desde os anos 60 (fetch, decode, execute, writeback), o Frostbite foi por outro caminho. Ele é baseado em interaction nets, um modelo matemático de computação criado pelo francês Yves Lafont em 1990.

A ideia é elegante: em vez de executar instruções sequenciais sobre memória compartilhada mutável, o programa é representado como um grafo onde a computação acontece por reescritas locais de nós conectados. Cada valor tem exatamente um dono. Cada dependência é explícita. Cada passo é local.

Na prática, isso significa que:

CPU Convencional Frostbite
— —
Pipeline sequencial com branch prediction Grid de tiles executando grafos em paralelo
Cache L1/L2/L3 com protocolos de coerência Memória local por tile, sem coerência
Paralelismo extraído pelo hardware (OoO) Paralelismo derivado da estrutura do programa
27% da energia gasta em fetch/decode/issue Apenas 6% da energia em fetch/decode/issue
Memória consome 57% da energia Memória consome 38% da energia

A vantagem fundamental? Interaction nets são inerentemente paralelas. Não precisa de sincronização entre operações independentes. É paralelismo de verdade, não aquele paralelismo “com asterisco” que a gente conhece de CPUs out-of-order.

Como a IA projetou o chip (passo a passo)

Aqui é onde fica interessante pra quem trabalha com IA. O processo de design do Frostbite não foi “pedir pro ChatGPT desenhar um chip”. Foi um pipeline de engenharia sério, com verificação formal e milhares de iterações.

A stack completa

A Architect Labs criou uma linguagem de especificação própria chamada ASL que traduz diretamente para o provador de teoremas Lean. Isso significa que cada bloco do chip tem contratos formais, verificáveis por máquina. São mais de 800 mil linhas de Lean formalizando 31 blocos do chip.

O fluxo funciona assim:


Especificação humana (ASL)
    ↓
Exploração por agentes (Python models + 25 workloads)
    ↓
Propostas arquiteturais (swarms paralelos)
    ↓
Verificação formal (Lean theorem prover)
    ↓
RTL gerado por IA
    ↓
Verificação UVM + SystemVerilog
    ↓
Síntese (800 MHz) → Layout GDS (500 MHz final)

Os números do processo

Os agentes testaram 58 ideias arquiteturais diferentes em quatro rodadas de busca. Dessas 58, mantiveram 37 que passaram na verificação e melhoraram performance. Cada ideia foi avaliada contra 25 categorias de workloads.

E aqui vem o dado que me fez parar pra ler duas vezes: 100% do RTL, dos ambientes de verificação UVM, da verificação formal, do firmware, dos drivers e dos kernels de computação customizados foram gerados pela IA. Os dois engenheiros humanos escreveram a especificação inicial e supervisaram o processo. Só.

O modelo de software (Arcmodel)

Para não precisar rodar síntese a cada iteração, a equipe criou o Arcmodel, um modelo em software do chip calibrado para ficar dentro de 1 a 5% de precisão em relação ao RTL real. Isso permitiu que os agentes testassem milhares de variações em tempo viável.

Work Stealing: o comportamento que ninguém programou

Essa é, pra mim, a parte mais fascinante do paper. O Frostbite usa um grid de tiles (na configuração completa, um array 4×4). Cada tile tem seu próprio front-end, engine de execução, memória local, gerenciador de frames, scheduler e fila de trabalho. Pense em cada tile como um mini-processador autônomo conectado aos vizinhos por uma rede mesh.

Os tiles seguem três regras simples:

  1. Execute o trabalho local primeiro
  2. Se estiver ocioso, roube trabalho de vizinhos que tenham tarefas sobrando
  3. Se não houver trabalho para ninguém, desligue para economizar energia

Esse comportamento de work stealing “nunca foi especificado por nenhum humano”, segundo a Architect Labs. Ele emergiu naturalmente durante a otimização de performance. A IA descobriu sozinha que distribuir trabalho dinamicamente entre tiles era a melhor estratégia.

Se você já trabalhou com runtime systems (tipo o scheduler do Go ou o work-stealing do Tokio em Rust), sabe que esse é um problema difícil que times inteiros passam anos refinando. A IA chegou na mesma solução por pura otimização numérica.

E o detalhe que faz engenheiros de hardware perderem o sono: o work stealing no Frostbite acontece no nível do hardware, não do software. Em Go, o runtime distribui goroutines entre threads do OS. No Tokio, o executor redistribui futures entre worker threads. Nos dois casos, existe overhead de software. No Frostbite, a redistribuição é feita diretamente pelo circuito, com latência de poucos ciclos. É como se o processador tivesse um instinto de sobrevivência embutido: se não está fazendo nada, vai procurar o que fazer.

A linguagem Vine e a compilação para Ivy

Para programar o Frostbite, a Architect Labs criou o Vine, uma linguagem com sintaxe parecida com Rust. Programas em Vine compilam para Ivy, uma representação intermediária que codifica a estrutura de interaction nets.

O runtime então deriva o paralelismo a partir do estado do programa e distribui espacialmente entre os tiles, em vez de usar pipelining temporal como CPUs tradicionais.


// Exemplo conceitual de Vine (sintaxe Rust-like)
fn matrix_multiply(a: Matrix, b: Matrix) -> Matrix {
    // O compilador identifica as dependências
    // e gera um grafo de interaction nets
    // O hardware distribui automaticamente entre tiles
    a.rows().map(|row| {
        b.cols().map(|col| dot_product(row, col))
    }).collect()
}

A ideia é que o programador escreva código relativamente normal e o compilador + hardware cuidem de extrair todo o paralelismo possível. Sem #pragma omp parallel, sem std::thread, sem goroutines. O paralelismo vem da estrutura do programa, não de anotações manuais.

Os benchmarks (com um asterisco gigante)

Os números são impressionantes, mas precisam de contexto:

Workload Speedup vs CPU Convencional
— —
conv2d (convolução) 23.12x
gemm (multiplicação de matrizes) Alto (paralelo)
radixsort Alto (paralelo)
FFT Moderado (staged)
BFS (busca em grafo) Moderado (staged)
SHA256 Moderado (sequencial)
JSON parsing Moderado (branching)
LZ4 compressão Moderado (branching)
Fibonacci recursivo 1.15x

A média geométrica de 4.59x é puxada pelos workloads paralelos, como esperado. O Fibonacci recursivo, que é essencialmente sequencial, mal empata. Isso faz sentido: a vantagem do Frostbite vem justamente da capacidade de explorar paralelismo que CPUs convencionais não conseguem.

Foram 25 workloads no total: 10 usados durante a otimização (6.02x de vantagem) e 15 “held-out” que a IA nunca viu durante o design (3.83x de vantagem). O fato de os workloads held-out ainda mostrarem ganho significativo sugere que a arquitetura generaliza, não apenas overfittou nos benchmarks de treino.

O Frostbite Quad

A configuração testada é o “Frostbite Quad”, um grid 2×2 de tiles ocupando 0.792 mm² em 7nm. A CPU de referência ocupa 0.895 mm² no mesmo processo. Ou seja, o Frostbite é menor e mais eficiente.

Clock? 500 MHz no layout final (800 MHz na síntese). Parece pouco comparado com os 5+ GHz de um Intel ou AMD moderno, mas clock não é tudo quando sua arquitetura faz mais trabalho útil por ciclo.

O elefante na sala: cadê o silício?

Agora o balde de água fria. Tudo isso são simulações pré-silício. Nenhum transistor do Frostbite foi fabricado. Nenhum chip real existe.

E tem mais: a CPU de referência usada nos benchmarks não foi identificada. A Architect Labs disse que não pode revelar “por razões legais”. Isso é um red flag pra muita gente na comunidade de hardware. Contra quem exatamente o Frostbite está sendo comparado? Um core in-order simples? Um superescalar out-of-order moderno? Um RISC-V acadêmico? A resposta muda completamente a interpretação dos 4.59x.

Quem acompanha a indústria de semicondutores sabe que a distância entre simulação e silício real pode ser enorme. Efeitos térmicos, variações de processo, problemas de yield, latências de interconnect em escala maior, tudo isso só aparece quando o chip é fabricado de verdade.

A própria Architect Labs admitiu que sua primeira tentativa, um documento de 141 páginas gerado pelos modelos, foi descartada porque “muitas estimativas estavam longe do que o silício permite”. Ou seja, a IA já errou feio uma vez nesse projeto. A segunda tentativa pode estar mais calibrada, mas até ter silício real, ninguém sabe.

Outro ponto que a comunidade levantou: o Frostbite roda a 500 MHz. CPUs modernas da Intel e AMD passam de 5 GHz. Sim, clock não é tudo, e sim, o Frostbite faz mais trabalho por ciclo. Mas quando você precisa de latência baixa em tarefas single-threaded (tipo compilação, scripts, lógica de negócio sequencial), clock ainda importa muito. O resultado de 1.15x no Fibonacci é a prova disso.

Então sim, os números são promissores. Mas o veredito, como sempre, pertence ao silício.

O que a Architect Labs planeja fazer agora

O roadmap publicado inclui:

  • Playground em FPGA para desenvolvedores testarem programas em Vine
  • Sistema operacional preliminar com gerenciamento de recursos
  • Scaling para configurações maiores e benchmarks contra SPEC e PARSEC
  • Release público do RTL e da ISA

Se eles realmente abrirem o RTL e a ISA, isso muda o jogo. Pesquisadores e engenheiros ao redor do mundo poderiam verificar as claims independentemente, portar workloads reais e encontrar os pontos fracos que simulações não mostram.

Por que isso importa (mesmo sem silício)

Independente de o Frostbite chegar ao mercado ou não, o que a Architect Labs demonstrou é significativo por três razões:

Primeiro, a IA explorou um espaço de design que humanos não explorariam. Interaction nets existem desde 1990 e ninguém tinha tentado usá-las como base para uma CPU de propósito geral. Foram necessários agentes sem viés arquitetural para “redescobrir” esse modelo e aplicá-lo a hardware.

Segundo, comportamentos complexos como work stealing emergiram sem serem programados. Isso sugere que o design space de arquiteturas de CPU é muito maior do que a indústria explora, e que IA pode encontrar soluções que décadas de engenharia humana perderam.

Terceiro, o nível de automação é inédito. 100% do RTL gerado por IA com verificação formal, em um projeto de 800 mil linhas de provas em Lean. Isso não é prompt engineering. É engenharia de verdade com IA como ferramenta de exploração.

Enquanto Intel gasta US$ 20 bilhões em fábricas e AMD negocia wafers com a TSMC, duas pessoas e um enxame de agentes criaram uma arquitetura que, pelo menos em simulação, supera o que bilhões de dólares e milhares de engenheiros produziram em décadas.

A Architect Labs não é a única nessa corrida. A Google já usou IA para otimizar o layout de TPUs em 2021. A startup Tendrils levantou 26 milhões de euros em novembro de 2026 para construir CPUs com milhares de cores baseados (adivinhe) em interaction nets. A teoria de Lafont de 1990 está tendo um renascimento improvável 36 anos depois, impulsionada por IA.

Se o Frostbite funcionar em silício, não muda só o mercado de CPUs. Muda como projetamos hardware. Muda o papel do engenheiro de chip de “designer” para “especificador e revisor”. Muda a barreira de entrada para criar processadores customizados. E se não funcionar? Pelo menos mostrou que o espaço de design é muito maior do que imaginávamos, e que vale a pena explorar com agentes autônomos.

O código-fonte do blog post da Architect Labs e os detalhes técnicos estão em architectlabs.com/blog/frostbite. Vale a leitura completa, especialmente se você trabalha com compiladores, arquitetura de computadores ou sistemas distribuídos.


Fonte de inspiração: Frostbite: A new CPU architecture discovered, designed and verified by AI (Architect Labs)

Leave a Reply

Your email address will not be published. Required fields are marked *

Related Posts