Представляем агентную LLM для проектирования чипов

Компания ChipAgents представила Renoir — агентную большую языковую модель (LLM), название которой означает «обновление». На ранних тестах в задачах проектирования чипов Renoir превосходит базовую модель, на которой она обучалась, и сокращает затраты более чем вдвое. Кроме того, модель может работать полностью локально, что позволяет полупроводниковым компаниям ускорить разработку без ущерба для строгих требований безопасности.

01Зачем обучать собственную модель?

В ходе работы с существующими моделями — как закрытыми, так и открытыми — для задач проектирования полупроводников команда ChipAgents выявила три критических ограничения, которые Renoir призвана преодолеть:

• Нехватка данных. Публичных данных в этой области мало. В отличие от таких сфер, как разработка ПО, подавляющая часть ценных знаний в полупроводниковой индустрии находится внутри корпоративных «закрытых садов». Благодаря собственным методам сбора данных Renoir позволяет агентам шире применяться в проектировании аппаратного обеспечения.
• Требования безопасности при локальном развертывании. Для многих полупроводниковых компаний файлы проектов, интеллектуальная собственность и внутренние журналы отладки слишком чувствительны, чтобы отправлять их в сторонние облачные среды. Renoir позволяет запускать ИИ-модели в изолированной локальной среде. Теперь команды могут полностью контролировать развертывание, данные и политики безопасности.
• Локальный вывод без внешних зависимостей. Команды, использующие Renoir, могут работать без обращения к внешним API, что снижает задержки и затраты на токены по сравнению с облачными решениями. Хотя стоимость токенов для передовых моделей может со временем сильно меняться, операционные расходы Renoir более предсказуемы.

02Как обучали модель?

Renoir была дообучена на основе открытой большой языковой модели со смешанной архитектурой экспертов (MoE LLM) с использованием тщательно подобранной смеси публичных полупроводниковых данных и проприетарных данных, созданных в рамках обучающего стека ChipAgents.

• Сбор данных. Использовались как ручные, так и автоматизированные методы для сбора репозиториев аппаратного обеспечения, технической документации и открытых проектов чипов.
• Синтез данных. Были разработаны автоматические пайплайны генерации задач, которые превращают эти источники в приоритетные сценарии проектирования чипов. Особое внимание уделялось примерам, отражающим масштаб и сложность реальных инженерных задач. Проприетарная смесь данных охватывает такие темы, как генерация RTL, понимание спецификаций, отладка, генерация тестов, использование инструментов и другие.
• Дообучение. Модель дообучалась на большом многопоточном GPU-кластере; было проведено десятки экспериментов для выбора оптимального состава данных и конфигурации обучения.

03Результаты

На внутреннем наборе тестов для проектирования чипов, который включает генерацию RTL, локализацию ошибок и реализацию кода по спецификациям на естественном языке, Renoir приближается к уровню Claude Opus 4.6. При этом Renoir является Парето-оптимальной на границе стоимость-производительность по сравнению с Claude Opus 4.6.

Текущая модель была обучена с ограниченным бюджетом по данным, времени и вычислительным ресурсам, поэтому её следует рассматривать как пробную версию. Исследовательская группа ChipAgents ожидает, что с увеличением наборов данных и более длительным обучением производительность будет расти.

04Дальнейшие планы

Благодаря Renoir команды разработчиков чипов, которые ранее не могли использовать агентов на основе LLM из-за требований к защите интеллектуальной собственности, теперь получили надёжное локальное решение, обеспечивающее производительность на уровне передовых моделей при значительно меньших затратах. ChipAgents активно сотрудничает с партнёрами для обучения индивидуальных моделей на их данных. Оставаясь в пределах их «закрытых садов», Renoir вскоре может стать определяющей передовой агентной моделью для полупроводниковой отрасли.