Architect Labs afirma que agentes de inteligencia artificial diseñaron Frostbite, una CPU con una arquitectura y un conjunto de instrucciones nuevos. En simulaciones previas a la fabricación, su clúster de cuatro tiles registró 4,59 veces más rendimiento por vatio que un núcleo de comparación, aunque los resultados aún deben probarse en silicio.
***
- La compañía atribuye a Frostbite una ventaja media de 4,59 veces en rendimiento por vatio en 25 cargas de trabajo simuladas.
- El diseño expone el paralelismo desde el programa y utiliza tiles con memorias locales, en lugar de depender de mecanismos convencionales para descubrir tareas paralelas.
- La CPU no se ha fabricado; Architect Labs planea ampliar las comparaciones y publicar el RTL y el conjunto de instrucciones.
Una CPU diseñada con IA promete más eficiencia, pero aún no llega al silicio
Architect Labs, una startup de Palo Alto, asegura que sus sistemas de inteligencia artificial descubrieron, diseñaron y verificaron Frostbite, una CPU de propósito general con un conjunto de instrucciones nuevo. En pruebas de diseño simulado, un clúster de cuatro unidades de procesamiento, llamadas tiles, alcanzó en promedio 4,59 veces más rendimiento por vatio que un núcleo convencional de tamaño similar, según informó Tom’s Hardware.
La cifra no corresponde a un chip fabricado ni a una medición sobre hardware comercial. La compañía calculó el desempeño a partir de un diseño de 7 nanómetros aún no producido en silicio y comparó Frostbite con un núcleo de emisión dual y ejecución en orden, cuya identidad no reveló por razones legales. Por eso, los resultados describen una promesa de diseño, no una ventaja comprobada en un producto disponible.
Un diseño que hace explícito el paralelismo
La propuesta de Frostbite parte de una diferencia fundamental frente a muchas CPU convencionales: estas intentan identificar en tiempo de ejecución qué instrucciones dependen unas de otras y cuáles pueden avanzar simultáneamente. Ese trabajo requiere circuitos para buscar, decodificar y emitir instrucciones, además de mecanismos que gestionan la ejecución fuera de orden, con un costo en área y energía.
En los sistemas multinúcleo también entran en juego las cachés y los protocolos de coherencia, que mantienen consistente la vista de la memoria compartida entre los distintos núcleos. Architect Labs sostiene que ese enfoque puede escalar con dificultades y consumir recursos, por lo que diseñó Frostbite alrededor de otra idea: que el programa exponga de antemano el trabajo paralelo, sin recurrir a hilos, bloqueos ni hardware dedicado a descubrir esas dependencias durante la ejecución.
Los programas se compilan como redes de interacción, un modelo de computación propuesto en 1990 que representa el programa como un grafo de nodos. La computación ocurre al reescribir pares de nodos conectados y, según la descripción de la empresa, esos pares no se superponen; por eso pueden procesarse en distinto orden o simultáneamente sin alterar el resultado final.
El modelo también establece que cada valor se utiliza exactamente una vez, lo que permite mantener datos en memorias locales pequeñas en vez de depender de grandes cachés compartidas. Para ilustrar la diferencia, el equipo utilizó un problema de tablero de 5 por 5 casillas en el que hay que ubicar cinco reinas sin que puedan atacarse; una búsqueda convencional revisa tableros, mientras que la representación de Frostbite divide el trabajo en operaciones más pequeñas.
En ese ejemplo, la red de interacción genera 3.183 operaciones y la secuencia más larga que debe ejecutarse en orden tiene 262 pasos. La empresa calcula que, en promedio, unas 12 operaciones pueden estar listas para ejecutarse simultáneamente en cada paso, sin modificar el programa para introducir paralelismo, porque este ya estaría presente en la estructura de la búsqueda.
Qué muestran las pruebas y qué todavía no demuestran
La comparación central abarca 25 cargas de trabajo y toma como referencia un núcleo de tamaño similar, pero la compañía no identificó ese diseño por motivos legales. En el conjunto completo, Frostbite registró una media geométrica de 4,59 veces más rendimiento por vatio; en las 10 cargas utilizadas para ajustar el diseño, la ventaja fue de 6,02 veces.
Las otras 15 cargas se reservaron hasta la evaluación final y dieron una mejora media de 3,83 veces por vatio, un resultado relevante porque reduce el riesgo de que toda la cifra dependa de los casos empleados durante la optimización. Sin embargo, el rendimiento varió ampliamente entre pruebas: la conversión bidimensional de imágenes, identificada como conv2d, alcanzó 23,12 veces, mientras que Fibonacci recursivo apenas llegó a 1,15 veces.
Architect Labs también reportó que el clúster tuvo, en promedio, 8,77 veces más rendimiento por área que el núcleo comparado. La compañía describió un diseño completo de 16 tiles, pero las cifras principales se refieren a un clúster de cuatro tiles acompañado por cuatro nodos L3, una configuración que conviene distinguir de la versión completa del chip.
El diseño alcanzó inicialmente 800 MHz durante la síntesis y terminó en 500 MHz en su versión final. Esa diferencia muestra que las cifras evolucionaron durante el trabajo de diseño, pero no permite por sí sola evaluar cómo se comportaría el chip físico, ya que Frostbite aún no ha pasado de la etapa previa a la fabricación.
La distribución de energía ofrece otra pista sobre las prioridades de la arquitectura. En un clúster de cuatro tiles, promediado sobre 20 cargas de trabajo y sin incluir la distribución de reloj, la empresa atribuye a la memoria el 38% de la energía y a la búsqueda, decodificación y emisión de instrucciones el 6%; en el núcleo de comparación, esas categorías representaron 57% y 27%, respectivamente.
La red en el chip y el planificador, que no aparecen desglosados para el núcleo de referencia, consumieron el 26% de la energía de Frostbite en ese cálculo. La distribución de reloj se contabilizó aparte y equivalió al 41% de la energía total de Frostbite, frente al 49% del núcleo comparado; estos datos describen el reparto energético del modelo evaluado y no una medición de un producto fabricado.
El papel de los agentes y los pasos pendientes
Architect Labs dice que sus agentes comenzaron sin sesgos arquitectónicos predefinidos, aunque el equipo humano eligió primero las cargas de trabajo en las que Frostbite debía rendir bien. Los agentes revisaron artículos y pruebas de referencia, construyeron modelos en Python y seleccionaron un concepto para desarrollar, de modo que el punto de partida abierto convivió con decisiones humanas sobre los objetivos de rendimiento.
El primer documento de diseño, de 141 páginas, reunía un modelo de programación, un entorno de ejecución y bloques de alto nivel, pero la empresa lo descartó después de generar el primer diseño RTL, o de nivel de transferencia de registros. Según Architect Labs, muchas estimaciones del documento estaban lejos de lo físicamente posible, por lo que aquel material sirvió como punto de partida y no como una especificación final confiable.
Después de elegir la arquitectura, los agentes escribieron la especificación en ASL, el lenguaje propio de la compañía, en lugar de depender del inglés para describir todos los detalles. ASL se traduce a Lean, un verificador de pruebas que permite comprobar formalmente la especificación; la empresa sostiene que este proceso ayuda a frenar una clase amplia de errores y reduce la posibilidad de que los agentes optimicen sus objetivos de una manera que no respete las reglas previstas.
Con esa base, los agentes construyeron Arcmodel, un modelo de software del chip escrito en ASL antes de que existiera el diseño del circuito. Como simular el RTL resulta lento, el equipo probó ideas en Arcmodel, que se ejecutaba unas 200 veces más rápido; al principio sus estimaciones de energía se desviaban hasta casi 250%, pero un ciclo automatizado las ajustó hasta acercarlas a las del circuito dentro de un margen de 5%.
Una vez calibrado el modelo, grupos de agentes propusieron cambios en paralelo y cada alternativa pasó por una verificación contra la especificación, pruebas en el modelo rápido, integración en el diseño del circuito y medición de potencia antes de ser aceptada o descartada. El proceso produjo 58 ideas evaluadas, de las cuales 37 se conservaron, mientras que surgió una función que, según la compañía, ningún humano había especificado: un tile inactivo puede tomar trabajo sobrante de un vecino o detenerse para ahorrar energía.
Frostbite no es el primer diseño de Architect Labs. En agosto, la startup presentó Redwood, un acelerador de inferencia para robots y drones que, según afirmó, su IA generó junto con RTL, verificación, firmware, controladores y kernels en menos de dos semanas, a partir de una especificación escrita por dos arquitectos humanos.
Redwood también permanece sin fabricar y, de acuerdo con la empresa, por ahora funciona en una FPGA mientras trabaja para llevarlo a producción en TSMC. En un ámbito relacionado, Tendrils Compute, una posible competidora con sede en Cambridge, Reino Unido, recibió financiamiento a principios de este mes para desarrollar un procesador que describe como capaz de operar miles de núcleos en paralelo; la firma también trabaja en Vine, el mismo lenguaje en el que están escritos los programas de Frostbite.
Architect Labs planea ampliar las pruebas con más cargas de trabajo y un conjunto más amplio de CPU, además de comparar mallas Frostbite de mayor tamaño con versiones multinúcleo del núcleo de referencia y sus cachés grandes. También prevé contrastar el diseño con CPU más grandes y de ejecución fuera de orden en suites populares como SPEC y PARSEC, y publicar el RTL y el conjunto de instrucciones de Frostbite, junto con un entorno de pruebas alojado en FPGA y un sistema operativo preliminar.
Hasta que esas comparaciones y una eventual fabricación permitan medir el chip real, el dato de 4,59 veces debe leerse como una afirmación respaldada por pruebas de diseño y no como una mejora ya demostrada en silicio. La apuesta de Architect Labs consiste en comprobar si una arquitectura que incorpora el paralelismo desde el programa puede convertir esa diferencia conceptual en eficiencia práctica.
Imagen original de DiarioBitcoin, creada con inteligencia artificial, de uso libre, licenciada bajo Dominio Público.
Este artículo fue escrito por un redactor de contenido de IA y revisado por un editor humano para garantizar calidad y precisión.
ADVERTENCIA: DiarioBitcoin ofrece contenido informativo y educativo sobre diversos temas, incluyendo criptomonedas, IA, tecnología y regulaciones. No brindamos asesoramiento financiero. Las inversiones en criptoactivos son de alto riesgo y pueden no ser adecuadas para todos. Investigue, consulte a un experto y verifique la legislación aplicable antes de invertir. Podría perder todo su capital.
Suscríbete a nuestro boletín
Artículos Relacionados
China
Tencent presenta una evaluación de seguridad de su modelo de IA Hy4
Empresas
Las GPU antiguas de Nvidia se encarecen mientras sus acciones pierden casi la mitad de su valor
IA
METR advierte que la IA avanza más rápido que las pruebas de seguridad
Asia
