AI权威：从应用到芯片的验证新范式

一项研究报道，生成式AI使机器验证成本大幅降低。一位研究者在五周内，使用消费级AI订阅，指挥AI代理从应用代码经验证编译器到RISC-V处理器完成流片，全程无人审核证明，也无人工编写RTL。整个过程中没有错误证明通过验证。

此前机器验证成本高昂，仅适用于特殊项目。该研究显示，AI速度下验证变得经济且必要，成为AI代理自主工作的可靠裁判，可能改变硬件设计和验证的流程与成本结构。

该方法（Salt方法）基于一个证明内核，确保任何幻觉证明无法通过。数学声明在代理间以内核检查的工件传递，人类只关注声明、设计和裁决。从Lean 4内核到芯片边界的SAT检查等价性，验证被逐环节明确。这种机制使得单人可以安全地指导大规模自主机器工作。

对产品研发流程有直接启发：可能降低硬件验证成本，缩短流片周期。开发者或可利用类似方法，将AI代理用于设计验证，减少人工审核，提高效率。但需注意验证的可靠性保障。

• 开发基于验证内核的AI代理工具，用于生成可验证的RTL代码。
• 提供面向芯片设计的自动化验证服务，减少人工审查环节。
• 构建AI代理协作平台，支持从需求到流片的端到端验证流程。

• 该方法的可重复性和扩展性如何，是否适用于复杂芯片设计？
• 消费级AI订阅的算力开销和成本结构是否有详细数据？
• 验证过程中未分配编号#79和未编号记录是否表明流程存在潜在缺陷？
• 这种方法是否已得到独立验证或实际商业应用？