AIシステムがアーキテクチャの発見から設計・検証までを一貫して担った汎用CPU「Frostbite」が、2026年11月18日に発表されました。Frostbiteは一から設計した新しい命令セットを備え、25件のワークロードで、実シリコンで実証済みのデュアルイシュー・インオーダー方式スーパースカラCPUコアに対して4.59倍の電力当たり性能を示しています。
何が新しいか
Frostbiteは、計算をグラフの局所的な書き換えとして表すインタラクションネットの性質を利用します。原文によると、従来のCPUは共有可変状態を扱うプログラムの命令間依存関係を実行時に見つけ直しますが、インタラクションネットでは依存関係が明示されるため、互いに独立した書き換えを並列に実行できます。各値の所有者が一つに限られるため、データを利用箇所近くの小規模なローカルメモリに置けます。原文はこの理論上の利点として、従来のチップが大規模なキャッシュに費やす面積と電力の多くを削減できること、さらにキャッシュのコヒーレンシ維持に伴うシステムレベルの複雑さの多くを取り除けることを挙げています。
AIシステムはコンパイラ、ISA、アーキテクチャ、マイクロアーキテクチャ、RTL、検証、最終GDSまでを自律的に反復開発しました。
数値と評価条件
| 項目 | 値 |
|---|---|
| 比較対象コアに対する電力当たり性能 | 4.59倍 |
| 評価ワークロード総数 | 25件 |
| うち最終評価まで設計調整に使わなかった件数 | 15件 |
| 較正前のArcmodelとRTLの推定値の最大乖離 | 約250% |
| 較正後のエネルギー推定誤差 | 1~5% |
| RTLに対するArcmodelのチップ全体シミュレーション速度 | 660倍 |
Frostbiteの電力値はシリコン製造前の推定値です。探索用のFFT、radixsort、LUカーネルはSPLASH-2ベンチマークの実装に準拠し、通常の64分の1の規模で実行しています。保留評価セットには後から、カルマンフィルタ、PCA、有限要素解析、LU solve、LZ4展開の5件の実用的ワークロードを加えました。
開発プロセス
開発チームは自然言語の仕様書の代わりに、機械検証可能な社内仕様言語ASLを設計し、システムモデル「Arcmodel」をASLで記述しました。ASLはRTL、システムモデル、UVM、SVAなどの間の変換と詳細化を形式的仕様に対して検証でき、定理証明にはLeanを使います。最終的にFrostbiteのASLは80万行超のLeanに展開されました。
Arcmodelは物理情報を持たないため、当初はRTLとの推定値が最大約250%乖離しました。自律パイプラインがRTLの電力ホットスポットを形式仕様のカウンタ(SRAM読み書き、演算数、送受信flitなど)に対応づけ、それらを入力とするPython関数で電力を予測し、RTLとの差が5%以内になるまで反復しました。較正後はシミュレーションの速さを生かし、AIシステムが細粒度のクロックゲーティングを発見してソフトウェアのランタイムを数時間で合わせ込むなど、スタックをまたいだ最適化を行いました。

まだコメントはありません。