核心观点 - 提出全自动处理器芯片设计系统QiMeng，通过三层架构（LPCM模型层、设计代理层、应用层）解决传统设计面临的制造约束、资源需求和生态多样化挑战 [10] - LPCM作为领域专用大模型，通过多模态架构、跨阶段训练数据和反馈驱动推理机制，突破知识表示缺口、数据稀缺、正确性保证和解空间四大技术瓶颈 [10][25] - 硬件设计代理采用双循环机制实现从功能规范到物理布局的端到端自动化，软件设计代理实现基础软件自适应与性能优化 [11][47] - 已实现六大应用场景：自动化前端设计（400万门规模）、HDL生成（CodeV模型）、OS配置优化（性能提升25.6%）、编译器工具链、张量程序转译器（准确率95%）和高性能库生成（性能达OpenBLAS 2.5倍） [51][55][68][74][77] 技术架构 LPCM模型 - 多模态架构同时处理文本与图数据（AST/DFG/CFG），通过GNN编码和对比学习实现特征对齐 [26] - 级联单阶段模型自动生成TB级跨阶段对齐训练数据，采用CoT模仿学习和RLHF优化训练 [27][29][30] - 推理阶段集成双反馈循环：功能正确性反馈通过BSD验证实现99.99999999999%正确率，性能反馈通过解空间修剪提升PPA [32][34][36] 设计代理 - 硬件代理双循环：外部性能循环分解400万门电路，内部验证循环用BSD实现5小时完成RISC-V CPU设计 [39][44][55] - 软件代理双循环：外部LLM引导搜索优化OS配置，内部SMT求解器保证程序功能等价 [48][49] - 代理协同实现指令集到软件栈的全栈自动化，支持RISC-V超100种指令扩展验证 [47] 应用成果 硬件设计 - QiMeng-CPU-v1：全球首个自动设计32位RISC-V CPU，规模达400万门，性能相当于Intel 486 [55] - QiMeng-CPU-v2：首款自动超标量CPU，吞吐量比v1提升380倍，性能匹敌ARM Cortex A53 [57] - CodeV系列HDL生成模型在VerilogEval基准上pass@1达81.9%，超越GPT-4和专用模型 [59][66] 软件生态 - AutoOS在SiFive平台UnixBench测试中性能较Fedora默认配置提升25.6% [68] - QiMeng-Xpiler实现CUDA到国产芯片代码转译，平均准确率95% [74] - QiMeng-GEMM在RISC-V平台性能达OpenBLAS 2.11倍，NVIDIA平台达cuBLAS 1.15倍 [77][79] 发展路线 - 三阶段实施路径：自上而下构建组件→自下而上整合LPCM→迭代实现自我进化 [20][21] - 当前完成第一阶段六大应用，计划集成代理组件并生成训练数据推进第二阶段 [22] - 长期目标建立可进化框架，拓展自动化设计能力至更复杂场景 [21]