文章核心观点 - AI正在颠覆芯片设计方式，从硬件描述语言到高层次综合再到大语言模型辅助设计，工程师与芯片的交互方式正在发生变化，FPGA领域尤其明显 [1] - AMD推出面向嵌入式开发的智能体AI助手AMD Ross，旨在用AI加速FPGA应用落地 [1][2] - AMD Ross将AMD嵌入式工具、可信知识和专家编写的工作流汇集到统一的智能体AI体验中，加速整体生命周期，推动产品创新更快从设计构想迈向部署 [2] - 自然语言有望成为硬件和软件设计的下一种交互方式，大语言模型将进一步改变传统开发流程 [5] - AMD Ross旨在加速开发团队从设计构想到部署的进程，将AI从单一任务辅助扩展到整个嵌入式开发流程 [15][14] FPGA开发面临的挑战 - 相较于ASIC，FPGA的优势体现在灵活性上，但代价是较高的开发门槛 [2] - 客户在嵌入式开发过程中往往需要使用多种不同领域的工具，涵盖PCB设计、板级布局、原理图审查、FPGA RTL设计、功耗分析以及软件开发等环节 [2] - 开发团队之间协作面临挑战，团队通常分散在不同客户现场，彼此之间可能缺乏及时沟通，难以充分了解其他团队的工作进展 [3] - 板级布局发生变更后，相关信息可能无法及时传递给其他团队，进而影响RTL或FPGA设计 [3] - 客户不得不投入大量时间和精力在不同工具之间进行协调，而这并非他们真正希望关注的事情 [3] - 硬件与软件开发语言一直在向更高层次演进，硬件设计从布尔逻辑、与门、或门等基础逻辑单元发展到原理图输入，再到HDL、Verilog等硬件描述语言，近年来MATLAB、Simulink等基于模型的设计工具以及高层次综合技术进一步提升了硬件设计的抽象层次 [4] - 软件开发领域也经历了类似变化，从汇编语言逐步发展到C、C++，再到各类库、内核和开发框架 [4] - 工程师开始尝试通过自然语言描述设计需求，并借助大语言模型完成相应的开发工作 [4] AMD Ross产品定位与功能 - AMD Ross是一款智能体AI工具，能够通过模型上下文协议服务器连接AMD知识库，让智能体访问AMD嵌入式产品相关的公开资料，涵盖Vivado、Vitis、Power Design Manager、ChipScope、ROCm及ROCm AI软件等工具的产品文档 [8] - Ross提供一系列面向不同开发任务的技能，覆盖自主工作流程、专业知识调用和信息解析等环节 [8] - Ross并不绑定特定的IDE或大语言模型，无论开发者使用VS Code、Cursor还是其他兼容工具，都可以与Ross进行协作 [8] - 模型方面支持根据实际需求选择不同的大语言模型，包括Claude Code、千问等 [8] - Ross具备上下文感知能力，嵌入式开发涉及多个相互关联环节，板级布局的调整可能影响FPGA中RTL设计的性能，这类影响往往难以在不同团队、不同设计环节之间及时传递 [10] - 借助Ross，AMD希望将分散的工具和开发流程串联起来，让智能体能够结合不同环节的设计信息理解任务及其影响，从而推动从硬件到软件的协同开发 [10] - AMD的目标是提升嵌入式开发者的工作效率，并借助AI加快重复性任务的处理 [10] - Ross希望将AI能力引入原理图审查、板级布局审查、热分析、FPGA设计中的时序收敛以及Arm CPU的模型优化等开发环节，减少工程师在重复工作上投入的时间 [10] - AMD Ross基于AMD嵌入式开发环境、AMD长期积累的工程知识体系以及专家编写的方法论构建而成，并非只是叠加在开发工具之上的AI编码助手 [11] - Ross整合了对AMD开发环境、AMD文档、AMD编写的工作流以及可复用工程专业知识的直接访问能力，打造出专为嵌入式开发而设计的体验 [11] - AMD Ross覆盖全部AMD嵌入式工具产品组合，使用户能够进行硬件与软件划分、实现基于高层次综合工具的硬件设计、优化芯片设计与调试、开发嵌入式软件应用和算法、利用AMD嵌入式AI软件优化机器学习算法、准确估算功耗并进行低功耗优化以及开展系统原理图审查并实现最优板级布局 [11] AMD Ross四大支柱 - AMD Ross主要由模型上下文协议服务器、AMD知识库、智能体技能和设计示例四个关键组成，为AI提供必要的工具访问与知识支撑，也为其执行具体开发任务提供可复用的工作流程和参考 [12] - MCP服务器承担AI智能体与AMD嵌入式工具之间的连接作用，基于开放标准MCP，Ross能够接入相关设计环境，查询信息、运行命令，并与工具会话进行交互，从而让开发者通过自然语言调用工具能力 [12] - AMD知识库为AI提供经过AMD验证的专业资料，其基础是向量数据库，涵盖用户指南、产品指南、白皮书、应用笔记及解答记录等内容，支持通过云端或本地离线环境访问相关文档，帮助智能体基于可信信息提供解答 [13] - 智能体技能主要负责将专家经验转化为可重复、可共享的工作流程，这些由专家编写的Markdown文件记录了针对常见设计任务的最佳实践，并引导大语言模型执行结构化操作，例如在时序优化或Vitis HLS开发中，智能体可以依据相应技能完成分析、优化及设计重构 [13] - 设计示例提供可直接运行的参考设计，展示如何将智能体技能应用于实际嵌入式开发场景，通过具体示例，开发者能够了解相关技能的使用方式，并据此开展自己的设计任务 [13] AMD Ross核心价值与工作方式 - AMD Ross主要通过自动化重复性设计任务、调用专业知识、串联跨领域工作流程以及追踪设计变更的影响，帮助嵌入式工程师提升开发效率 [14] - Ross能够协助工程师完成原理图和板级布局审查、热分析、FPGA时序优化及模型优化等工作，减少重复操作 [14] - 通过调用AMD知识库和专家技能，将经过验证的专业经验应用于具体设计任务 [14] - 借助上下文感知能力，将PCB、FPGA、软件及算法等不同环节关联起来，使设计变更能够传递至相关团队和流程，减少信息沟通与反复协调的时间 [14] - Ross希望将AI从单一任务辅助扩展到整个嵌入式开发流程，让工程师能够更高效地完成设计、优化与验证，同时保留人工审查和决策权 [14] AMD Ross加速开发团队进程的具体方向 - 借助AI辅助的工作流自动化，更快完成原型开发 [15] - 通过经AMD验证的指导和可复用方法论，缩短调试和优化周期 [15] - 通过自动执行重复性的工具交互和任务，提升开发人员生产力 [15] - 通过获取经过验证的专家工作流，加快新工程师上手 [15] - 在各团队和项目中一致执行最佳实践 [15] - 更充分地复用和规模化应用组织内积累的工程知识 [15] 输出可靠性与人机协作 - 在输出可靠性方面，AMD主要通过权威知识库、专家方法Skill以及实际的工具结果来提高可信度 [16] - AMD Ross能够基于专业知识和预设工作流程为工程师提供设计建议及工程辅助，但其AI工作流程具有一定的非确定性，输出结果可能因模型、提示词及运行过程而有所差异 [16] - 工程师仍需结合实际设计情况，对AI生成的建议和具体设置进行工程验证与正式评审，并在整个设计流程中保留最终的验收和确认权 [16] 未来生态建设规划 - AMD计划从持续更新、开放定制和行业工作流扩展三个方面推进Ross的生态建设 [17] - 公司将按月增加Ross支持的工具和工作流能力，并持续发布新的Agent Skills [17] - Ross现有的Skill采用开放方式，客户可以根据自身需求进行修改、二次开发，也可以将已有的技能整合进工作流程 [17] - AMD希望进一步支持行业专属工作流的开发与共享，客户可以将自身积累的专业知识和实践经验通过Skill或智能体工作流融入Ross，使其适用于不同的行业场景 [17] - 基于MCP和Skill等开放标准，Ross为后续接入更多工具、整合专业经验和拓展合作生态提供了基础 [17] - 随着智能体AI能力不断提升，AI能够承担的工作将越来越多，但现阶段仍需明确人机协作的责任边界，AI可以执行任务、提供分析和报告，最终决策、签核及责任仍由人承担 [17] - 未来随着AI能力和人机信任程度的提高，AI的自主权限有望逐步扩大，届时人类可以减少直接干预，在确保安全和可控的前提下让AI承担更多工作 [17]