從 Fabless 到 Designless：AlphaChip 創始人要讓晶片設計也被 AI 取代

本文整理自 Sequoia Capital 的 Training Data Podcast，訪問 Recursive Intelligence 創辦人 Anna Goldie 與 Azalia Mirhoseini。

晶片設計是 AI 發展的最大瓶頸

Anna Goldie 和 Azalia Mirhoseini 在 Google 共事近十年，一起打造了 AlphaChip——用 AI 設計晶片的突破性專案。這項技術已經應用在四代 Google TPU 的設計上。

2025 年底，她們離開 Google，成立了 Recursive Intelligence。

為什麼選擇這個時機創業？Azalia 指出一個關鍵的不對稱性：AI 模型的演進速度遠快於晶片設計週期。

「我們無法真正做到模型與晶片的共同設計（co-design），因為晶片設計週期太長了。當我們終於設計出新晶片時，AI 方法早已迭代好幾輪。」

這個瓶頸限制了整個 AI 產業的發展速度。

從 Fabless 到 Designless

半導體產業曾經歷過一次重大典範轉移：Fabless（無晶圓廠）模式的崛起。

過去，人們認為沒有自己晶圓廠的公司不可能成為一流晶片製造商。但台積電的出現改變了一切，讓 NVIDIA 這樣的無廠公司得以專注設計，成長為市值數兆美元的巨頭。

Recursive Intelligence 的願景是推動下一次典範轉移：Designless（無設計團隊）。

Anna 解釋：「現在很多公司花費超過 1,000 億美元在 AI 推論上，而且還在快速成長。這些公司其實很需要客製化晶片來服務自己的模型，但這需要數百甚至數千名晶片設計專家。我們認為這不是必要的。」

在 Designless 的未來，企業只要有足夠規模的運算需求，就能透過 AI 獲得專屬的客製化晶片，不需要自建龐大的設計團隊。

Recursive Self-Improvement：遞迴式自我改進

公司名稱「Recursive」不只是文字遊戲（Recursive Intelligence 的縮寫 RI 剛好是公司名的前兩個字母），更代表她們的核心理念：

AI 設計更好的晶片 → 更強的算力 → 更強的 AI → 設計出更好的晶片

這是一個正向循環。Azalia 說：「晶片是 AI 的燃料。當我們能更快設計出更好的晶片，就能彎曲 Scaling Laws 的曲線，更快抵達下一代 AI。」

她們在 Google 已經看到這個循環的威力。AlphaChip 在每一代 TPU 上的表現都在進步——不只是被採用的比例增加，AI 設計與人類設計的差距也在拉大。

「這是 AI 的特性，它會隨著資料規模而提升。當 AlphaChip 訓練過越來越多 TPU 區塊，它就變得越來越強。」

我的觀察

台灣半導體產業的角色轉變

當「設計」也可能被 AI 取代，台灣的半導體優勢會如何演變？

目前台灣在全球半導體產業的核心優勢是「製造」——台積電的先進製程無人能及。Fabless 模式的崛起反而強化了這個優勢，因為全球設計公司都需要台積電來製造晶片。

如果 Designless 成真，短期內對台灣可能是利多：更多企業能設計客製晶片，就有更多訂單流向台積電。但長期來看，這也意味著晶片設計的進入門檻大幅降低，競爭格局可能重新洗牌。

Bitter Lesson 的又一次驗證

Anna 在訪談中提到 AlphaChip 引發的爭議。有趣的是，最反彈的不是可能失業的晶片設計師，而是過去開發傳統演算法的研究者。

她說：「你把時間、心血、靈魂都投入這些方法，然後有人從領域外進來，用某種意義上更簡單的方法——靠資料和算力規模化——就超越了你。這是很痛苦的。」

這正是 AI 領域著名的「Bitter Lesson」（苦澀的教訓）：長期來看，能夠善用算力規模化的方法，終將勝過依賴人類巧思的精細設計。

AlphaChip 再次驗證了這個教訓。而 Recursive Intelligence 的賭注是：這個教訓將適用於整個晶片設計流程，不只是 Floor Planning。