用AI加速FPGA开发，AMD推出智能助手 Ross

这些年火爆的AI不但改变了芯片的供应，就连芯片设计的方式，也正在被颠覆。这已经是一个不争的事实。从硬件描述语言到高层次综合，再到如今的大语言模型辅助设计，工程师与芯片之间的交互方式正在发生变化。尤其是在FPGA领域，随着AI逐步介入设计、调试和优化，原本需要专业经验和大量时间完成的工作，开始有了新的实现路径。因应这种趋势，AMD于近日推出了面向嵌入式开发的智能体 AI 助手AMD Ross。
 
不同于前面谈到的AI聚焦在芯片本身，AMD Ross想做的事，是用AI去加速FPGA的应用落地。
 
如AMD 高级副总裁兼嵌入式业务总经理Salil Raje所说：“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，以客户每天使用的技术和方法论为基础。AMD Ross 将智能体 AI 的强大能力带给嵌入式开发人员，通过加速整体生命周期，推动产品创新更快地从设计构想迈向部署。”
 
FPGA开发：难！难！难！
 
众所周知，相较于ASIC，FPGA很大的一个优势体现在其灵活性上，但伴之而来的代价就是较高的开发门槛。
 
AMD 自适应与嵌入式计算产品组合产品、软件与解决方案企业副总裁Kirk Saban在与半导体行业观察等交流的时候也指出，在与其FPGA客户交流的过程中发现，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。
 
与此同时，开发团队之间的协作也面临一定挑战。由于团队通常分散在不同的客户现场，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。例如，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。
 
“面对这些问题，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。客户更希望将精力集中在产品开发本身，并尽快推动产品投入生产。”Kirk Saban总结说。
 
除此以外，Kirk Saban进一步指出，产业还正在发生一个新变化，那就是硬件与软件开发语言一直在向更高层次演进。
 
他以硬件设计为例表示，早期工程师需要从布尔逻辑、与门、或门等基础逻辑单元入手，随后逐步发展到原理图输入，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（HLS）技术，进一步提升了硬件设计的抽象层次。
 
来到软件开发领域，也经历了类似的变化，从汇编语言逐步发展到C、C++，再到各类库、内核和开发框架。随着AI技术的发展，硬件和软件设计正在迎来新的变化：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。
 

 
有见及此，Kirk Saban认为，自然语言有望成为硬件和软件设计的下一种交互方式，大语言模型也将进一步改变传统的开发流程。为了应对上述所讲的这样一些挑战，并且真正的利用生成式人工智能的力量，AMD推出了AMD Ross。
 
值得一提的是，按照Kirk Saban所说，AMD的这款工具，是为了纪念赛灵思FPGA的创始人Ross Freeman。
 
专为嵌入式开发而设计的智能体 AI
 
关于什么是Ross，Kirk Saban在分享中给出了他的定义：
 
从功能定位来看，AMD Ross是一款智能体AI工具，能够通过模型上下文协议（MCP）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。在此基础上，Ross还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。
 
与此同时，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；模型方面，也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。
 

 
除此以外，Ross的另一个重要价值还体现在其在具备的上下文感知能力。嵌入式开发涉及多个相互关联的环节，例如板级布局的调整可能影响FPGA中RTL设计的性能，而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。
 
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。透过这款工具，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。
 
“从原理图审查、板级布局审查、热分析，到FPGA设计中的时序收敛，以及Arm CPU的模型优化等，Ross希望将AI能力引入这些开发环节，减少工程师在重复工作上投入的时间。”Kirk Saban举例说。
 
AMD方面强调，不同于通用型 AI 助手，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。它并非只是叠加在开发工具之上的 AI 编码助手。它整合了对 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。
 
作为一款覆盖全部 AMD 嵌入式工具产品组合，AMD Ross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。
 
之所以能够具备如此强悍的实力，按照Kirk Saban所说，这主要得益于其所具备的四大支柱。
 
AMD Ross的四大支柱
 
据介绍，AMD Ross主要由模型上下文协议（MCP）服务器、AMD知识库、智能体技能和设计示例这四个关键组成。基于这样的设计，能为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，以实现更好的设计。
 
其中，“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。
 


“AMD知识库”则为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。
 
“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。
 
“设计示例”则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。
 
具体而言，据Kirk Saban所说，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：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；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；同时，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。
 
归根结底，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。
 
在发布这款产品的时候，AMD总结说：AMD Ross 旨在加速开发团队从设计构想到部署的进程，包括：
 
- 借助 AI 辅助的工作流自动化，更快完成原型开发；
- 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；
- 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；
- 通过获取经过验证的专家工作流，加快新工程师上手；
- 在各团队和项目中一致执行最佳实践；
- 更充分地复用和规模化应用组织内积累的工程知识。
 

 
写在最后
 
对于这样一款产品，除了感叹其带来的开发效率提升之余，如何确保其安全，也是大家非常关注的一个点。面对这个问题，AMD 自适应和嵌入式计算事业部技术市场经理Ally Zhou（周丽娜）告诉半导体行业观察，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。
 
“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。因此，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。”Ally Zhou补充说。
 
展望未来，Ally Zhou透露，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：一方面，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；另一方面，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。
此外，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。基于MCP和Skill等开放标准，Ross也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。
 
Ally Zhou表示，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。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。届时人类则可以减少直接干预，在确保安全和可控的前提下，让AI承担更多工作。
 
到了那个阶段，AMD Ross必将更加强大，FPGA的应用开发也必将迈入新阶段，让我们一起期待。