Startup teknologi asal Amerika Serikat, Architect Labs, baru saja mengumumkan terobosan baru di dunia semikonduktor. Perusahaan ini memanfaatkan sistem kecerdasan buatan untuk merancang arsitektur CPU murni dari awal yang diberi nama Frostbite. Desain ini mencakup set instruksi, mikroarsitektur, RTL, verifikasi, hingga tata letak fisik GDS akhir secara mandiri.
Hasil simulasi awal menunjukkan bahwa CPU Frostbite mampu menghasilkan efisiensi daya 4,59 kali lipat per watt dibandingkan core CPU konvensional. Selain itu, kerapatan performa per unit area meningkat hingga 8,77 kali lipat. Ini gebrakan nyata. Pengembangan prosesor kini tidak lagi didominasi oleh pendekatan manual para insinyur veteran.
Pendekatan Interaction Nets Tanpa Core Tunggal Besar
Mayoritas prosesor buatan AMD atau Intel mengandalkan core besar dengan hirarki cache yang rumit. Frostbite mengambil arah berbeda secara mendasar. Arsitektur AI ini mengadopsi model matematis bernama interaction nets yang pertama kali diperkenalkan pada tahun 1990. Sistem tidak menggunakan core tunggal yang masif, melainkan susunan ubin komputasi kecil dalam bentuk petak (grid).
Program dijalankan sebagai grafik komputasi dengan pembaruan lokal antar simpul yang terhubung. Setiap ubin memproses tugasnya sendiri secara mandiri. Ketika ubin berada dalam kondisi menganggur, ubin tersebut bisa mengambil alih beban kerja dari ubin tetangga. Jika tidak ada pekerjaan tersisa, ubin langsung masuk ke mode nonaktif untuk menghemat daya. Pendekatan terdistribusi ini menghilangkan kebutuhan akan scheduler terpusat.
Efisiensi Memori dan Bahasa Pemrograman Vine
Penggunaan model interaction nets secara langsung memangkas ketergantungan pada memori bersama yang mudah berubah. Mekanisme cache-coherence yang kompleks dan hirarki cache berjenjang juga bisa dipangkas secara signifikan. Setiap nilai data hanya memiliki satu pemilik tunggal, sehingga lalu lintas data pada memori menjadi jauh lebih hemat.
Untuk mengoperasikan arsitektur ini, Architect Labs mengembangkan bahasa pemrograman khusus bernama Vine. Sintaks bahasa Vine dirancang mirip dengan bahasa Rust. Kode program selanjutnya dikompilasi ke dalam format representasi menengah yang dinamakan Ivy. Penataan ini membuat eksekusi instruksi berjalan jauh lebih ramping tanpa beban instruksi berlebih.
Hasil Simulasi Pre-Silicon 7 nm dan Benchmark Workload
Dalam pengujian sintetis, Architect Labs menguji Frostbite menggunakan teknologi proses manufaktur fabrikasi 7nm. Pada tahap sintesis, prosesor ini mencatatkan frekuensi 800 MHz dan mencapai 500 MHz pada tata letak fisik akhir. Unit Frostbite Quad yang terdiri dari empat ubin komputasi (format 2x2) dan empat node L3 hanya memakan area sebesar 0,792 mm2.
Sebagai pembanding, core CPU acuan bernama TCPU memakan area 0,895 mm2 pada proses fabrikasi 7nm yang sama. Dari pengujian 25 jenis beban kerja (workload), Frostbite mencatatkan rerata geometris efisiensi daya 4,59 kali lipat per watt. Pada 10 beban kerja yang digunakan saat optimasi, keunggulannya mencapai 6,02 kali lipat. Sementara pada 15 beban kerja pengujian independen, efisiensinya tetap unggul 3,83 kali lipat.
Status Masih Eksperimental dan Rencana Pengujian Lapangan
Meski angka hasil pengujian sangat menjanjikan, Frostbite masih sebatas arsitektur eksperimental. Data yang disajikan masih berbasis simulasi pre-silicon, bukan dari chip fisik yang diproduksi di pabrik cetak silikon. Architect Labs belum mengumumkan jadwal produksi massal atau ketersediaan komersial untuk pasar umum.
Langkah Architect Labs membuktikan potensi AI dalam merancang silikon masa depan. Ke depan, perusahaan berencana merilis dokumen RTL dan set instruksi (ISA) ke publik. Mereka juga akan membangun platform pengujian berbasis FPGA, menyiapkan sistem operasi awal, serta menguji konfigurasi Frostbite yang lebih besar menggunakan tolok ukur standar industri seperti SPEC dan PARSEC.