.jpg)
El disseny de maquinari a nivell de registre (RTL) és un camp on la precisió i la complexitat s’entrellaçen de forma extrema. Fins fa poc, la generació automàtica de codi Verilog o VHDL es limitava a respostes úniques, incapaç de garantir la correcció funcional en cicles de simulació, convencions de reset o amplades de bus. NVIDIA Research ha presentat HORIZON, un marc de treball que tracta el disseny de maquinari com una evolució de codi a nivell de repositori, utilitzant Git com a substrat de control i un bucle autònom d’agent que itera fins que una porta d’acceptació executable verifica el resultat. Aquest enfocament no només assoleix un 100 % de taxa d’èxit en els benchmarks avaluats, sinó que reobre el debat sobre com la intel·ligència artificial pot integrar-se en fluxos d’enginyeria crítics.
La clau d’HORIZON rau en la seva capacitat per operar sense intervenció humana un cop definit un 'harness' en Markdown estructurat. Aquest harness conté l’objectiu, adreces de coneixement de domini, una especificació de l’avaluador i un predicat d’acceptació. Un agent bootstrap el converteix en un paquet de projecte, i després un bucle autònom planifica edicions, executa eines de simulació i decideix si confirma (commit) la versió o la descarta. Cada intent reeixit queda registrat com un commit amb notes que adjunten l’evidència de l’avaluador, mentre que els errors s’emmagatzemen com a exemples negatius. La història del repositori es converteix així en un buffer d’experiència, sense necessitat d’una base de dades separada. Per a les empreses que busquen ia per a empreses amb capacitat de raonament iteratiu i verificació automatitzada, aquest model representa un avenç significatiu, tot i que l’equip investigador admet que el disseny de maquinari amb agents encara no està resolt: persisteixen problemes com el 'reward hacking' o la latència dels senyals de retroalimentació en bucles de síntesi i PPA.
Una lliçó important d’HORIZON és que el consum de tokens, no la taxa d’aprovació final, es converteix en la mètrica més rellevant un cop s’assoleix la correcció. Aproximadament el 91 % dels tokens es deuen a entrada en memòria cau, però el cost es concentra en categories difícils com la finalització de codi RTL, que requereix 82 iteracions. Això subratlla la necessitat d’optimitzar l’eficiència dels agents d’IA en entorns reals. Des de la perspectiva d’una empresa tecnològica, integrar aquest tipus de capacitats en els fluxos de treball habituals exigeix no només models potents, sinó infraestructura cloud robusta i serveis d’intel·ligència de negoci que permetin monitoritzar i ajustar el rendiment. A Q2BSTUDIO oferim aplicacions a mida que poden incorporar bucles de raonament similars, adaptats a sectors com la verificació de maquinari, l’anàlisi de dades o la ciberseguretat.
El marc d’HORIZON és agnòstic al generador subjacent, cosa que el fa extensible a altres dominis com el testing de programari, la síntesi lògica o la verificació formal. La clau està en el seu protocol unificat: un avaluador executable, un predicat d’acceptació i una política de control de versions. Per a les empreses que ja treballen amb serveis cloud aws i azure, la replicació d’aquest patró en infraestructura moderna és directa: cada iteració pot executar-se en contenidors aïllats, i l’historial de commits ofereix traçabilitat total. A més, la combinació d’intel·ligència artificial amb eines de ciberseguretat permet auditar cada canvi, garantint que no s’introdueixin vulnerabilitats en el disseny de maquinari. A Q2BSTUDIO desenvolupem programari a mida que integra aquests principis, des d’assistents de codificació autònoms fins a sistemes de serveis d’intel·ligència de negoci amb power bi per visualitzar el progrés de les campanyes de verificació.
El camí cap a agents de disseny completament autònoms requerirà superar desafiaments com la latència de retroalimentació en bucles de dies o setmanes, i la necessitat d’ocultar proves aleatoritzades per evitar el sobreajust. No obstant això, HORIZON demostra que és possible assolir un 100 % de correcció en benchmarks controlats amb un sol agent i sense intervenció manual. Per a qualsevol organització que busqui automatitzar processos complexos amb garanties, aquest treball estableix les bases d’una nova generació d’eines d’enginyeria assistida per IA. A Q2BSTUDIO ajudem empreses a implementar solucions similars, adaptant la lògica d’evolució de repositoris als seus propis dominis, combinant ia per a empreses, cloud i anàlisi de dades en un ecosistema cohesionat.
