[{"content":"今天愚人节，我在社交媒体发了一条：\n认真思考了很久，决定离开半导体行业了。\n准备去当健身教练。\n我认真分析过市场：湾区 AI 的智力增长速度是很快，但湾区人民的腰围增长速度更快。AI 的趋势是降本增效减人，卡路里的趋势是稳定增长不可逆。从市场前景来看，胜负已分。\n目前正在考教练认证，已经给几个湾区朋友做了体测，结果不太乐观——硅谷工程师的体脂率比芯片的良率还离谱。\n有意向的私信，前十名打折。\n看到的朋友有人知道是愚人节，有人误以为真。但我在和朋友互动的过程中，认真想了两个问题。\n一、我到底有没有在追求让我快乐的事情 想这个玩笑的时候，我思考了各种职业和各种可能的人生。\n我觉得我现在的生活，不是我最最想要的，但是众多可能中很不错的那一个。现在的一些小的不满源自于哪里呢？\n我想，源自于尼采的骆驼。想背负的太多，想要的太多，自己跟自己对着干。\n尼采描述了精神的三个变形：骆驼、狮子、孩童。骆驼是承担者——背负义务、社会期待、\u0026ldquo;你应该\u0026quot;的重量，默默穿越沙漠。狮子是反抗者——用强大的自我和意志打碎外在的枷锁，争取\u0026quot;我要\u0026quot;的自由。孩童是创造者——忘掉自我，在游戏中创造新的价值，活在当下的充盈里。\n想要 address 现在的局限，要不是变成狮子，要不是变成孩童。\n狮子意味着用硬实力去压倒不如意的因素——足够强大，就有足够的选择权。这是最符合社会期待的道路，也是一条清晰的路。孩童则是另一种彻底：放弃社会认可的成功标尺，不再用高薪、头衔、影响力来衡量自己，转而倾听内心和身体真正想要的，慢慢做到忘我，在内心的充盈里找到答案。孩童是更难的道路，因为它要求你对抗的不是外部的障碍，而是自己内化了多年的评价体系。\n我想到了张雪。他从摩托车修理学徒起步，19岁骑着摩托追着湖南卫视的摄制组跑了100多公里只为引起注意，2017年联合创办了摩托车公司，2024年因为坚持做赛车和研发、不愿被投资人推着快速变现，选择裸辞——辞去的是自己亲手创办的公司。然后重头开始，创立了自己的品牌。2026年3月，他的摩托车在世界超级摩托车锦标赛葡萄牙站连夺两冠，成为首个登上这个舞台的中国品牌。\n张雪不是没有野心，他是把野心对准了真正在意的东西。他的孩童不是天真，是彻底的诚实。\n我现在不觉得自己是狮子，也还没有成为孩童。我目前的状态，更像是一头意识到自己在骆驼状态里的骆驼。我以为读完博士可以松一口气，可以开始按自己的节奏生活，结果发现骆驼的沙漠只是换了一片。背负的东西变了，但背负的姿势没有变。\n变成孩童需要勇气，而不是等待。不是等我\u0026quot;足够强大了\u0026quot;再去放下，而是在还没有足够强大的时候就选择诚实地活。不知道我有没有这个勇气，但这是我想认真对待的问题。\n二、科技（AI）到底有没有让社会和人类更幸福 另一个思考是：AI 到底有没有让社会和人类更幸福。我目前没有感觉到。\n大家都在感叹 AI 的能力和生产力，但人类需要工作中的成就感。AI 接管了越来越多的任务，但它接管的往往正是那些人们从中获得成就感和掌控感的部分。效率提升了，但那种\u0026quot;我做到了\u0026quot;的感觉在稀释。\n更根本的问题是：AI 提高的生产力，到底用在了哪里？\n我想到人类真正面对的三类稀缺：物质的稀缺与医疗的不可及，社会结构的不公，以及人类内心的贫瘠。AI 目前最显著的应用——更快的内容生成、更便捷的信息检索、更聪明的推荐算法——解决的是哪一类？大部分落在了 nice to have 的位置上，而不是真正的 need to have。\n在半导体行业工作，我的感受更加具体：反馈周期太长了。一个芯片从设计到流片到量产到最终进入用户手里，可能要三到五年。我很难追踪自己的工作最终落到了谁的生活里，有没有真正改变什么。这种距离感，是一种慢性的意义流失。\n这不是半导体独有的问题，而是大型技术系统的共性：越复杂的系统，个体与 impact 之间的链条越长，越难感受到自己的工作对真实人类的意义。\n历史上，这样的时刻发生过不止一次。工业革命的机器承诺把人从繁重的体力劳动中解放出来；现实是工人进了工厂，工时更长、条件更差，效率的收益流向了工厂主，工人得到的是 Marx 所说的\u0026quot;异化\u0026rdquo;——与自己的劳动、与劳动的产品、与其他人都割裂了。二十世纪初的家用电器——洗衣机、冰箱——说好要解放家庭主妇，让她们拥有更多闲暇；社会学家 Joann Vanek 的研究发现，清洁标准随着电器一起提高了，女性花在家务上的时间并没有减少。2010年代的社交媒体承诺让人与人更连接；结果孤独感上升，\u0026ldquo;孤独流行病\u0026quot;的说法正是这十年出现的——连接的数量增加了，连接的质量下降了。\n这些案例有一个共同的模式：技术提升了速度和可及性，但同时抬高了期望和复杂度，幸福感并没有等比例提升，有时甚至下降了。\u0026ldquo;更快\u0026quot;不等于\u0026quot;更好\u0026rdquo;，\u0026ldquo;更多\u0026quot;不等于\u0026quot;更满足\u0026rdquo;。\n当一切变得更快，未必意味着一切变得更好，未必意味着社会的整体幸福会提高。\n在这方面，还有很多探索工作需要做。我不确定答案在哪里，但我觉得这是比\u0026quot;AI 能力有多强\u0026quot;更值得认真问的问题。\n有意思的是，这两个问题其实是同一个问题的两面。我担心 AI 正在从工作者手里拿走的——成就感、掌控感、和自己做的事之间的连接——正是我自己在生活里也在失去的东西。骆驼的问题和 AI 的问题，根子上是一样的：效率在提升，但人在哪里？\n","permalink":"https://shibo-chen.github.io/zh/blog/april-fools-happiness/","summary":"一个愚人节玩笑引出的两个认真问题：我在追求让我快乐的事情吗？AI 到底有没有让人类更幸福？","title":"愚人节健身教练与两个真问题"},{"content":"——读《Zen and the Art of Motorcycle Maintenance》\nJim Keller 推荐的这本书，说里面讲的东西和 computer architecture 很像。读完发现它和任何一个你认真对待过的领域都有关系，因为它讲的是一个更底层的问题。\n以下不是书评，是读这本书的过程中和 Pirsig 之间的对话。\nCare 和 Quality 书里讲了很多东西——分析之刀、经典与浪漫、Quality 的不可定义性——但最让我有共鸣的是 care。\n\u0026ldquo;Care and Quality are internal and external aspects of the same thing. A person who sees Quality and feels it as he works is a person who cares.\u0026rdquo;\nCare 在人这边，Quality 在物那边，而投入——修理、写作、设计——是连接两者的纽带。三者不可割裂，割裂任何一个就回到了经典模式的二分法：人是人，车是车，步骤是步骤。\nCare 不仅仅是\u0026quot;在意\u0026quot;，care 本身就是整体感知。 不 care 的人不是选择了不去感知 romantic quality，而是根本不具备感知它的能力，只能接受现有框架，follow manual，然后 stuck。Care 的人不一样，他先对整体有感知（Romantic quality），再理解 Rational quality 怎么随之改变。Romantic quality 是靶点，Rational quality 是手段。\n书里有一段讲修摩托车的时候一颗螺丝坏了，需要换一颗新的。叙述者去五金店找同型号的替换件，找不到。大多数人到这里就卡住了——manual 上写的是这个型号，店里没有，那就没办法了。但 Pirsig 提出了另一种思路：回到这颗螺丝存在的目的——它在这个位置是为了什么？需要承受什么力？需要什么材质和尺寸？——从 Quality 整体出发而不是从型号出发，选择就打开了，甚至可能根本不需要螺丝。这是第一原则性的思考，而它的前提是 care。\n\u0026ldquo;When you want to hurry something, that means you no longer care about it and want to get on to other things.\u0026rdquo;\n我们的文化让人自然联想到 instructions 里的步骤1、2、3，但这种格式本身就把你推进了经典模式——观察者消失了，care 消失了。更好的方式也许是先让人建立起整体感知，再给步骤。这一点也影响了我对写 spec 和 manual 的思考。\n他还指出 technology 让人在 psychic 层面觉得 alone，因为太多 objectivity 把世界变成了客观的、rigid 的东西。Manual 把人变成机器人，objectivity 把人变成旁观者，本质上是同一个问题——你和你做的事之间的纽带断了。\nAI 行业现在也有类似的状况。很多人说追求 AGI 但不够 care，只在 transformer 和 GPU 的已有切法里做优化，不去质疑切法本身。真正 care AGI 的话，起点应该是智慧和思考本身的原理——算法去 capture 这些原理，硬件去服务算法，甚至让思维原理直接推动硬件形态。起点是\u0026quot;智能到底是什么\u0026quot;这个问题，不是现有的技术框架。\nQuality、禅与道 \u0026ldquo;Quality\u0026hellip; you know what it is, yet you don\u0026rsquo;t know what it is. But when you try to say what the quality is, apart from the things that have it, it all goes poof! There\u0026rsquo;s nothing to talk about.\u0026rdquo;\n书名里的\u0026quot;禅\u0026quot;不是装饰。禅本身就拒绝定义——公案不给你答案，它把问题本身消解掉。Quality 也一样，你试图把它固化成一个标准或者 metric，得到的就不是 Quality 本身，而是被分析之刀切过的碎片。每个人的 Quality 都不一样，强行定义出来的一定是错的。\n这段话也让我想到道德经：\n\u0026ldquo;道可道，非常道\u0026rdquo;——能被定义的道不是真正的道。 \u0026ldquo;皆知美之为美，斯恶已\u0026rdquo;——当所有人都知道什么是美的时候，丑就同时被创造出来了。\n道德经里的\u0026quot;朴\u0026quot;——未经雕琢的原木——和 Pirsig 说的分析之前的 Quality 是同一个概念。禅从一个方向到达这里，道从另一个方向，Pirsig 从第三个方向——三者汇聚。\nPhaedrus 在大学教写作课的时候取消了打分，结果反而激发了更好的写作。这不意外——越在意、越有才华的人越不喜欢 rigid 的打分框架，因为它是一种束缚，降低了上限。打分从某种程度上引入了 duality：可以 evaluate 的 quality 和不可以 evaluate 的 quality，弱化甚至无视了 Romantic quality 的存在。\nPirsig 还讲了 mu 这个概念——它根植于禅。有些问题的正确回答不是 yes 也不是 no，而是 unask the question，问题本身的框架就是错的。这里面其实有两层：\n第一层（Pirsig 说的）：问题要求一个 duality 的答案，但问题本身不该被这样问。 第二层：问题可能没错，但现在不是回答它的好时机，信息不够，强行回答只会得到错误的答案。 有些问题可能永远留在 mu state，需要学会和这种不确定性共处。Architecture 里管这个叫 lazy evaluation——不是逃避，是对时机的尊重。\nPirsig 自己 一个可能有些不敬的看法：Pirsig 自己没有真正 care 到位。\n他看见了 Quality，但他和 Quality 的关系还是理性的——用分析之刀去理解一个不能用刀理解的东西。Phaedrus 的崩溃不是因为 care 太多，是因为不够 care 到放下刀。 如果真正 care，应该回归 Quality 本身，用禅的方式去感受和传授，而不是用辩证法去定义。\n不过写这本书也许是他做得最接近 Quality 的一次。他没有写哲学论文，写的是一个公路故事——用旅途、风景、父子关系让你感受，而不是用定义让你理解。Pirsig 说过：\n\u0026ldquo;There is no manual that deals with the real business of motorcycle maintenance, the most important aspect of all. Caring about what you are doing is considered either unimportant or taken for granted.\u0026rdquo;\n写书的 Pirsig 比书里的 Phaedrus 更 care。\n然后是 Chris。有一个场景让我印象很深——Chris 问爸爸我们为什么做这个，just riding all the time，两个人都没有答案。叙述者沉溺于自己的 Chautauqua，和最亲的人是 detached 的。他在思考 care，思考怎么让人和事成为整体，但自己和儿子是割裂的。书里有一段很诚实的自省：\n\u0026ldquo;In all this Chautauqua talk there\u0026rsquo;s been more than a touch of hypocrisy. Advice is given again and again to eliminate subject-object duality, when the biggest duality of all, the duality between me and him, remains unfaced.\u0026rdquo;\n结尾 Phaedrus 回来了。Chris 问\u0026quot;你是 Phaedrus 吗？\u0026quot;，答是。这其实是全书最大的一个 mu：\u0026ldquo;疯了的\u0026rdquo; Phaedrus 和\u0026quot;正常的\u0026quot;叙述者从来不是两个人——是一把刀把自己切成了两半。 接受整体之后 care 才回来了，因为能 care 的那部分之前一直被当作\u0026quot;疯了的\u0026quot;压下去了。\nPirsig 说工作和生活不是分开的两部分，想做好一件事，先生活好，然后自然地去做。这一点我同意。你的状态就是你工作的状态，你怎么生活就是你怎么做事。 把它们分开，又是在用刀切了。\n这本书值得反复读。不是因为它给了答案，而是因为它提了一个好问题，然后诚实地展示了提问者自己也没能完全活出那个答案。这本身就很有 Quality。\n","permalink":"https://shibo-chen.github.io/zh/blog/motorcycle-and-zen/","summary":"Care 在人这边，Quality 在物那边，投入是连接两者的纽带。读《禅与摩托车维修艺术》。","title":"摩托车与禅：读与思"},{"content":"或许是冥冥中自有注定，在玄铁 C950 发布 22 分/GHz、3.2 GHz 的当天，ARM 推出了自己的第一款 SoC 芯片。自此两条命运线开始交织，RISC-V 与 ARM 的战争终于看到了硝烟。\n半导体业内人士都知道，各家发布会少不了烟雾弹，每一个决策背后涉及诸多利益与考量，外人难以知晓全貌。我只能从个人角度谈谈看法。\n1. RISC-V 在 AI 时代有什么优势？\n有人问：AI 的核心就是 matmul，靠的是自定义指令和硬件加速，或者 vector 指令——ARM 和 x86 都有，那 RISC-V 的优势在哪里？这个问题问到点子上了。\n单论计算本身，RISC-V 确实没有任何优势，甚至软硬件的优化程度也不如 ARM 和 x86。但至少在推理侧，大家几乎不再是 compute bound——更多是 memory bound 和 communication bound。训练侧仍然是重度 compute bound，但推理才是大多数系统需要持续优化的实际场景。\n要么你学 Cerebras（wafer-scale SRAM）或 Groq（无 cache、静态调度的确定性流式执行，TSP 架构），走相对暴力但有效的路子；要么你总避不开要加速 memory 和 communication，把 compute unit 喂饱，把 latency 压下来。\n加速 memory 和 communication 的主流思路：prefetch、compress、DMA offload。你要不是硬化逻辑，要不是用一堆小 CPU 来做数据搬运。考虑到 AI 模型乃至数据类型日新月异，保持灵活性的话，一堆 CPU 小 core 显然是最聪明的选择。这不只是理论——寒武纪、壁仞等国内 AI 芯片公司，以及 Tenstorrent，都在自己的芯片里用 RISC-V core 承担控制和数据搬运的工作。\n为了支持 collective communication ops，你又想定制一些指令。这时候该选 ARM 还是 RISC-V？ARM 软件生态成熟，但要付钱，还不能随意定制。RISC-V 开源，GitHub 直接下载，免费，随便改。软件生态没那么完善，但跑几个 data movement kernel 绰绰有余。这么想下来，答案一目了然。\n2. ARM 为什么要和客户抢生意？\nARM 发布了自己的第一款 SoC，很多人开始问：为什么 ARM 要和客户抢生意？\n我的解读是：不完全是为了抢生意，更多是为了生存。\nRISC-V 吃着开源生态的红利，软硬件都在逐步成熟，已经开始冲击 ARM 的中端市场，挑战高端市场只是时间问题。ARM 自己的基本面受到威胁——在高端市场，以现在的 IP 授权模式，能借 AI 硬件浪潮多分到多少？很难乐观，因为高端客户随时可以转向 RISC-V。\n不是今年，不是明年，但未来总有一天，ARM 的大客户会积攒够足够的能力和底气，拒绝交 ARM 的\u0026quot;税\u0026quot;，转投 RISC-V。如果 ARM 的管理层看不到这一层，那是不称职；正是因为他们看到了，所以唯一的选择就是自己也上桌，亲自咬下一块肉来，保证长远的生存空间。\n这里还有一个更深的结构性矛盾：ARM 的估值逻辑本质是\u0026quot;卖铲子\u0026quot;——靠 IP 授权吃遍整个半导体食物链，高通、联发科、苹果都是客户。一旦自己下场做 SoC，这些大客户就既是买家又是竞争对手，关系很难处理。而且 ARM 做 SoC 越深，客户们转向 RISC-V 的动力就越强——这几乎是一个自我强化的困局。\n3. RISC-V 有没有前景？挑战在哪里？\n前两年我对这个问题也很困惑，甚至觉得很难。但今年我变得异常乐观，原因有两点：\n一是做 RISC-V 的公司越来越多。以前初创公司大多走手机 SoC 的老路：ARM core 加上自己一点东西。现在不论是初创还是大厂自研，RISC-V 出现的频率已经很高。当生态里的玩家越来越多、越来越年轻，这个生态未来是必胜的局。\n二是体系的完善。我记得 2019 年刚接触 RISC-V 的时候，真的是要啥啥没有——只有一个 Chisel 写的 Rocket，RISC-V LLVM 编译不了 Linux，编出来的 binary 也只能用 QEMU 跑。7 年过去，体系完善了很多：开发板逐渐面世，有了自己的硬件基础；RVA23 让大家有了共同的设计目标；IOMMU、PLIC 逐渐成熟。RISC-V 终于有了点\u0026quot;大人\u0026quot;的样子。\n当然，挑战依然存在，主要有三点：\n性能与软件优化。 能上桌吃饭，不代表有话语权。除了硬件本身的设计仍需时间成熟，ARM 和 x86 多年软硬件共同迭代积累的优势，RISC-V 还需要追赶。\n标准化和 ratification 速度太慢。 开源大锅饭的代价就是节奏慢。2023 年 Integrated/Attached Matrix Extension Working Group 就成立了，到 2026 年竟然还没 ratify……黄花菜都凉了。所以玄铁干脆自己搞了 MME。RVA23 犯过的错误，不能再来一次了。\n碎片化与低端化风险。 以前 RISC-V 市场份额小，大家相互合作友好。等真的喝上汤了，会不会开始互相拆台、各建小生态？值得一提的是，RISC-V International 对这个问题是有意识的——RVA Profile（RVA20、RVA22、RVA23）正是专门用来对抗碎片化的机制，通过定义共同基线让不同厂商的实现保持兼容。方向是对的，但执行力还需要时间验证。\n这是我第一篇技术偏向更强的博客，仅代表个人观点。有相同或不同看法的，欢迎交个朋友，一起聊。\n","permalink":"https://shibo-chen.github.io/zh/blog/arm-riscv-ai/","summary":"从三个问题聊聊：RISC-V 在 AI 时代的真实优势、ARM 为何要亲自下场做 SoC，以及 RISC-V 的前景与挑战。","title":"ARM、RISC-V 与 AI"},{"content":"我司一直都没有要求按时去办公室，但我依然每天雷打不动九点以前会出现在那里。\n生活和工作分离，从地理和环境上让自己工作时更高效、休息时更放松，当然是一个原因。\n但更重要的原因，是\u0026quot;信息偶遇\u0026quot;。\n信息偶遇原本是互联网电商的词汇，指推荐给用户信息时，让用户在获得目标内容的同时，偶遇一些意外的、可能感兴趣的东西。但这一点在工作和生活里同样适用。在茶水间、在走廊里、在食堂，偶遇形形色色的人，哪怕只是两三句寒暄，也可能带来意想不到的知识碰撞和新思路。\n居家办公则完全相反。几乎所有信息都是被过滤、整理、计划过的——会议有议程，消息有主题，连随手一问都需要发条消息等回复。这样的环境，让人失去了和新信息\u0026quot;意外相遇\u0026quot;的机会。\n陶哲轩曾说，在普林斯顿的一年，因为不需要参加形形色色的活动，反而让他灵感枯竭。这和我读博前两年的感受如出一辙：居家办公虽然有产出，但新意和对领域广度的拓展明显放慢。21年底情况略有改善，但习惯了远程和视频会议的人越来越多，信息偶遇的密度始终没能恢复。\n很多人觉得我认识人多，一定是个很E、很敢于社交的人。我确实是E人，但在各种 networking event 上我依然会感到 awkward。我的秘诀其实很简单：just be there。让别人看到你，如果你有足够的 aura，总会有人被吸引来。\n出现，本身就是一种策略。\n","permalink":"https://shibo-chen.github.io/zh/blog/office-serendipity/","summary":"不只是工作和生活分离那么简单，更重要的是不能错过只有在办公室才能发生的\u0026quot;信息偶遇\u0026quot;。","title":"为什么要多去办公室办公"},{"content":"未来五年，我很看好 computer architecture 的机会，甚至觉得这会是一个黄金年代。\n第一个原因是，agentic AI 的工作负载已经不再只是简单的 number crunching。未来真正重要的，不只是算力够不够大，而是推理与执行能不能在多模态、多任务、多场景里协同起来。这会把问题从“单个计算单元的极致优化”推向“整机系统怎么拼”：CPU、NPU、GPU、matmul、vector、SRAM、DMA、Ethernet、PCIe、optics、DRAM、HBM，到底该怎么组合，才最适合真实 workload。\n换句话说，接下来更有意思的问题，不再只是“某个 accelerator 有多快”，而是“整条 compute、memory、interconnect 链路应该怎样分工”。这本质上是 architecture 的问题。\n第二个原因是 edge 端的崛起。toC 需求天然碎片化，变化快，而且很多市场既不够大到让巨头全力投入，也不够标准化到适合一套通用方案吃遍天下。这就给更灵活的小团队留下了空间。只要找到一个真实存在的需求，把产品和架构收得足够紧，就有机会占住一个 niche market。边缘端也会逼着架构决策更早暴露出来，因为功耗、时延、带宽、隐私和成本经常会同时成为约束。\n第三个原因是，architect 终于比过去更容易亲手验证自己的想法了。以前架构师更像构想者，能提出非常好的系统思路，但从 idea 到实验、到实现，中间要跨过很长的链条，成本也非常高。现在 AI 能帮助大家更快做 tradeoff exploration、自动化一部分迭代工作，把很多原本只停留在纸面上的想法，推进到可实验、可验证的层面。\n这件事的重要性在于，软件在很多领域都会更容易被自动化，也更容易被快速复制。随着软件层的差异化被持续压缩，更多长期价值就会落在硬件行为差异和系统设计差异上。不是说价值只会在硬件上，但 architecture 的含金量会重新上升。\n更有意思的是，这不只是一个市场变大的故事，也是一个创造力重新被释放的故事。更多人有机会以架构师的方式思考，再把这些想法快速推进到现实。下一轮真正精彩的部分，不是局部性能的小修小补，而是更大胆的系统设计重新回到舞台中央。\n","permalink":"https://shibo-chen.github.io/zh/blog/golden-era-for-system-architecture/","summary":"AI-native 工作负载、边缘端需求崛起，以及更快的实验能力，正在把架构能力重新推回硬件价值创造的中心。","title":"Computer Architecture，正在进入一个黄金年代"},{"content":"半导体研发正站在一个很重要的拐点上。这种变化不只属于芯片行业，对很多硬科技领域都成立：在研发经费没有明显增加的前提下，开发周期本身会被大幅压缩。未来做到现在的三分之一，并不是一个夸张的判断。\n最近做一些新旧项目的复盘时，我对这件事的感受尤其明显。过去 design 层面的问题，修一次往往要等上几周，复杂一点甚至要拖到一个季度；现在同类问题的定位和修复，很多时候已经可以收敛到几天。哪怕团队内部还需要反复讨论，通常也就是一到两周，很难再拖回以前那种月份级别的节奏。\n更关键的是，试验和验证的基础设施正在变化。我接触过的一些团队，正在把原本昂贵、笨重、周期漫长的流程，变成更小型、更低门槛、更高频的迭代系统。过去测试片回片往往要等上几个月，现在已经开始有机会被压缩到几天；过去仿真跑很久都无法稳定复现的问题，也开始能够通过更快的实际验证，在更短时间里重现出来。\n一旦这个 feedback loop 被拉到“天”甚至“小时”的级别，硬件开发的节奏就会越来越接近大型软件工程。到那时，做一颗高端芯片不该再按“年”来算；不少项目会落到 6 到 9 个月，复杂度更低的产品还会更短。真正决定成败的，反而不再只是单点技术是否足够领先。\n未来芯片设计公司的竞争，可以概括成三件事。\n第一，能不能更准确地吃准用户需求。\n当技术试错成本下降后，最稀缺的资源不再只是试错能力，而是方向判断。\n第二，能不能持续压缩“人”在技术迭代中的时间占比。\n不是把人排除出去，而是尽量减少等待、对齐、搬运信息和手工串联这些低效率环节。\n第三，能不能拿到稳定的产能与供应链配合。\n当设计和验证越来越快时，制造侧会更早、更直接地成为瓶颈。\n很多人还在用过去的节奏理解半导体行业，但真正的变化不是“某个工具更强了”，而是整个反馈闭环被重写了。反馈闭环一旦变短，行业的组织方式、人才结构和竞争壁垒，都会跟着重排。\n","permalink":"https://shibo-chen.github.io/zh/blog/semiconductor-development-cycle-compression/","summary":"当实验、验证与回片的反馈闭环被压缩到天和周的粒度后，芯片研发的节奏会越来越像软件开发，竞争焦点也会随之改变。","title":"半导体开发周期，会压缩得比预期更快"},{"content":"工作经历 高级架构师 — Tenstorrent Inc 加利福尼亚州圣克拉拉 · 2025年5月 – 至今\n主导基于chiplet的AI/ML加速器系统的NoC、D2D及存储系统架构权衡研究，涵盖GDDR、LPDDR、IO及RISC-V CPU chiplet。推动路由、QoS、拓扑、时钟及调试可见性方面的设计决策，达成吞吐量、延迟、利用率、功耗和面积目标。定义链路、队列、内存通道及地址交织需求，并在性能分析能实质改善架构决策时加以运用。与RTL、物理设计、验证及软件团队联合调试跨栈性能与功耗问题。主导涵盖非一致性NoC、AXI/CHI/PCIe互联、chiplet互连及LPDDR/DDR子系统交互的架构评审。\n平台架构实习生 — Tenstorrent Inc (2023) 加利福尼亚州圣克拉拉 · 2023年5月 – 2023年8月\n设计并研究多核、多chiplet互联改进方案，以提升性能效率与功耗权衡。估算片上及片外流量，用于功耗分析和早期系统规划。为异构集成场景定义缓存与互联验证测试方案。构建多核、多chiplet流量生成、测试与仿真的工作流。配置Arteris IP以处理非一致性流量，并验证互联集成边界情况。\n平台架构实习生 — Tenstorrent Inc (2022) 加利福尼亚州圣克拉拉 · 2022年5月 – 2022年8月\n参与服务器级RISC-V多核CPU的架构研究。开发了一套可配置的片上互联性能模型，支持异构多核系统。定义配置语义，覆盖核心、缓存、内存及互联选项的广泛设计空间。\n教育背景 计算机科学与工程博士 密歇根大学安娜堡分校 · 2019 – 2025\n论文：《简化高性能异构硬件设计》。导师：Todd Austin 教授。\n创新与创业研究生证书 密歇根大学安娜堡分校 · 2019 – 2025\n计算机科学学士 — 最高荣誉 密歇根大学安娜堡分校 · 2016 – 2019\nGPA：3.9/4.0\n","permalink":"https://shibo-chen.github.io/zh/experience/","summary":"\u003ch2 id=\"工作经历\"\u003e工作经历\u003c/h2\u003e\n\u003ch3 id=\"高级架构师--tenstorrent-inc\"\u003e高级架构师 — Tenstorrent Inc\u003c/h3\u003e\n\u003cp\u003e加利福尼亚州圣克拉拉 · 2025年5月 – 至今\u003c/p\u003e\n\u003cp\u003e主导基于chiplet的AI/ML加速器系统的NoC、D2D及存储系统架构权衡研究，涵盖GDDR、LPDDR、IO及RISC-V CPU chiplet。推动路由、QoS、拓扑、时钟及调试可见性方面的设计决策，达成吞吐量、延迟、利用率、功耗和面积目标。定义链路、队列、内存通道及地址交织需求，并在性能分析能实质改善架构决策时加以运用。与RTL、物理设计、验证及软件团队联合调试跨栈性能与功耗问题。主导涵盖非一致性NoC、AXI/CHI/PCIe互联、chiplet互连及LPDDR/DDR子系统交互的架构评审。\u003c/p\u003e","title":"经历"},{"content":"很多团队虽然已经开始用 AI，但工作流仍然停留在上一个时代。过去的 workflow 本质上是 human-centric 的：先把内容组织成方便人 review 和 edit 的形态，再导出成软件适合处理的格式。这个逻辑在软件只是辅助工具时没有问题。\n但当 AI 开始变成真正的协作者，顺序就应该反过来。更值得先问的问题，不再是“怎样最方便人先改”，而是“怎样设计 workflow，才能让 AI 在最少摩擦下做最多有效工作”。等 AI 把主要工作做完，再把结果导出成适合人查看、判断和微调的形式。\n这看起来只是顺序变化，实际上是很深的重构。很多团队只是把 prompt 接在旧流程上，却没有重想数据结构、上下文边界、tool interface 和 handoff design。这样做通常效果有限，因为整个系统仍然围绕旧瓶颈在优化。\n第二个关键点是：凡是 mission-critical、必须 human sign-off 的环节，AI 都应该尽量给出 concise 且 minimal 的方案。如果每次输出都长到让人看不完，reviewer 就无法稳定完成审核，也没法高质量做判断，最后 bottleneck 还是会回到人身上。对于这种场景，质量不仅是“答得对”，还包括“能不能把人的认知负担压缩到最小”。\n所以我越来越偏好一种模式：AI 在后台做大量展开和试探，但在交到人手里的那一刻，必须把建议压缩成最可审阅、最可签字的形式。AI 的价值不在于生成最多文本，而在于在保留关键判断权的同时，尽量减少人的消耗。\n第三个变化是组织层面的。随着 AI 更深入地进入日常运营，IT、基础设施和 workflow design 不会再只是支持部门的工作，而会成为核心运营能力。数据安全、权限边界、agent 的效率与成本、tool calling 的选择、可观测性、延迟控制，这些都会直接影响开发速度和业务效率。\n将来真正把 AI 用好的公司，不是那些只是拿到了更强模型的公司，而是那些先把自身 operating system 重写成 AI-native workflow 的公司。\n","permalink":"https://shibo-chen.github.io/zh/blog/ai-centric-workflow/","summary":"真正发挥 AI 的效率，不只是多接一个模型，而是重写工作流、压缩 sign-off 成本，并把 IT 与基础设施放到运营中心。","title":"用好 AI，关键是先重写 Workflow"},{"content":"很多人以为“边界感”是一种冷漠，或者是“我不想帮你”的态度。\n但真正的边界感，恰恰是清楚自己的人生方向，并对自己的时间和精力负责。\n学会对别人 say no，不是因为懒惰，也不是因为狠心。\n更多时候，是因为你知道自己当下最重要的目标是什么，知道什么事情值得长期投入，什么事情只能礼貌地拒绝。\n短期看，你的拒绝可能会让别人失望。\n但长期看，这种选择是在保护你的专注力，让你把有限资源用在真正重要的事情上。\n如果我们总是为了“不得罪人”而答应所有请求，结果往往是：\n对外看起来很好说话，对内却越来越焦虑，真正重要的计划被不断推迟。\n“当下让他人失望，长期对自己有益”，并不是自私。\n真正的朋友和亲人，不会因为你一次拒绝就否定你；相反，他们会更愿意看到你在长期目标上持续成长。\n成长从来不是把所有人都照顾好，而是把自己的人生经营好。\n边界感，不是墙，而是方向感。\n","permalink":"https://shibo-chen.github.io/zh/blog/boundaries-and-say-no/","summary":"设定边界、学会拒绝，不是冷漠，而是把时间和精力留给真正重要的长期目标。","title":"敢于说“不”，是对长期目标负责"},{"content":"大家经常讨论 book smart 和 street smart。用老话说，就是“读万卷书，行万里路”。\nbook smart 是通过读书和理论学习获得的知识，优势在于框架清晰、方法系统；但进入复杂执行场景后，它容易忽视“人”在落地环节中的关键作用。\nstreet smart 是在现实环境里摸爬滚打积累的经验，包含很多书本之外的技巧，也包括待人处事、跨团队协同、资源协调等能力。\n所以，只有 book smart 的人，往往会被 street smart 惊艳到。你会突然意识到：原来事情还可以这样推进。比如学校教你如何写高质量程序，这是 book smart；而真实产品研发里，和各部门对齐、研究客户、争取资源，更偏向 street smart。\n但过去一年我越来越清楚地感受到：无论是 book smart 还是 street smart，本质上都更偏“技巧层”。它们可以快速解决局部问题，却很难稳定支撑一个团队或公司完成复杂的大型项目。\n面对复杂项目，必须依靠 system 的力量。\nsystem 的目标，是搭建高效且可执行的框架：任务和时间管理、信息流通、资源调度、风险控制、复盘闭环。因为当复杂度上来后，资金、人员、分包方都会同时卷入，大家的态度、认知、执行力不可能天然在同一平面上。这个阶段，降风险不靠“把自己累死”，也不靠一两个技巧，而要靠可复制的流程和架构。\n系统性思考并不和 book smart / street smart 对立。它更像一个转译器：把个人的 street smart 沉淀成组织更容易执行和跟进的 book smart，并最终实现规模化。\n我现在越来越相信，一个成熟组织的目标，是让成员主要依靠清晰系统把事做好，而不是过度依赖少数人的个人经验。\n","permalink":"https://shibo-chen.github.io/zh/blog/book-smart-street-smart-system-smart/","summary":"复杂项目里，单点技巧不够，真正决定上限的是可复制的系统能力。","title":"从 Book Smart、Street Smart 到 System Smart"},{"content":"","permalink":"https://shibo-chen.github.io/zh/publication/chen-zipper-2025/","summary":"","title":"Zipper：面向高性能总线的抗时延优化"},{"content":"","permalink":"https://shibo-chen.github.io/zh/publication/tan-severification-2023/","summary":"","title":"低信任架构的安全验证"},{"content":"","permalink":"https://shibo-chen.github.io/zh/publication/chen-twine-2022/","summary":"","title":"Twine：面向组件级异构设计的 Chisel 扩展"},{"content":"","permalink":"https://shibo-chen.github.io/zh/publication/gallagher-morpheus-2019/","summary":"","title":"Morpheus：基于移动目标防御集成与 Churn 的漏洞容忍安全架构"},{"content":"","permalink":"https://shibo-chen.github.io/zh/publication/erickson-commpact-2018/","summary":"","title":"CommPact：评估自动驾驶车队契约机制的可行性"},{"content":"什么是 RSS？ RSS 是一种开放的订阅格式，无需社交媒体也能追踪网站更新。每当有新文章发布，RSS 阅读器会自动抓取——没有算法推荐，没有广告，没有噪音。\n订阅地址 将以下地址复制到任意 RSS 阅读器：\nh t t p s : / / s h i b o - c h e n . g i t h u b . i o / z h / b l o g / i n d e x . x m l 推荐的 RSS 阅读器 应用 平台 说明 Feedly 网页、iOS、Android 免费版可用，用户最多 Inoreader 网页、iOS、Android 过滤和规则功能强大 NetNewsWire macOS、iOS 免费开源 Reeder macOS、iOS 阅读体验简洁 NewsBlur 网页、iOS、Android 开源，支持自托管 如何订阅 复制上方的订阅地址 打开你的 RSS 阅读器 找到\u0026quot;添加订阅\u0026quot;、\u0026ldquo;Subscribe\u0026quot;或 + 按钮 粘贴地址并确认 完成后，新文章会自动出现在你的阅读器中。\n","permalink":"https://shibo-chen.github.io/zh/subscribe/","summary":"\u003ch2 id=\"什么是-rss\"\u003e什么是 RSS？\u003c/h2\u003e\n\u003cp\u003eRSS 是一种开放的订阅格式，无需社交媒体也能追踪网站更新。每当有新文章发布，RSS 阅读器会自动抓取——没有算法推荐，没有广告，没有噪音。\u003c/p\u003e","title":"RSS 订阅"}]