芯片行业用大模型，先得有一把“行业专属尺子“

AI模型越来越强，这没什么好争的。

但强在哪里？怎么证明它真的能用在芯片设计上？这个问题，目前大多数公司还没想清楚。

回头看整个计算机行业的发展，基准测试几乎贯穿了每一次技术跃迁。CPU性能怎么比？有SPEC。内存带宽怎么量？有Stream。网络吞吐怎么验？有iperf。每一个细分领域，最终都会沉淀出一套公认的测量方式。

这是行业发展的必然逻辑。没有标准化的度量，技术进步就没有参照系。

现在AI模型的基准测试也在快速膨胀。MMLU、HumanEval、GSM8K……每隔几个月就有新的benchmark出来，评的方向也越来越细。但这些测试，和芯片研发的实际工作基本没什么关系。

一个具体的问题：

让大模型帮你写一段APB总线的Verilog，它能写出来。但它写的时序逻辑是否满足建立保持时间？复位逻辑有没有异步复位同步释放？这些细节，通用基准测试根本不考察。