#asic

Jane Streetが出した「ASICを逆向きに解析できるか」というチャレンジに、ある開発者がほぼ1か月つき合わされた、という話だ。元記事は、その人がどうやってGDSファイルやVCDファイルを読み解き、回路図に起こし、最終的に解答へ近づいていったかを、かなり率直に振り返っている。面白いのは、単なる攻略記ではなく、寄り道と遠回りそのものが記事の主題になっていることだと思う。技術的にはかなり濃いが、読み方次第では「人は難題に出会うと、どこまで自作したくなるのか」を見る記事でもある。 元記事の筆者は、Jane Streetが定期的に出すチャレンジのひとつに引っかかり、1か月ほど没頭したという。課題は、ASIC、つまり用途特化の集積回路を逆解析して、その動作を理解することだった。最初に渡されるのはGDSファイルで、回路の物理配置を表す設計データらしい。筆者はまずファイルを覗き込み、`clk`、`rst`、`VGND`、`VPWR`のような見慣れた文字列を探し、`sky130_fd_sc_hd__`で始まるセル名から、論理ゲートの断片を拾い始める。Pythonの`gdstk`で読み込むと、少な

まず思ったのは、Anthropic までここに来たか、という驚きよりも、「やっぱりGPUを借り続けるだけでは怖いんだな」という納得感のほうでした。AIモデルを動かすコストの話はいつも抽象的に語られがちですが、推論用のチップを自前で持ちたくなる気持ちはかなり現実的です。学習用ほど派手ではないにせよ、推論は使われる回数が多いぶん、積み上がる請求額が重い。Claudeのようなサービスを回していくなら、Nvidia GPUに依存し続ける構図はかなり苦しいのだと思います。 それと、この記事でいちばん引っかかったのは、Anthropicが「自社で全部作る」のではなく、co-design だとされている点でした。ここは大事で、完全な内製化というより、設計を握りつつ製造は外部に頼る形です。Samsung が製造パートナー候補として出てくるのも、その延長線上なら自然です。AI企業がいきなり半導体メーカーになるわけではない。けれど、チップの仕様に口を出す側へ回るだけでも、かなり立場は変わるはずです。 ただ、こうした「自前チップ」の話は、聞こえは強いのに、実際にはかなり泥臭いと思います。推論専用ASICは、