当设计芯片的人开始用 AI 设计芯片，再让芯片反过来加速 AI，这个循环一旦闭合，半导体行业的节奏会被重新定义。
发生了什么
TechCrunch 公布，Ricursive Intelligence 联合创始人 Anna Goldie 与 Azalia Mirhoseini 将在 TechCrunch Disrupt 2026 登上 Disrupt Stage，主题是「闭合 AI 与芯片开发之间的循环」。两人此前以将强化学习用于芯片布局（floorplanning）的研究为人所知——那项工作把过去依赖专家经验、耗时数周的物理设计环节压缩到可自动搜索的范畴，是「AI 做工程」最被反复引用的案例之一。如今她们成立公司，方向显然从单点方法走向端到端流程。
为什么重要
芯片设计和 AI 训练之间存在一个结构性错配：模型规模在按季度膨胀，而先进制程的迭代周期以年计，物理设计的人力更是瓶颈。让 AI 参与芯片设计，理论上能同时缓解两端——既缩短设计周期，也让下一代硬件更贴合 AI 负载。
但「闭环」这个词值得拆开看。它至少包含三层：AI 辅助设计工具、AI 参与架构与布局决策、以及用 AI 负载反向定义硬件规格。前两层已有不少工业界实践，真正难的是第三层——它要求设计方理解模型训练的算力与访存特征，而不是把芯片当作通用商品。Ricursive 的定位，很可能就落在这个交叉点上。
影响与看点
对行业而言，这类公司的价值不在于取代 EDA 厂商，而在于证明「AI 原生设计流程」能否在真实项目中跑通。如果成立，受益的会是自研芯片的云厂商和 AI 公司——它们既有明确负载，也有动力为特定模型定制硬件。对开发者，短期影响间接：更快的硬件迭代意味着单位算力成本下降，但不会立刻改变写代码的方式。
值得关注的几个问题：一是她们是否公开可验证的结果，而非停留在方法演示；二是与现有 EDA 工具链的关系是替代还是嵌入；三是「闭环」是否包含真实流片验证——这是区分研究与产品的分水岭。
我的判断是：这个方向的技术叙事已经足够性感，接下来比拼的是工程落地和客户验证。Disrupt 舞台上的分享，值得当作一次阶段性交卷来看，而不是终点。
