NADI AI 芯片挑战赛考验欧洲的执行力缺口

NADI 已与德国 SPRIND 启动一项价值 4,000 万欧元的 AI 芯片挑战赛，承诺将原本需要数年的半导体设计工作压缩至数周。该计划为欧洲提供了一场聚焦测试：公共资金、自主设计系统和规模更小的工程团队，能否共同打造具备竞争力的芯片。

资金固然重要，但项目结构更为关键。两家机构将资助多条相互竞争的技术路线，在八个月后淘汰较弱方案，并继续为入选团队提供一年的支持。其目标并不是打造一家由国家支持的 Nvidia 竞争者，而是加快从架构构想到可量产芯片设计的路径。

这一差异构成了核心张力。欧洲已在半导体设备、科研和工业制造领域占据重要地位，却始终难以将这些优势转化为被广泛采用的 AI 处理器。NADI AI 芯片挑战赛直击设计瓶颈——美国芯片公司和电子设计自动化厂商在这一领域仍保持着深厚优势。

NADI AI 芯片挑战赛究竟资助什么

该计划资助的是一种实验性的设计流程，而不只是发放半导体补助金。

荷兰颠覆性创新国家机构 NADI 于 2026 年 9 月 23 日与德国突破性创新联邦机构 SPRIND 共同宣布这项挑战赛。这是 NADI 的首个项目，也是两家机构首次联合推出资助计划。

NADI 是一家新成立的荷兰机构，部分参考了美国研究机构 DARPA 的模式；DARPA 以管理高风险技术项目而闻名。NADI 的角色不同于传统科研资助方：它计划界定战略性问题、招募提出竞争性解决方案的团队，并主动管理项目进展。

荷兰政府已向该机构拨款 5 亿欧元。NADI 表示，其成立目的在于弥合有前景的研究成果与企业或公共机构能够真正部署的技术之间的鸿沟。其拟议模式赋予项目主管对既定任务及其预算的较大决策权。

这种做法与 SPRIND 已采用的运作逻辑高度相似。这家德国机构于 2019 年成立，旨在支持被认为不确定性过高、难以获得传统私人融资的创意。其评估流程同时考量技术基础，以及走向可销售产品的潜在路径。

新的芯片设计项目将分两个阶段、在 20 个月内开展。两家机构将根据各团队的成本估算提供固定价格合同，两个阶段合计每队最高可获得 960 万欧元支持。

第一阶段为期八个月，每队最高可获 260 万欧元。荷兰媒体报道称，七支团队将进入这一阶段。随后，评审团将选出最强项目进入为期 12 个月的第二阶段，每支入选团队最高可获 700 万欧元。

报道显示，可能有三支团队晋级，但该项目公开页面强调将由专家评审团进行评估，并未保证最终入选数量。两家机构还将协助参与者接触技术专家和潜在合作伙伴。

这场竞赛寻求同时面向 AI 训练和推理的设计。训练是让模型从数据中学习的高计算量过程；推理则是运行已训练模型以响应请求或执行任务的后续过程。

这两类工作负载提出了不同要求。训练通常需要极大的并行计算能力和高带宽内存；推理则往往更重视能效、延迟、部署成本，以及针对特定模型或应用的性能。

因此，该挑战赛并不要求每支团队复制领先通用加速器的架构。它欢迎针对数据安全、生物技术、机器人、移动出行和大型 AI 基础设施的替代方案。

申请将于 2026 年 11 月 30 日中欧时间 11:00 截止。两家机构已安排于 10 月 9 日和 11 月 17 日举办网络研讨会。这些日期使眼下的项目可供核实，但其更宏大的主张仍是目标，而非已实现的成果。

第一阶段将揭示严肃的工程团队是否接受其时间表、合同条款和评估框架。第二阶段则将检验竞赛能否从软件原型走向制造商能够现实制造的设计。

为什么欧洲瞄准设计而非制造

NADI 和 SPRIND 将公共资金集中投向欧洲无需先重建整条半导体供应链便可参与竞争的领域。

欧洲在芯片行业处于一种矛盾的位置。荷兰拥有 ASML，其光刻系统对先进半导体制造至关重要。德国则拥有广泛的工程、科研、汽车和工业生产能力。

然而，用于生成式 AI 的领先处理器主要来自美国公司。芯片制造高度依赖亚洲晶圆代工厂，关键设计软件则由少数成熟供应商掌控。

建设一座先进制造工厂需要巨额资本、专业设备、经验丰富的操作人员，以及多年的工艺开发。4,000 万欧元的挑战赛无法建立这种基础设施。但它可以检验 AI 是否改变设计阶段的经济性和速度。

NADI 联合创始人 Jelle Prins 曾将荷兰和德国的优势描述为互补：荷兰贡献了以 ASML 为核心的强大半导体设备网络，德国则带来工业制造和科研能力。

这一合作将地理邻近转化为一场政策实验。两家机构没有各自再设立一项国家级半导体计划，而是从一开始就在跨境范围内汇聚专业能力。

荷兰首相 Rob Jetten 将这项合作界定为一种必要条件，而非象征性姿态。据最初的通讯社报道，他认为欧洲无法承受以各国为单位各自推进重大创新的代价。

这一表态反映出欧洲科技政策长期存在的弱点。欧洲大陆拥有能力出众的大学、专业制造商和大量公共资金，但这些资产往往被分割在各国项目、不兼容的采购体系，以及商业化路径有限的项目之中。

SPRIND 和 NADI 正试图以一个共同的技术目标，部分替代这种碎片化状态。其竞赛为多支团队设定相同的总体目标，同时允许采用不同的架构、方法和商业模式。

两家机构还选择了一个成果可衡量的问题。团队可以提交芯片架构、生成寄存器传输级代码、验证其行为，并针对既定工作负载比较性能或效率。

寄存器传输级代码通常称为 RTL，用于描述硬件将实现的数字逻辑和数据流。它位于高层架构构想与制造所需物理版图之间。

官方挑战赛要求团队在架构搜索、RTL 生成和验证全过程中使用 AI。这一范围很重要，因为仅加速其中一项任务，可能只是将瓶颈转移到别处。

一个系统或许能快速生成 RTL，却产出低效或难以验证的逻辑。另一个系统可能找到令人印象深刻的架构，却无法以经济的方式映射到现有制造工艺上。

全栈方法必须连接模型需求、架构决策、逻辑生成、验证、物理约束和软件支持。每一个阶段都需要证据表明，前一阶段没有引入隐藏错误。

这正是该计划聚焦可量产设计、而非仅仅关注研究论文的原因。两家机构希望团队证明，其方法能够经受住通往制造的路径考验。

这一目标也回应了不断变化的 AI 工作负载。模型架构的演进速度可能快于定制芯片的开发周期。为某一代模型构思的芯片，可能在开发者已转向不同内存模式或推理技术后才问世。

SPRIND 挑战赛负责人 Jano Costard 将预期改进描述为开发速度提升数个数量级。这是一种雄心，而非经独立验证的成果；但它明确了衡量成功的指标。

如果团队只是在传统的多年流程中节省数周时间，这项挑战赛便无法支撑其最强前提。若它们能够反复在数月或数周内产出可验证的设计，这种方法可能改变专用加速器的融资方式。

这一机会对推理尤其重要。Prins 曾将对某些推理任务使用最大的 Nvidia 处理器，比作开卡车去买杂货。这个类比并不完美，但它突出了最大计算能力与特定工作负载效率之间的不匹配。

推理发生在数据中心、工厂、车辆、机器人和边缘设备中。这些环境并不都需要同一种处理器。更小、更专用的设计可以优先考虑功耗、延迟、安全性或本地运行能力。

这创造了一个比在整个 AI 市场击败 Nvidia 更为狭窄的机会窗口。欧洲可以瞄准特定应用，在这些应用中，其工业客户、工程知识和监管要求能够提供有利起点。

欧洲的主要对手是自身的执行力缺口

核心竞争并非 NADI 对阵 Nvidia，而是欧洲的协调资助模式对阵其未能将研究商业化的历史记录。

与 Nvidia 的比较之所以引人关注，是因为该公司主导着 AI 训练处理器市场。但这种比较也可能扭曲 NADI AI 芯片挑战赛能够合理实现的目标。

Nvidia 的优势远不止于单颗芯片的规格。它还包括成熟的软件、优化后的库、开发者熟悉度、系统设计、网络技术，以及云服务商的支持。

技术上高效的处理器并不会自动跨越这一生态系统壁垒。开发者需要编译器、调试工具、框架、文档和可预测的硬件获取渠道；买家则需要证据证明供应商能够持续维护其产品。

这意味着，一项成功的挑战赛成果必须解决的不只是逻辑设计问题。它还需要一条可信路径，进入可用的计算系统。

两家机构似乎认识到这一约束。其征集强调可量产设计和全栈方法，而非孤立的性能主张，并提供技术和商业指导的获取渠道。

不过，公开竞赛材料对客户承诺、晶圆厂准入、封装能力、软件成熟度或采购安排提供的细节较少。这些要素决定了一项强大的设计能否成为实际部署的处理器。

欧洲此前已见过这种缺口。研究项目可以产出有价值的知识产权，却未能形成有能力服务商业客户的供应商。资助可能恰在项目进入从原型迈向制造这一昂贵阶段时结束。

NADI自身的论证正是围绕这一问题展开。其机构提案认为，荷兰拥有强大的科研能力，却未能充分实现其商业价值。提案将任务导向型资助视为连接大学与市场所缺失的桥梁。

该挑战赛的分阶段竞赛机制旨在让这座桥梁更具筛选性。机构不会在整个周期内资助一个大型联盟，而是先支持多种方案，再将资源集中投向表现更强的参与者。

这种方式能够及早暴露薄弱假设。团队必须证明自己在共同里程碑上的进展，同时竞争对手则探索不同路径。项目管理者可以比较证据，而非孤立地评估每个项目。

这种形式也让政府能够容忍技术失败。部分团队预计会在第一阶段结束后止步。它们的淘汰本就是设计的一部分，而非整个项目失败的证明。

这种终止项目的意愿，是类DARPA模式的关键。当每一笔资助都获得政治保护，或每个联盟都预期持续得到支持时，高风险研究将变得难以管理。

因此，这项挑战赛检验NADI独立性的程度，并不亚于检验团队的工程能力。一个新机构必须证明，它能够设定严格的里程碑、否决薄弱成果，并重新分配资金，而不会让流程沦为传统的拨款管理。

SPRIND拥有NADI尚不具备的制度经验。这家德国机构已经开展过挑战项目，并会从技术和经济潜力两方面评估项目。它的参与应能为首个荷兰项目提供一套可运行的执行框架。

不过，合作本身也会带来协调成本。合同规则、知识产权预期、出口管制、安全要求以及各国工业优先事项，都可能使跨境项目变得复杂。

荷兰政策文件还将NADI与另一个受DARPA启发的国防创新机构区分开来。这种划分可以明确民用与军用责任，但双用途半导体技术很少能完全契合清晰的机构分类。

AI加速器可用于商业数据中心、自主机器、网络安全系统和国防应用。团队需要明确有关所有权、出口能力以及获得最终设计的规则。

最理想的结果不应是一批政府所有的原型机，而应是一条可重复的路径，让欧洲团队能够设计、制造、部署并改进专用处理器。

这条路径必须纳入私营客户和制造合作伙伴。公共机构可以承担早期技术风险，但它们无法创造需求，也无法无限期替代一个能够正常运作的产品组织。

因此，这项挑战赛施压的不只是潜在申请者。欧洲晶圆厂、研究机构、软件开发商、云服务运营商和工业买家都必须决定，是否参与这条通往市场的共同路径。

如果这些群体始终只是旁观者，即便是出色的设计也可能在竞赛结束后停滞。如果它们成为客户和合作伙伴，该项目就可能提供欧洲半导体资产长期缺乏的协调能力。

AI真的能将芯片设计从数年压缩到数周吗？

AI可以加速重要的设计任务，但该项目必须证明，更快的生成不会带来更慢的验证。

技术机制始于搜索。芯片架构师需要围绕计算单元、内存、数据移动、精度、功耗和制造约束作出相互关联的决策。

传统团队只能探索这片庞大设计空间的一部分，因为每个候选方案都需要建模、实现和测试。AI系统能够生成并评估更多替代方案。

强化学习提供了一种方法。系统提出设计选择，从仿真或工程工具中获得反馈，并根据既定性能目标调整策略。

自主智能体则提供了另一种方法。独立的软件智能体可以在交换结果的同时，处理架构探索、代码生成、测试创建、错误分析和优化。

生成式模型还可以将更高层级的规格说明转化为RTL。这类似于软件代码生成，但对细微错误的容忍度要低得多。

软件缺陷通常可以在发布后修补。芯片制造完成后才发现的错误，可能需要重新设计并再进行一次流片。因此，验证是这项挑战赛的核心。

验证用于检查设计在预期和非预期条件下是否能够正确运行。它可能占据半导体开发时间的很大一部分，因为工程师必须考虑无数种状态和输入组合。

AI或许可以生成测试、识别可疑逻辑、优先处理边缘情况，或对属性进行形式化检查。但它同样可能引入看似合理、却难以发现的错误。

挑战页面中“AI成为真正的芯片设计师”这一表述，因此应被理解为项目目标。它并不能证明自主系统已经能够取代经验丰富的半导体团队。

人类工程师仍需定义需求、解读权衡、审查输出，并承担技术责任。最可信的参赛方案将说明自动化在哪些环节可靠有效，又在哪些环节仍必须依赖专家介入。

设计还必须经受物理实现的考验。在抽象仿真中表现良好的逻辑，在工程师将布线延迟、供电、散热、内存接口、封装和制造偏差纳入考量后，可能表现不佳。

流片标志着最终完成的物理设计被送往制造的时点。实现流片比产出功能性RTL要求更高，而制造出的芯片仍需要测试和软件集成。

SPRIND表示，表现突出的团队将被列为后续资助对象，获得数千万欧元资金以在流片阶段执行其设计。具体细节尚未公布。

这一缺口是该项目最大的未知因素之一。最初的4,000万欧元支持设计竞赛，但制造、先进封装、验证和开发者赋能还需要额外资本。

措辞同样重要。定向后续资助并不等同于已承诺的生产融资。团队目前还不能假定完成第二阶段就能保证制造出处理器。

这项挑战赛应通过可复现的证据来评判，而不是依靠单一基准测试。团队可能针对某一工作负载优化一种架构，同时掩盖人工工作、漫长准备过程，或对新模型迁移表现不佳的问题。

更有力的展示应当证明，同一系统能够在不同约束下设计多款芯片。它应记录每次运行所需的时间、计算资源、人工干预、验证结果和制造假设。

独立复现的价值会更高。外部工程师应能够判断，该自动化系统是否持续产出一致结果，还是依赖少数专家进行未经记录的修正。

文档化成为技术基础设施的一部分。团队需要在需求、生成产物、验证结果、设计决策和修订之间建立可追溯的关联。可搜索知识库可以帮助工程师保留这条链路，尽管它无法替代形式化验证工具。

安全问题同样值得重视。AI设计系统可能处理保密架构、专有训练数据和敏感制造信息。团队必须控制哪些内容会进入外部模型，以及如何审计生成的代码。

训练数据还可能编码既有设计模式、许可限制或过时做法。一个能快速生成熟悉结构的模型，并不一定是在发现更优架构。

这些机构选对了施压的环节：从架构意图到经过验证的设计之间的漫长链条。但它们尚未证明AI能够安全地压缩整个流程。

这就是为何机制比标题中的速度目标更重要。可信的结果将明确哪些任务变得更快、哪些仍需人工完成，以及团队如何防止自动化将工作转移到后续阶段。

三个信号将决定这场押注是否奏效

申请情况、验证结果和流片承诺将显示，该项目是在创造芯片，还是仅仅举办一场雄心勃勃的设计竞赛。

第一个信号是11月30日截止后申请者群体的质量。如果获得资助的七支团队只是同一种研究方法的不同变体，或缺乏实际半导体经验，那么其价值将十分有限。

强大的团队阵容应结合机器学习、芯片架构、验证、物理设计、系统软件和产品知识。它还应包含能够成立公司或与现有制造商合作的团队。

方法的多样性至关重要，因为这项挑战赛建立在竞争之上。一些团队可能优先考虑语言模型辅助的RTL生成，另一些则可能利用强化学习进行架构搜索，或利用智能体协调既有设计工具。

这些机构最终应披露足够的信息，说明每种方案为何入选。保密细节可以继续受到保护，但公众需要有依据来判断该组合是否包含真正的技术替代路径。

第二个信号是第一阶段结束后所采用的证据。八个月的评审将是首次区分加速工程与精心修饰演示的机会。

有价值的结果应包括经过验证的RTL、工作负载定义、功耗和性能估算、可复现性记录，以及对人工投入的清晰说明。比较应采用关于制造工艺和内存的一致假设。

单一的基准分数并不足够。团队可能通过改变数值精度、工作负载规模、利用率假设或配套软件，得出具有误导性的比较结果。

评估还应将设计速度与芯片质量区分开来。一周内生成一个性能较差的设计，并不比一年内产出具有竞争力的设计更具实质意义。

Costard向Reuters表示，该项目并不寻求渐进式改进。正如欧洲媒体报道所总结的那样，他认为欧洲需要战略优势，而非既有技术略有改良的版本。

这一标准提高了举证门槛。评审团必须识别出既在技术上不同寻常、又足够可信，值得获得大幅追加资金的成果。

第三个信号是，最强的团队能否获得一条可执行的流片路径。该项目的官方页面将后续资助描述为一个目标，其条款将在未来公布。

在第二阶段结束前，成功项目将需要晶圆厂产能、工艺设计套件、知识产权模块、封装计划、测试资源和软件路线图。这些关系需要时间协商。

获得具名制造合作伙伴将强化该项目寻求可投入生产设计的主张。若有承诺使用真实工作负载测试最终硬件的工业客户，同样如此。

如果没有这些承诺，这项挑战可能会止步于欧洲研究与商业部署之间那条熟悉的边界。设计或许很有前景，但产品仍可能停留在假设阶段。

4,000 万欧元的总额应当客观看待。它足以资助专注的团队，并测试一种新的开发方法；但还不足以复制全球半导体领导者长期积累的基础设施。

这一限制并不意味着该计划无效，反而让战略更加清晰。NADI 和 SPRIND 必须利用公共资金，找出规模较小的欧洲团队能够形成可持续竞争优势的领域。

推理是一个合理的目标，因为其需求覆盖许多高度专业化的应用环境。欧洲工业企业也拥有领域知识，可为机器人、出行、生物技术或安全本地处理等用途的芯片设计提供指引。

不过，专业化也可能缩小可触及市场。若一款处理器针对某个模型或客户优化得过于狭窄，可能难以收回其开发和支持成本。

团队需要打造一种架构：既能提供有意义的效率，又不会在 AI 模型变化时迅速过时。灵活的软件与可配置的硬件，可能与峰值性能同样重要。

这篇跨境分析正确指出，该计划并非试图资助一个直接替代 Nvidia 的方案。其更现实的目标，是在长期缓慢且昂贵的设计流程中寻找杠杆。

这也使 NADI AI 芯片挑战赛的意义超出欧洲范围。世界各地的半导体公司都在探索利用 AI 实现设计自动化的方法。一场透明的公共竞赛，或可为哪些方法有效、哪些主张站不住脚提供证据。

对开发者和企业采购方而言，短期影响将较为有限。目前没有新的处理器可供使用，该计划也尚未选出第一阶段的团队。

长期影响则更为具体。更快的设计周期可能催生针对更窄工作负载、更低能耗预算或更严格数据本地化要求优化的芯片。采购方或可获得替代方案，而不必为每项任务都采用最大的通用加速器。

未来三个月不会决定 AI 能否设计出具有竞争力的芯片，但会显示 NADI 和 SPRIND 是否吸引到了能够严肃检验这一命题的团队。

首先应关注申请团队组合。随后审视第一阶段的评估标准，以及团队必须提交的证据。最后，在将任何设计视为未来产品之前，应寻找已承诺参与的制造和客户合作伙伴。

欧洲已经拥有半导体知识、设备、研究机构和工业用户。其长期缺失的能力，往往是在通往市场的完整路径上进行协调执行。

NADI AI 芯片挑战赛是一次聚焦于弥补这一缺口的尝试。它的成功不会由发布公告的规模衡量，而将取决于一项经过验证的设计能否走出竞赛、进入晶圆厂，并运行客户真正需要的工作负载。