摘要：如果把AI在芯片和系统设计中的应用和渗透划分不同阶段和层次，在Cadence看来，包括第一阶段优化式AI、第二阶段对话式大语言模型、第三阶段复杂推理、第四阶段代理式AI和第五阶段全自动化，而目前代理式AI已经开始越来越多的发挥作用。

“现在有超过50%的芯片设计会借助代理式AI工具来加速产品上市时间，预计未来 2年这一比例将迅速增加到超过80%。” 近日，在CadenceLIVE China 2025中国用户大会期间，Cadence高级副总裁兼系统验证事业部总经理Paul Cunningham博士如是说。

Cadence高级副总裁兼系统验证事业部总经理Paul Cunningham博士

如果把AI在芯片和系统设计中的应用和渗透划分不同阶段和层次，在Cadence看来，包括第一阶段优化式AI、第二阶段对话式大语言模型、第三阶段复杂推理、第四阶段代理式AI和第五阶段全自动化，而目前代理式AI已经开始越来越多的发挥作用。 代理式AI给芯片设计带来的改变无疑，代理式AI（Agentic AI）在芯片设计中的角色正从“辅助”走向“自主”，有望大幅提升设计效率、应对复杂度挑战，并改变工程师的角色。代理式AI在芯片设计中的几个关键应用领域包括： 设计自动化与优化。AI代理可以自动生成硬件描述代码（如Verilog）、进行功耗、性能和面积（PPA）的优化，甚至自动修复设计中的错误。 设计验证与调试。这是目前代理式AI应用较为广泛的领域。AI代理可以自动化生成测试用例、分析仿真结果，并在复杂的多场景多模式时序验证中快速定位和调试时序路径问题。 系统级与多物理场仿真：面对3D-IC和先进封装的设计挑战，代理式AI能够驱动仿真工具对热管理、功耗完整性、电磁兼容性以及应力等进行多物理场耦合分析。 自然语言交互与工具控制。自然语言界面是代理式AI当前一个显著的应用特征。工程师可以通过聊天的方式与设计工具交互，查询文档、生成脚本或下达指令。 正如开篇提到的，代理式AI在芯片设计中的渗透率正快速增长，在未来几年预计将给芯片设计带来更深远的变革，包括： 设计范式的根本转变。芯片设计流程有望从当前高度依赖工程师经验的“手工艺术”，转向由AI代理驱动的高度自动化的“科学工程”。AI未来将能够自主完成从架构探索、代码生成、物理实现到验证签核的绝大部分流程。 应对指数级增长的设计复杂度。随着半导体工艺迈向3nm甚至更小，晶体管数量激增（预计2030年出现万亿晶体管芯片），加之3D-IC/Chiplet等异构集成技术的普及，设计规则极其复杂。代理式AI是应对这一挑战的关键工具，它能处理人类工程师难以手动优化的海量变量和约束条件。 数字孪生与系统级协同。代理式AI将助力构建从芯片到封装、板卡乃至整个系统的高保真数字孪生。这使得在虚拟环境中对最终产品进行全方位的仿真、验证和优化成为可能，大幅降低后期反复制样和测试的成本。目前，在机器人、无人机等系统领域，仿真覆盖率仅20%，另外80%则必须通过实际制造、测试来不断改进模型和方法，AI有望显著提升这一比例。 赋能更广泛的创新者。代理式AI工具降低了芯片设计的门槛。传统的系统公司（如小米、阿里巴巴、比亚迪）甚至初创企业，能够更深入地参与芯片定制，打造“软件定义芯片”，更好地满足特定应用场景的需求。 重塑工程师的角色。工程师的角色将发生转变，从执行许多重复性的设计任务，转向定义设计目标、约束条件和验证策略，进行架构探索和创新，以及管理和监督AI代理的工作。他们需要的是“提出正确问题”的能力，而AI则负责高效地“找到答案”。 Cunningham博士介绍，当前Cadence正通过Cadence JedAI这一平台将其AI能力进行整合，目标是覆盖从芯片的硅级代理和智能系统的系统级代理所需的AI辅助设计能力，这一平台也可通过和客户自有AI平台的结合提供更强的灵活性。而在硅级部分，Cunningham博士表示，除了提供EDA，未来也可将IP纳入AI工具的范畴，包括三种形式，其一可以采用Cadence的IP加速客户的芯片设计；其二是借助Cadence的AI工具帮助客户加速其自有的IP开发；最后则是通过AI工具实现IP的自动集成。全自动设计还有较长的路要走虽然AI推动的全自动化设计进程已在进行中，但考虑到越来越复杂的芯片和系统设计，要实现这一目标显然不是一蹴而就的事，还有很多的挑战和瓶颈要面对。 除了芯片设计中相关数据的质量、碎片化和敏感性等问题，目前AI大模型产生的幻觉也是EDA企业必须正视和解决的，对此，Cunningham博士提到，应对这一问题，需要从两方面着手，包括“一方面可以多次提出同样的问题，通过对问题进行微调，从结果的差异性中判断工具的准确性，也是形式化验证的一种，可以通过这种方式对AI工具进行进一步校准，甚至检查、提升AI呈现出来的质量。”Cunningham博士也坦言，这种方式适合较简单的任务，如果设计相对复杂，这种形式的适用性会受到影响，“另一方面，我们可以打造每一个点工具的代理式AI专家，这会比较容易达成，让AI更快用在实际的项目上面，而不是一个广泛的超级专家，想让它无所不能，这个看起来还比较遥远。” 这背后的现实阻力还包括，代理式AI需要与传统EDA流程的集成，而现有的芯片设计流程（Design Flow）是经过数十年验证的、高度稳定的工具链。将代理式AI深度集成到现有流程中，而不是作为一个孤立的点工具，需要EDA厂商对自身工具链进行大刀阔斧的重构，并建立标准化的API接口，这是一个缓慢的过程。 同时，还需要“打破”设计阶段壁垒，代理式AI的终极愿景是实现从架构到制造的全局优化。但这要求AI能贯通目前相对独立的设计阶段（如架构、RTL、综合、布局布线、签核）。每个阶段都有其独特的工具、数据格式和验证方法，打破这些壁垒需要全行业的共同努力。 “ 数字芯片设计会更容易实现全面自动化，但客户的设计实际上正快速演进。AI的发展速度总是让我们惊叹，变化如此之快。”Cunningham博士最后强调，“关键在于当用户使用Cadence软件的感受如同与人类在交流——不再觉得它只是个工具，而更像是另一个设计伙伴。我认为这种体验将在未来2 到3年内就会快速普及。但要让这个"伙伴"完全具备独立完成整个SoC设计的能力，这需要更长时间。”

来源：与非网