EDA智能体能接管芯片设计了？别慌，这些事它还做不了

今年以来，一众EDA智能体产品接连上线，以自动实现规划设计工作流、自动调度EDA工具完成设计工作等为核心卖点。一年前，业内人士还对大模型的稳定性、准确性存疑。而今，相继上新的EDA智能体开始借助“连续工作、认错回头”的能力，为大模型“幻觉”打补丁。

智能体解放人工实现工作流自主编排

2026年，EDA智能体进入了爆发期。

第一季度，全球前三大EDA厂商接连发布智能体产品。2月，Cadence推出了ChipStack AI Super Agent，自称可通过协调多个专业AI Agent，将代理编排应用于前端设计和验证；3月，新思科技推出AgentEngineer，称Agent能够独立或协调团队进行推理、规划、学习和执行工程任务；同月，西门子EDA发布Fuse EDA AI Agent，称Agent可在整个生命周期内实现端到端自动化，使用户能够通过多工具工作流程协调加快设计周期。

国内EDA厂商不甘示弱。今年2月，芯和半导体推出XAI多智能体平台；3月，合见工软发布UniVista Design Agent；同期，华大九天针对PyAether用户研发的智能体工具Aether Coder正式上线；4月，广立微继SemiMind半导体大模型平台之后上线SemiClaw智能体开发应用平台。

就像通用智能体的主要功能在于自主调度软件完成特定任务一样，EDA厂商也对EDA智能体抱有相似的期许：通过分析用户需求和设计意图，自动规划设计工作流，自主调用EDA工具完成设计工作。

现在，由智能体驱动的智能化工具流已经初见成效。

合见工软产品总监成功向《中国电子报》记者表示，UDA2.0像一个“虚拟设计助理”，可以自主规划任务（例如先生成RTL，再生成Testbench，接着运行仿真）、自主调用工具链（如UVS+仿真器、UVD+调试器、UVSYN快速综合引擎），并根据执行结果自主进行反馈、纠错与迭代优化，最终形成“生成-验证-调试-优化”的完整闭环。

芯和半导体技术市场总监黄晓波表示，芯和XAI智能底座下有四大智能体，深度嵌入到建模、设计、仿真、优化的全流程中，让工具从被动执行者变成能主动调度、协同工作的数字劳动力——把芯片、封装、互连的多层级约束拉到统一框架下，让信号完整性、功耗、热管理这些原本分工具、分团队的问题，在同一平面上实现端到端协同。

广立微电子技术市场总监张克非表示，作为企业级智能体开发与应用平台，SemiClaw能够支持智能调度与跨系统操作，预置半导体行业设计、测试、分析多种技能，具备细粒度的权限管控与审计机制。智能体的出现，将EDA流程从“人找信息、人写脚本、人调工具”转变为“任务驱动、智能体自主编排与操作”。

智能体暂时干不了的三件事

作为一个新生事物，EDA智能体并不全能。记者在采访中了解到，短期内，有些工作是智能体无法胜任的。

第一是颠覆式创新。广立微电子技术市场总监张克非向《中国电子报》记者表示，智能体擅长从1到100的增长，但不擅长从0到1的创新。它的工作模式是从现有流程中学习，而真正能够解决特定行业领域应用问题的颠覆式创新，如真正的新思路、新架构，短期内只能来自人类的思考。

第二是物理规律的推演分析。归根结底，当前大模型是语言模型，无法理解物理世界。而EDA恰恰涉及大量对真实物理世界的模拟和仿真。尽管世界模型是热门方向，但在可见的很长一段时间里，模拟类运算仍将完全依赖底层的EDA工具。

第三是责任承担。黄晓波表示，在芯片设计工作中，智能体能介入多少取决于该任务有多大的容错空间。“RTL生成、文档理解、流程编排，有人工审核兜底，出了偏差能及时纠正，可以交给AI完成；但signoff的精度判定、安全关键场景的决策、跨代际工艺的外推，这些任务一旦出错，下游代价极高，短期内无法由智能体替代。”黄晓波说道。

回溯为大模型幻觉“打补丁”

一年前，当记者采访EDA相关企业的时候，许多企业还对大模型在EDA产业内的应用抱有谨慎的态度。其中，大模型可能存在的AI幻觉，是阻碍其在产业内扩展应用的关键因素。

当前，大语言模型的生成能力，仍然难以满足EDA对结果100%正确的要求。但记者也在采访中发现，智能体的使用正在一定程度上弥补大模型存在的固有缺陷。

智能体与EDA工具构成的“代理+工具调用（Tool Use）”协作模式，能够保证结果的精度和正确性。张克非举例道，头部EDA公司当前的智能体产品（如Synopsys、Cadence、Ansys以及英伟达披露的内部工具）并非直接让大模型输出最终数据结果，而是让大模型去驱动高精度的求解器。在芯片的形式验证（Formal Verification）环节，无论智能体如何发挥，流程编排会在数学证明的层面保证产出设计的正确性。借助EDA工具中内化的数学、物理或经验的规则，智能体在工作时能够自行获得反馈，遇到错误时回溯（backtracking）解空间探索其他方案。

“这种‘连续工作、认错回头’的能力使智能体表现出像人类一样使用EDA工具的能力，通过多轮尝试最终给出符合正确性和精度要求的结果。”张克非说道。

成功也介绍了一种类似的智能体保证结果准确的方式——工具链闭环验证。智能体生成代码后，能自动调用EDA工具产品链（如UVS+仿真器、UVD+调试器）进行编译、仿真和调试。代码的功能正确性不由LLM保证，而由标准的、可信的仿真结果来保证。如果仿真失败，智能体会分析失败原因（Log/波形），尝试修改代码，然后再次仿真，直至通过，从而形成“生成-验证-修正”的工程闭环。

作者丨姬晓婷编辑丨赵晨美编丨马利亚监制丨连晓东