多智能体协同考验EDA企业，将加速产业整合

芯片设计行业正在全面AI化。

与此同时，EDA产业正在尝试推动智能体进入芯片设计工作流。

芯片设计与EDA智能体的这场双向奔赴，除了芯片设计生产方式的变革，可能还将给EDA产业整合重组按下加速键。

人机协同进化中

概览现已公开发布的EDA智能体产品，能够发现各厂商的设计思路大致相仿：为现有的EDA产品设计可借助自然语言对话的交互界面，支持调用多工具，工作流自动化设计、结果回溯和纠偏。

合见工软产品总监成功向《中国电子报》记者分析称，AI在IC设计工作流中的渗透分为五个阶段。

第一阶段，AI单点渗透，将机器学习应用于布局布线优化、时序收敛、缺陷检测等。

第二阶段，对话式LLM辅助工具，大模型与EDA工具链融合，LLM驱动RTL生成、验证脚本自动生成、工具调用自动化。

第三阶段，人工规划流程，Agent执行。针对单链任务的复杂推理，Agent基于复杂推理与链式思考能力，通过API与EDA工具实时交互，可执行并评估设计任务，最终还需人工验证结果。

第四阶段，Agent成为工作流自主设计者，实现多智能体协同工作、串联多个工具形成自动化工作流。

第五阶段，由顶层Agent统一管理数百个子Agent，分别驱动芯片与系统设计端到端自动化、达成全流程自主决策，覆盖完整设计周期。

从产业发展来看，第一阶段AI对芯片设计的赋能已经普及；去年以来，在DeepSeek等大模型的推动下，AI与IC设计融合的程度迅速从第二阶段向第四阶段跃迁。

广立微SemiClaw自主规划路径分析路径生成良率分析图

广立微技术市场总监张克非从工程师的角度对当前EDA智能体能够实现的功能作出了这样的描述：

其一，能够调用包括EDA工具在内的外部工具，但由于各厂商之间缺少统一的工具接口标准，用户所调用的EDA工具如果属于不同厂家，则需要针对性封装。也正是因为这一问题的存在，对于用户而言，拥有更全工具链的EDA厂商提供的智能体产品才能带来更流畅的使用体验；其二，学习和复用人类经验。通过OpenClaw等平台的Skill框架，企业可以把内部流程、操作规范、特定场景的经验“传授”给智能体，让隐性知识变得可执行；其三，多智能体协同与人机交互。用户可以设计不同角色的智能体，让它们分工协作；同时通过钉钉、飞书等即时通信工具，随时给智能体下发任务或干预执行。

多智能体协同是未来方向

成功描述的第五阶段，即“多智能体协同”，由顶层Agent统一管理数百个子Agent的设想，目前还没有实现，但这是几乎所有EDA厂商的共同愿景。

更有受访人断言：这将是智能体EDA演进的必然方向。

得出这一结论是基于芯片设计自身的物理结构。芯和半导体技术市场总监黄晓波向《中国电子报》记者表示，芯片设计是典型的多物理场、多学科耦合问题——电、热、力、信号完整性，电源完整性，时序、功耗等维度彼此牵制。单一智能体、单一模型覆盖不了这种复杂度，强行覆盖可能会导致某个维度失真。因此，对于芯片设计而言，“多智能体协同”的实现方式不是工程选择，是物理约束。

多智能体协同的工作方式也与芯片设计的复杂性相契合。华大九天解决方案总监杨祖声表示，芯片设计属于长流程、多环节、强规则、可形式化的复杂工程。单智能体难以兼顾设计、验证、后端、调试多领域专业能力，而多智能体采用主控调度与各领域专业智能体的分工协同架构，可以实现能力互补、分工协作，匹配EDA全流程复杂设计的特点。

ChipStack AI SuperAgent设计架构

当前，海内外头部EDA厂商已推出多智能体协同产品并正在验证可行性。

张克非表示，智能体会逐渐覆盖四类功能：第一，跨厂家的全工具链使用，未来如果行业能建立统一的工具接口标准，智能体就可以熟练使用所有常用EDA工具，打破各自为战的局面；第二，稳定完成特定设计任务，比如逻辑综合、布局布线等，EDA供应商的智能体能提供基础能力，但真正有竞争力的基于特定场景和产品的Know-how，会留在芯片设计企业内部。第三，现场的代码编写能力，当没有现成工具可用时，智能体有可能现场开发所需工具，从“工具的调用者”变成“工具的创造者”。第四，全局视角的优化能力，随着多智能体协同的成熟，智能体群有可能探索出人类想象不到的全局优化方案。

成功表示，合见工软推出的UDA2.0未来将逐步覆盖更多的功能。包括更复杂、更大规模的子系统及SoC级别的设计，并有能力支持子系统级别的PPA优化；验证场景从模块级验证（UT）向子系统级、芯片级验证扩展，将支持验证计划生成，更复杂的验证场景规划、覆盖率收敛驱动优化等；从当前聚焦的数字前端（RTL设计验证），逐步向后端物理实现（如逻辑综合、布局布线）环节渗透，实现从Spec到GDSII的更多自动化环节。

产业整合提速

智能体搭建并不难，在EDA工具的基础上叠加以大模型为支撑的交互，就能包装出一个智能体。也正因如此，智能体的实现效果其实有赖于EDA工具本身的能力和智能体可调用工具的广度。

在AI能够串联万物，只要可串联便可实现超指数级效率提升的当下，智能体进入EDA产业也将加重产业的马太效应：

具有更全工具链的公司，其智能体产品调用工具的能力也更强，这意味着一家公司能够实现更大范围的工作流自动化。对于用户而言，这也意味着更少的页面之间的跳转，使用体验更优、生产效率更高。

相比之下，只具备点工具的EDA公司在智能体普遍接管芯片设计的背景下，市场竞争力将更差。

“串链”的事情，从EDA诞生之初就没停止过。海外三大家EDA头部企业也都是靠兼并实现壮大的。而AI、智能体的出现，又将给产业兼并增加一层正当性和市场合理性。

对于国内EDA产业而言，“串链”、“整合”更是迫在眉睫。国产EDA企业仍有100家左右的数量规模，但所有企业的市场占比、从业人员的总和仍不可与全球三大头部EDA厂商比肩。在这样的情况下，国产EDA厂商林立，但各自只有个别点工具布局将不利于我国EDA产业竞争力的建设。

AI加持下，这种“强者更强”“弱者更弱”的产业格局恐怕会更加明显。

在泛AI领域，这个现象已经有了前车之鉴：一家AI初创公司，瞄准的是某个功能/细分市场，当这家公司把商业化链路打通，完成了市场验证，便会被并购，被内生为大厂庞大产品体系中的一个skill。

对于很多初创企业而言，这乍一听有点像个恐怖故事。

但对于亟需整合重组的国产EDA产业而言，却未尝不是件好事。

作者丨姬晓婷编辑丨邱江勇美编丨马利亚监制丨赵晨