当EDA遇上Agentic AI：西门子如何重新定义芯片设计的"可信自动化"

AI正在引领EDA工具产业革命从浅水区和概念阶段向深水区加速挺进。曾经围绕“EDA+AI”的讨论多停留在单点工具优化或辅助性增强，而如今，大语言模型的持续进化与智能体技术的成熟，正将这场变革推向设计方法论的底层重构。各家EDA厂商纷纷加快布局，从在工具中嵌入AI能力，到打造能够自主决策、协同执行的智能体系统，效能提升与设计范式革新已成为竞争的焦点。西门子EDA在这场竞赛中表现尤为突出——根据最新财报，其EDA业务增长超过30%，成为集团软件业务（整体增长15%）的最强驱动力。

正是在这一产业临界点上，2026 Siemens EDA Forum近期于上海举行。这场汇聚产业链企业、技术专家与合作伙伴的年度盛会，恰逢半导体行业一个微妙的时刻：芯片设计复杂度持续攀升，AI加速器已成芯片标配，异构集成推动单个封装内晶体管数量向万亿级迈进。而在会场内外的媒体交流中，一个更深层的命题被反复追问：当AI从“辅助工具”进化为能够自主决策的“智能体”，EDA这个向来以精确和可靠为底线的行业，将如何拥抱这场变革？

西门子EDA给出的答案是——AI原生设计。

从AI辅助到AI原生：一场设计方法论的底层革新

“传统EDA软件已无法满足需求，未来的芯片设计工具必须以AI为核心驱动。”早在2026年SEMICON China开幕演讲中，西门子EDA IC产品事业部执行副总裁Ankur Gupta就已明确表态。八个月后的上海论坛上，这一判断被进一步系统化为“AI原生设计”的战略框架。

西门子EDA IC产品事业部执行副总裁Ankur Gupta

何为AI原生？Ankur Gupta在沟通会上对包括与非网在内的媒体给出了清晰的界定：早期的传统算法加上机器学习，属于“AI辅助”范畴；而AI原生则在建模和概率方面具备更强的能力，不仅速度更快、设计空间探索覆盖更广，同时精度更高。“自我验证能力”便是AI原生带来的质变——智能体能够在设计空间探索中自主验证结果，这是传统方法难以企及的。

这一转变的背后，是大语言模型（LLM）的持续进化。“几乎每四个月就有一个重大版本更新，”Ankur Gupta指出。正是这些进步，为EDA工具的智能化带来了持续的动能。

然而，AI原生并非一蹴而就。西门子EDA全球副总裁兼中国区总经理凌琳在回顾这一演进时坦承，几年前他曾反复提醒行业不要被“EDA+AI”的宣传迷惑——“在那个阶段技术还不成熟，AI不能被滥用”。芯片半导体是人才与资金高度密集的行业，投资巨大，必须追求可信的结果。“而这两年，AI的能力、模型化水平或者自我验证能力都达到了更高的水平，反过来也提升了软件和硬件的能力。”

西门子EDA全球副总裁兼中国区总经理凌琳

三大支柱与五层架构：AI原生设计的工程底座

在AI原生设计的战略框架下，西门子EDA提出“三大支柱”：

- Faster Engines（更快的引擎）——“Accelerate Every Tool, Every Stage, Every Time”，通过AI Agents、GPU计算和基于物理的AI求解器，将每个工具、每个阶段、每次运行都加速至极限，部分环节可实现高达1000倍的速度提升。

- Smarter Execution（智能执行）——“More Time for Innovation, Less Execution Overhead”，借助代理式AI工作流、智能模式识别和上下文感知自动化，将工程师从繁琐的执行工作中解放出来，整体生产力可提升10至50倍。

- Trusted Outcomes（可信成果）——“Release-to-Manufacturing with Confidence, Not Hope”，通过生命周期监控、经过硅验证的AI模型和全面数字孪生技术，确保每一次交付都具备流片即成功的确定性，最大程度降低设计风险。

这三大支柱并非简单的口号，而是有着清晰的技术实现路径。

从技术架构来看，西门子EDA构建了五个技术层级，自下而上依次为：

1. 加速计算层——基于Arm CPU或GPU等硬件，利用NVIDIA加速计算与CUDA-X库，“在数小时内取得签核品质成果，无需耗费数日”。

2. 高级推理层——由NVIDIA Nemotron模型提供高阶推理能力，支持可扩展的代理工作流，并以更高Token效率降低运行成本。

3. 安全编排层——借助NVIDIA OpenShell实现企业级流程编排，提供安全防护、稽核轨迹与合规管控，确保自主代理在受控环境下运行。

4. 智能体层——基于NVIDIA NeMo Gym训练的专用EDA AI智能体，具备自验证能力，可不断学习与优化，提升任务质量和执行速度。

5. 专有EDA引擎层——西门子数十年积累的物理场仿真引擎，凝聚博士团队在数学与计算机科学算法上的深度积累，为顶层提供确定性的、物理准确的签核级结果。

这一架构的核心枢纽，是2026年3月在NVIDIA GTC大会上发布的Fuse EDA AI系统。Fuse并非单一EDA工具的AI功能，而是一套位于各项工具之上的数据、知识与代理调度平台。它通过结构化的基础模型为产品运行产生的数据构建本体论，在此基础上实现智能体的编排与调度。

2026年7月26日，在DAC 2026大会期间，西门子与NVIDIA深化战略合作，为Fuse EDA AI Agent加入了自验证能力。这意味着执行不同任务的AI智能体之间可以相互通信、自动验证结果，并自主完成原本耗时漫长的复杂流程。这一升级得到了NVIDIA技术栈的全方位支持：NeMo Gym用于智能体训练优化，OpenShell实现安全的流程编排，Nemotron模型提供高阶推理能力，CUDA-X加速库则大幅提升计算效率。

战略并购加速AI原生布局

在推进AI原生设计的同时，西门子EDA还通过战略并购不断强化自身能力。2026年7月，西门子宣布收购Precision Innovations和Defacto Technologies两家公司。Precision Innovations专注于AI驱动的设计探索与优化，可将可行性分析大幅左移，加速从RTL到GDS的数字实现；Defacto Technologies则致力于自动化SoC设计创建与集成，覆盖从早期RTL到实现评估、验证和签核的全流程自动化。这两项并购进一步夯实了西门子EDA在AI原生时代的全流程技术底座。

从Solido到Questa One：智能体落地的两个切面

理论框架之外，具体的产品落地或许更能说明问题。

在定制IC领域，Solido产品线的智能体升级提供了一个直观的案例。工程师只需在顶部输入自然语言提示词，例如“对所有单元进行特征化”，系统便能在无人干预的情况下自动处理——即便库中包含数千个单元、覆盖多种工艺、电压、温度角点。系统会自主运行仿真、调试结果、修复错误并完成全部复杂任务。

更具说服力的是效率数据的鲜明对比：

综合计算，特征化工作流提速超过10倍，Token成本降低5至10倍。工程师只需设定意图，关闭电脑，第二天即可获得经过完整稽核、可直接签核的库文件。

在数字验证领域，2026年2月27日发布的Questa One Agentic Toolkit则是另一个重要里程碑。验证环节通常占据芯片设计周期高达70%的时间。Questa One通过智能体自动生成验证计划和测试用例并自动执行，将验证与设计从孤立的工具交互转变为智能的、领域限定的多步骤自主工作流。该工具包包含RTL代码智能体、Lint智能体、CDC智能体等多个专用智能体，各司其职又协同工作。借助这套工具包，工程师可在数小时内上手，而原本需要数周培训的任务被大幅简化。

值得注意的是，西门子EDA强调这些智能体工作流并非要替代工程师，而是提升工程师的生产力。正如西门子EDA全球副总裁兼亚太区技术总经理 Lincoln Lee李立基所言：“有了智能体之后，工程师的培训重点将发生根本性转变。过去工程师必须熟练掌握EDA工具的具体命令和操作细节，而现在核心职责转变为明确‘做什么’以及做出专业判断，具体的执行过程则由智能体代为完成。”

西门子EDA全球副总裁兼亚太区技术总经理 Lincoln Lee李立基

开放的生态与不可逾越的边界

在AI原生设计的推进过程中，一个关键命题是生态的开放性。Fuse被设计为一个开放系统，支持第三方工具的接入，兼容MCP（模型上下文协议）等标准。客户可自由混搭西门子与其他厂商的技术，也可基于自身专长开发自定义智能体技能。

这种开放性在中国市场尤为关键。凌琳在沟通会上透露，由于部分客户无法使用国外大模型，只能采用国产LLM，他们非常关心系统是否能接入本地模型。“我们的答案是肯定的：Fuse系统是开放的，支持通过MCP扩展接入本地模型，实现定制化应用。”

然而，开放并不意味着数据共享。在数据隐私这个敏感议题上，西门子EDA划出了清晰的边界。Ankur Gupta强调，Fuse部署在本地环境中，EDA软件完全在客户自己的环境中运行，西门子不存储客户的数据。“当客户使用第三方工具时，生成的日志文件或最终结果也都保存在客户本地，不会传回西门子。”

更深层的考量在于模型训练数据的来源。李立基指出，尽管EDA公司确实接触大量客户设计数据，但“我们绝对不会这样做，也绝不能这样做。客户提供的设计不是让我们用来做培训的，属于客户核心机密。”目前，西门子EDA用于训练的数据仅限于自有设计、公开数据集以及客户明确授权开放的案例。

系统还提供“自带模型”（BYOM）功能，让客户在自有环境中进行数据训练和微调。更重要的是，针对特定客户积累的能力具有严格的隔离性——不会将在A客户处获得的经验迁移至B客户。

工程师的未来：被替代还是被解放？

当AI智能体能够自主完成越来越多的工作，一个无法回避的问题浮出水面：半导体产业是否将迎来裁员潮？

Ankur Gupta对此持相反观点。他给出了几组数据：过去客户用20个工程师花18个月设计一款产品，现在要求交付周期缩短一半到9个月，同样20个工程师甚至需要在9个月内交付两款产品。根据德勤等行业分析机构预测，到2030年全球半导体行业需要的工程师总数约为100万。EDA行业到2030年预计缺口在6000-7000人。“即使AI智能体提升了生产力，主要是让中等工程师效率更高、让初级工程师更快成长为中级工程师，但从EDA行业和我们客户的半导体行业来看，整体人员需求仍在上升。”

李立基则从另一个角度回应了这一问题：半导体行业预计到2030年达到1万亿美元规模，现在估计今年年底或明年就能达到，到2030年可能增至1.5万亿美元。“产业规模从1万亿提前三年冲到1.5万亿美元，我们的工程师够吗？大家为1万亿美元目标提前三年实现而兴奋，但要注意，我们不可能让工程师提前三年毕业。”

在凌琳看来，工程师的技能正在发生转变，而非被取代。“过去工程师需要事事会做，无论难题还是简单任务都要亲自解决；而现在，只要善于提问、能将需求描述清楚，大量基础性工作便可由AI代劳。”真正困难的工作——专业判断、建模以及物理层面的理解——依然离不开人的深度参与。

结语：可信，仍是EDA的底线

纵观这场沟通会，“可信”一词被反复提及。无论是Ankur Gupta强调的“可信结果”三大支柱之一，还是自验证智能体对“持续校验决策”的追求，抑或是凌琳反复强调的“工程化落地”和“良率保障”——在EDA这个动辄涉及数亿美元流片成本的行业，任何技术创新都必须以可靠为底线。

西门子EDA的AI原生设计战略，本质上是在回答一个行业级难题：如何在不牺牲可靠性的前提下，将芯片设计周期从18个月压缩至9个月？其给出的路径是——让AI不仅仅是辅助工具，而是成为能够自主决策、自我验证的智能体，嵌入从芯片到系统的全生命周期。凭借超过30%的业务增长、连续的战略并购以及自验证智能体的规模化落地，西门子EDA正在这条道路上快步前行。

这条路能否走通，尚需时间检验。而对于整个EDA行业而言，从“工具时代”走向“智能体时代”的转型大幕，才刚刚拉开。