O uso de inteligência artificial agêntica no projeto de chips está passando da aceleração de tarefas isoladas, como geração de RTL ou correção de erros, para a execução de fluxos mais longos que envolvem vários agentes e ferramentas. Mas esse avanço não significa que o projeto de chips tenha se tornado um processo totalmente autônomo; antes de implantar os agentes, os engenheiros precisam construir o que pode ser descrito como «andaimes humanos»: definir o conhecimento específico do domínio, determinar a intenção do projeto e criar uma estrutura operacional que controle as ferramentas, a memória, os ciclos de execução e os pontos de verificação.
Essa conclusão ganhou destaque em uma mesa-redonda organizada pela Semiconductor Engineering a portas fechadas durante a conferência Design Automation Conference, com a participação de Matt Graham, da Cadence, Harrison Balistreri, da ChipAgents, Alexander Petr, da Keysight EDA, Sathish Balasubramanian, da Siemens EDA, e Anand Thiruvengadam, da Synopsys. Liz Allan, editora administrativa da Semiconductor Engineering, publicou trechos da discussão em 27 de agosto de 2026.
De agentes de tarefas a fluxos completos de projeto
Os participantes disseram que os clientes começaram a usar IA agêntica em ambientes de produção para tratar pontos problemáticos específicos, mantendo a intervenção humana em tarefas menores. Os usos atuais incluem geração de RTL, verificação, correção de erros e fechamento de cobertura, enquanto o objetivo mais amplo é fornecer uma especificação e, no fim, obter um projeto que possa ser convertido em GDS II ou em um chip. No entanto, segundo a discussão, esse cenário completo ainda não foi alcançado de forma geral e sem intervenção humana.
Balasubramanian observou que o foco está passando de um único agente para a coordenação de fluxos ou de vários subagentes. Balistreri falou sobre resultados totalmente autônomos em fluxos de engenharia específicos, como o fechamento de cobertura usando enxames multiagentes, desde que haja compreensão do contexto da organização e dos detalhes de como o cliente executa o trabalho. Graham destacou a expansão do uso da frente de projeto digital para projeto analógico e misto, implementação digital, projeto completo, placas de circuito, encapsulamento e até fluxos multifísicos.
Na prática, isso significa que o escopo da automação está se ampliando do próprio chip para um ecossistema de múltiplos chips e sistemas associados. Petr disse que os investimentos estão se direcionando para tecnologias multi-chip, a pilha de IA e a fotônica, porque a expansão já não se baseia apenas em um único chip. Ele também observou que os agentes lidam com mais facilidade com áreas baseadas em software e código, enquanto as áreas que dependem de interfaces de usuário e do mouse continuam sendo mais difíceis.
A ontologia e o cinturão agêntico antes de executar o modelo
A principal tarefa do engenheiro, segundo os participantes, não é escrever mais scripts para os agentes, mas descrever o domínio no qual eles atuarão. Aqui, a ontologia é uma representação estruturada dos conceitos, relações e conhecimentos específicos do domínio de projeto. O engenheiro precisa definir critérios como potência, desempenho e área, os limites aceitáveis e os parâmetros que os agentes podem explorar, relacionando tudo isso à intenção do projeto e às demais etapas do fluxo.
Já o «cinturão agêntico» é a camada de software que envolve o modelo e inclui ferramentas, módulos de memória, ciclos de execução e barreiras de proteção. A discussão ressalta que seu valor não aparece apenas ao conectar um modelo de linguagem geral a uma ferramenta, mas ao ajustá-lo para tarefas de projeto de chips e para o contexto da organização. A ontologia também deve se estender por todo o fluxo, e não se limitar a um processo de verificação isolado ou a uma única equipe de IP, porque modificações e novos dados passam por várias etapas e equipes.
A autonomia não elimina a verificação humana
Há consenso de que a confiança nos resultados é o principal obstáculo prático. Thiruvengadam considera que os seres humanos manterão dois papéis principais: definir a intenção do projeto e verificar a auditabilidade e a correção dos resultados. Por isso, os sistemas devem apresentar seus resultados de uma maneira que o engenheiro possa compreender e verificar rapidamente, com pontos de parada claros e uma interface adequada; caso contrário, as saídas do agente se transformarão em um novo gargalo, em vez de eliminar o trabalho manual.
Balistreri afirma que depender de uma revisão humana de cada saída limita o retorno esperado da autonomia. Por isso, os próprios ciclos dos agentes devem incluir portas capazes de impedir determinadas categorias de erros críticos. Ele mencionou um exemplo relacionado a isenções no modelo de cobertura, no qual o agente pode decidir cancelar a cobertura em um local que não deveria ser isento, criando uma grande carga para a revisão humana. Em contrapartida, Balasubramanian e Graham enfatizaram que os modelos de linguagem são não determinísticos e que sua seleção de cenários ou suas sugestões não substituem os mecanismos determinísticos de assinatura e verificação matematicamente precisos.
O que realmente está mudando?
A verdadeira transformação não é substituir os mecanismos de EDA, mas colocar a inteligência artificial acima deles e conectá-los em ciclos de execução mais longos e mais capazes de explorar o espaço de projeto. Os participantes afirmam que os clientes começaram a observar retorno positivo sobre o investimento e ganhos concretos em verificação, implementação e algumas aplicações analógicas e de sistema, incluindo estruturas térmicas e temas relacionados a CMT, ou transição transitória de modo comum.
Mas esses resultados não provam que «um único agente» dominará todo o processo de projeto. Continua em aberto a questão de saber se o setor caminhará para um único agente superpoderoso, vários agentes e estruturas especializadas ou a escolha, por cada empresa, de sua própria estrutura. O custo dos tokens também surgiu como um elemento importante de planejamento para os clientes, segundo Graham, juntamente com a necessidade de integrar a IA aos mecanismos fundamentais, que continuam sendo indispensáveis quando o custo do erro é alto.
Leitura editorial: os dados indicam que o gargalo está passando da escrita de comandos para a engenharia de contexto, governança e verificação. As equipes de projeto de chips que possuem conhecimento preciso de seus fluxos serão mais afetadas do que as demais, mas a fonte não apresenta medições uniformes dos ganhos nem define uma data para a chegada a um fluxo totalmente autônomo. Portanto, as afirmações sobre «autonomia» e «retorno positivo» devem ser tratadas como resultados relatados pelos participantes e pelos clientes, e não como um padrão geral comprovado para todos os projetos de projeto de chips.