Использование агентного искусственного интеллекта в проектировании микросхем переходит от ускорения отдельных задач, таких как генерация RTL или исправление ошибок, к выполнению более длительных процессов, включающих несколько агентов и инструментов. Однако этот прогресс не означает, что проектирование микросхемы стало полностью автономным процессом: прежде чем внедрять агентов, инженерам необходимо создать то, что можно назвать «человеческими строительными лесами»: определить знания, специфичные для предметной области, сформулировать замысел проектирования и создать операционную структуру, регулирующую инструменты, память, циклы выполнения и контрольные точки.
Этот вывод прозвучал на круглом столе, организованном Semiconductor Engineering в закрытом формате во время конференции Design Automation Conference. В нём приняли участие Matt Graham из Cadence, Harrison Balistreri из ChipAgents, Alexander Petr из Keysight EDA, Sathish Balasubramanian из Siemens EDA и Anand Thiruvengadam из Synopsys. Liz Allan, управляющий редактор Semiconductor Engineering, опубликовала выдержки из обсуждения 27 августа 2026 года.
От агентов задач к полным процессам проектирования
Участники сообщили, что клиенты начали использовать агентный искусственный интеллект в производственных средах для решения конкретных проблем, при этом человеческое вмешательство сохраняется в небольших задачах. Текущие применения включают генерацию RTL, верификацию, исправление ошибок и закрытие покрытия, тогда как более широкая цель состоит в том, чтобы предоставить спецификацию и в итоге получить проект, пригодный для преобразования в GDS II или микросхему. Однако, согласно обсуждению, этот полный сценарий пока ещё не реализован в общем случае и без человеческого вмешательства.
Balasubramanian отметил, что фокус смещается от одного агента к координации процессов или нескольких субагентов. Balistreri рассказал о полностью автономных результатах в определённых инженерных процессах, например о закрытии покрытия с использованием многоагентных роёв, при условии понимания контекста организации и особенностей выполнения работы конкретным клиентом. Graham указал на расширение применения от фронтенда цифрового проектирования к аналоговому и смешанному проектированию, цифровой реализации, полному проектированию, печатным платам, корпусированию и даже многофизическим процессам.
На практике это означает расширение масштаба автоматизации от самой микросхемы к экосистеме, включающей несколько микросхем и связанные с ними системы. Petr сказал, что инвестиции направляются в технологии нескольких микросхем, стек искусственного интеллекта и фотонику, поскольку масштабирование больше не основывается только на одной микросхеме. Однако он также отметил, что агентам легче работать с областями, основанными на программном обеспечении и коде, тогда как области, зависящие от пользовательских интерфейсов и мыши, остаются более сложными.
Онтология и агентный пояс до запуска модели
По мнению участников, основная задача инженера заключается не в написании большего количества скриптов для агентов, а в описании области, в которой они будут работать. Здесь онтология представляет собой структурированное описание концепций, взаимосвязей и знаний, специфичных для области проектирования. Инженеру необходимо определить такие критерии, как энергопотребление, производительность и площадь, допустимые пределы, параметры, которые агенты могут исследовать, а также связать всё это с замыслом проектирования и остальными этапами процесса.
«Агентный пояс» — это программный слой, окружающий модель и включающий инструменты, модули памяти, циклы выполнения и защитные барьеры. Обсуждение подчёркивает, что его ценность проявляется не просто при подключении общей языковой модели к инструменту, а при её настройке на задачи проектирования микросхем и контекст организации. Онтология также должна охватывать весь процесс, а не ограничиваться отдельной операцией верификации или одной командой IP, поскольку изменения и новые данные переходят между несколькими этапами и командами.
Автономность не отменяет человеческую проверку
Мнения сходятся в том, что доверие к результатам является главным практическим препятствием. Thiruvengadam считает, что за людьми останутся две основные роли: определение замысла проектирования и проверка проверяемости и корректности результатов. Поэтому системы должны представлять результаты таким образом, чтобы инженер мог быстро их понять и проверить, с чёткими точками остановки и подходящим интерфейсом; в противном случае результаты агента превратятся в новое узкое место вместо устранения ручной работы.
Balistreri считает, что зависимость от человеческой проверки каждого результата ограничивает ожидаемую отдачу от автономности. Поэтому сами циклы агентов должны включать шлюзы, предотвращающие определённые категории критических ошибок. Он привёл пример, связанный с исключениями в модели покрытия: агент может решить отменить покрытие в месте, где этого делать не следует, что создаёт значительную нагрузку на человеческую проверку. В свою очередь, Balasubramanian и Graham подчеркнули, что языковые модели недетерминированы, а выбор сценариев или их предложения не заменяют детерминированные и математически точные механизмы сигнатурного анализа и верификации.
Что действительно меняется?
Настоящая трансформация заключается не в замене EDA-механизмов, а в размещении искусственного интеллекта над ними и их объединении в более длительные циклы выполнения, способные глубже исследовать пространство проектирования. Участники говорят, что клиенты уже видят положительную отдачу от инвестиций и ощутимые улучшения в верификации, реализации, некоторых аналоговых приложениях и системных приложениях, включая тепловые структуры и темы, связанные с CMT, то есть переходными процессами общего режима.
Однако эти результаты не доказывают, что «один агент» будет контролировать весь процесс проектирования. Остаётся открытым вопрос о том, перейдёт ли отрасль к одному сверхагенту, нескольким специализированным агентам и платформам или каждая компания выберет собственную платформу. По словам Graham, важным элементом планирования для клиентов стала также стоимость токенов, наряду с необходимостью интегрировать искусственный интеллект с базовыми механизмами, которые по-прежнему необходимы, когда цена ошибки высока.
Редакционный комментарий: имеющиеся данные указывают на то, что узкое место смещается от написания команд к проектированию контекста, управлению и верификации. Команды проектирования микросхем, обладающие точным знанием своих процессов, будут иметь больше преимуществ, чем остальные, однако источник не приводит унифицированных измерений полученных улучшений и не называет сроков достижения полностью автономного процесса. Поэтому к утверждениям об «автономности» и «положительной отдаче» следует относиться как к результатам, о которых сообщили участники и клиенты, а не как к общему подтверждённому стандарту для всех проектов по проектированию микросхем.