代理式人工智能在芯片设计中的应用，正从加速单项任务（如 RTL 生成或调试）转向运行包含多个代理和工具的更长流程。但这一进展并不意味着芯片设计已完全成为独立过程；在部署代理之前，工程师需要构建可称为“人类脚手架”的基础：定义领域特定知识，确定设计意图，并建立能够约束工具、记忆、执行循环和检查点的运行架构。
这一结论出现在 Semiconductor Engineering 在 Design Automation Conference 期间闭门举行的一场圆桌讨论中。参与者包括 Cadence 的 Matt Graham、ChipAgents 的 Harrison Balistreri、Keysight EDA 的 Alexander Petr、Siemens EDA 的 Sathish Balasubramanian，以及 Synopsys 的 Anand Thiruvengadam。Semiconductor Engineering 的执行编辑 Liz Allan 于 2026 年 8 月 27 日发布了讨论摘录。
从任务代理到完整设计流程
与会者表示，客户已开始在生产环境中使用代理式人工智能来处理特定痛点，同时在小型任务中保留人工干预。目前的应用包括 RTL 生成、验证、调试和覆盖率收敛，而更广泛的目标是提供一份规范，并最终获得可转换为 GDS II 或芯片的设计。然而，根据讨论，这种完整场景尚未普遍实现，也无法在没有人工干预的情况下实现。
Balasubramanian 指出，重点正从单个代理转向协调多个流程或多个子代理。Balistreri 则谈到了特定工程流程中的完整自主结果，例如利用多代理群组实现覆盖率收敛，但前提是理解企业环境以及客户执行工作的具体方式。Graham 指出，应用范围正从数字设计前端扩展到模拟和混合信号设计、数字实现、完整设计、印刷电路板、封装，甚至多物理场流程。
这实际上意味着，自动化范围正从芯片本身扩展到由多颗芯片及其相关系统组成的生态系统。Petr 表示，投资正流向多芯片技术、人工智能堆栈和光子学，因为扩展已不再仅依赖单颗芯片。但他也指出，代理更容易处理基于软件和代码的领域，而依赖用户界面和鼠标操作的领域仍然更加困难。
运行模型之前的本体和代理腰带
根据与会者的观点，工程师的主要任务并不是为代理编写更多代码，而是描述代理将要运行的领域。这里的本体是对设计领域中的概念、关系和特定知识进行的结构化表示。工程师需要确定功耗、性能和面积等指标、可接受的边界、代理可以探索的参数，并将这些内容与设计意图及流程的其余阶段关联起来。
“代理腰带”则是围绕模型的软件层，其中包括工具、记忆模块、执行循环和防护栏。讨论强调，其价值并不只是将通用语言模型连接到某个工具，而在于根据芯片设计任务和企业环境对其进行约束。与此同时，本体必须贯穿整个流程，而不能局限于单一验证过程或一个 IP 团队，因为修改和新数据会在多个阶段和团队之间传递。
自主性不会取消人工验证
各方一致认为，对结果的信任是最重要的实际障碍。Thiruvengadam 认为，人类将继续承担两项主要职责：确定设计意图，以及验证结果是否可审计且正确。因此，系统应以工程师能够快速理解和验证的方式呈现结果，并提供清晰的暂停点和合适的界面；否则，代理输出将成为新的瓶颈，而不是消除手工工作。
Balistreri 认为，依赖人工审查每一项输出会限制自主性所能带来的预期收益。因此，代理循环本身应包含能够阻止某些关键错误类别的关卡。他举例提到覆盖率模型豁免问题：代理可能决定取消某个本不应豁免位置的覆盖，从而给人工审查造成巨大负担。另一方面，Balasubramanian 和 Graham 强调，语言模型具有非确定性，其场景选择或建议不能取代数学上精确且确定性的签核和验证引擎。
真正发生了什么变化？
真正的转变并不是取代 EDA 引擎，而是在这些引擎之上部署人工智能，并将它们连接到更长、也更有能力探索设计空间的执行循环中。与会者表示，客户已经开始看到积极的投资回报，以及在验证、实现、部分模拟应用和系统应用中的实质性收益，其中包括热结构和与 CMT（共模瞬态）相关的主题。
但这些结果并不能证明“单一代理”将控制整个设计过程。业界是否会走向一个超级代理、多个专业化代理和框架，还是由每家公司选择自己的框架，仍然是一个开放问题。Graham 表示，令牌成本也已成为客户规划中的重要因素，同时还需要将人工智能与基础引擎整合；当错误成本很高时，这些引擎仍然不可或缺。
编辑解读：现有信息表明，瓶颈正从编写指令转向上下文工程、治理和验证。拥有精确流程知识的芯片设计团队将比其他团队受到更大影响，但来源没有提供统一的收益衡量标准，也没有确定何时能够实现完全自主的流程。因此，应将“自主性”和“积极回报”等表述视为参与者和客户报告的结果，而不是已被证明适用于所有芯片设计项目的普遍标准。