“人工智能代理”这一称谓并不意味着系统在芯片设计中拥有相同程度的自主性。根据该材料所介绍的框架，其能力从优化特定工程任务逐步发展到管理多阶段工作流；而任务范围、验证机制和人的责任，仍是评估任何自主性主张的关键因素。
该材料提出了 Cadence 在其代理式人工智能战略中制定的五个级别。这些级别并不被描述为相互独立的产品类别，因为更高级别可以包含较低级别的能力；此外，级别的提升也不会消除对基础优化工具、设计引擎和验证引擎的需求。
自主性的五个级别
- L1 — 用于优化的人工智能：系统执行大规模实验，以调整特定任务的参数，并实现由工程师设定的目标。人类仍负责设计意图、约束条件、成功标准和权衡。材料提到 Cadence Cerebrus AI Studio 是此类系统在 SoC 设计实施中的一个例子。
- L2 — 自然语言作为界面：系统重点在于简化与工程工具和知识库的交互，例如回答问题，或生成并调试代码。但在这一层级，系统并不拥有对完整工程目标的独立决策权。
- L3 — 复杂推理：代理处理一个具体的工程问题，提出结果，然后通过仿真、形式分析或检查工具等手段对其进行测试，再根据反馈重复这一过程。工程师仍负责定义问题，并审查具有影响的结果。
- L4 — 代理式工作流：多个专业代理通过相互关联的工具和领域，协调规划、执行、验证和优化等阶段。Cadence 提到 ChipStack、ViraStack、InnoStack 和 AuraStack，作为代理式人工智能应用于设计与验证、数字实现、模拟设计、电路板和先进封装的例子。
- L5 — 在限定范围内实现完全自主：系统根据阶段性结果确定下一步，并持续执行，直至在受控工程工作流中实现收敛。Cadence 表示，ChipStack AI Super Agent 在芯片设计和验证流程中达到这一层级，同时工程师可以检查、指导并参与其工作。
L4 与 L5 的实际区别
两者的区别并不在于是否存在多个代理或是否使用验证工具，因为二者都可能包含这些要素。在 L4 中，路径在很大程度上仍由工程师设定的目标、约束和检查点所控制。而在 L5 中，系统承担了更大的责任，会根据中间结果确定下一步行动。因此，一个系统可能在 RTL 验证或前端设计方面具有很高的自主性，却并不意味着它能够自主处理所有设计决策或最终批准。
接受自主性主张前应检查什么？
该材料建议通过一系列实际问题评估代理：它处理的工程问题和范围是什么？它能够独立作出哪些决策？哪些目标和约束必须由工程师提供？哪些工具负责验证其输出？还应了解验证失败或无法满足某项约束时会发生什么、系统何时请求人工干预、谁负责备用路径，以及谁保留最终批准设计的权力。
certi.news 的解读
这里真正的变化并不是用语言模型取代工程师，而是将工程师的角色从逐步执行工具命令，转变为确定意图、监控结果、管理例外情况，以及批准敏感决策。该材料说明，EDA 中可信的自主性需要结构化的设计上下文、可靠的工程引擎，以及可衡量的结果，例如错误日志、验证覆盖率、性能、功耗和面积指标；此外，还需要明确的干预和回退机制。
最重要的限制在于，L1 至 L5 的称谓脱离其适用的工作流范围后，并不具有足够的价值。此外，该材料的来源是“Sponsor Blog”，作者为 Vinod Khera，他是 Cadence 的营销传播负责人；因此，应将 Cadence 的示例及其对自身产品级别的描述视为该机构的主张，而不是对市场表现的独立评估。根据原文，最终批准的责任仍由工程师承担。