電子發(fā)燒友網(wǎng)報(bào)道（文/吳子鵬）代理式AI（Agentic AI）作為AI領(lǐng)域的新興方向，是一種能夠通過(guò)自主感知、推理、規(guī)劃與執(zhí)行，獨(dú)立完成復(fù)雜多步驟任務(wù)的AI系統(tǒng)，正在深刻改變?nèi)蚋餍袠I(yè)的運(yùn)營(yíng)模式和工作方式。與傳統(tǒng)的生成式AI不同，代理式AI不僅能理解語(yǔ)言，還能自主規(guī)劃任務(wù)、調(diào)用工具并執(zhí)行操作，重塑各行業(yè)的價(jià)值鏈和商業(yè)模式。Gartner預(yù)測(cè)，到2028年，33%的企業(yè)軟件將包含代理式AI，而2024年的這一比例還不到1%。

在2025年的CadenceLIVE China中國(guó)用戶大會(huì)上，Cadence高級(jí)副總裁兼系統(tǒng)驗(yàn)證事業(yè)部總經(jīng)理Paul Cunningham博士分享了代理式AI在EDA（電子設(shè)計(jì)自動(dòng)化）領(lǐng)域的發(fā)展現(xiàn)狀與未來(lái)愿景，揭示了從對(duì)話助手到虛擬工程師的變革之路。

AI在EDA領(lǐng)域的三層進(jìn)化：從輔助到自主

隨著技術(shù)的進(jìn)步，AI開(kāi)始在EDA領(lǐng)域嶄露頭角，行業(yè)正處于從優(yōu)化式AI（Optimization AI）向協(xié)助性AI（Assistant AI）過(guò)渡的關(guān)鍵階段。Paul Cunningham博士表示，優(yōu)化式AI已在Cadence工具中實(shí)現(xiàn)廣泛應(yīng)用，成為工程師提升效率的重要助力。在芯片設(shè)計(jì)中，工程師以往需耗費(fèi)大量時(shí)間手動(dòng)調(diào)整參數(shù)以實(shí)現(xiàn)性能、面積、功耗（PPA）的平衡，而如今借助優(yōu)化式AI，工具可自動(dòng)完成這些復(fù)雜的優(yōu)化工作。例如，將12納米制程的芯片設(shè)計(jì)遷移至6納米制程時(shí)，AI能自動(dòng)調(diào)整設(shè)計(jì)參數(shù)、重新規(guī)劃流程并完成模擬驗(yàn)證，極大減少了人工重復(fù)操作。

隨著技術(shù)的不斷迭代，Cadence正邁向協(xié)助性AI，目前已實(shí)現(xiàn)部分功能的實(shí)際部署。這一階段的核心亮點(diǎn)在于自然語(yǔ)言交互功能的應(yīng)用，徹底降低了EDA工具的使用門(mén)檻。以往，工程師需要熟練掌握復(fù)雜的腳本語(yǔ)言和專業(yè)指令才能操作Cadence工具，而現(xiàn)在，即使是非專業(yè)用戶，也能通過(guò)自然語(yǔ)言與工具進(jìn)行交互。比如，當(dāng)工程師需要將兩根線連接在一起時(shí)，無(wú)需再研究工具的指令體系，只需用自然語(yǔ)言提出需求，工具就能理解并提供相應(yīng)的操作指導(dǎo)。Paul Cunningham博士指出，在未來(lái)6-12個(gè)月內(nèi)，Cadence工具將借助協(xié)助性AI實(shí)現(xiàn)更高級(jí)的功能：不僅能回答工程師的問(wèn)題，還能自動(dòng)診斷設(shè)計(jì)問(wèn)題、分析問(wèn)題根源并給出解決方案，甚至詢問(wèn)工程師是否需要自動(dòng)修復(fù)問(wèn)題，進(jìn)一步提升設(shè)計(jì)流程的智能化程度。

不過(guò)，代理式AI的潛力遠(yuǎn)不止于此。未來(lái)的AI不僅能提供協(xié)助和回答問(wèn)題，還將具備自動(dòng)生成或自動(dòng)修復(fù)功能。當(dāng)客戶的芯片設(shè)計(jì)中出現(xiàn)錯(cuò)誤時(shí)，AI不再僅僅是指出問(wèn)題，而是能夠進(jìn)一步提供建議，甚至直接進(jìn)行修正，并請(qǐng)求用戶確認(rèn)。這種從“發(fā)現(xiàn)問(wèn)題”到“解決問(wèn)題”的轉(zhuǎn)變，是代理式AI發(fā)展的重要里程碑。

因此，Paul Cunningham博士認(rèn)為，代理式AI將朝著“虛擬工程師”的方向發(fā)展。隨著芯片規(guī)模不斷擴(kuò)大，晶體管數(shù)量突破百萬(wàn)、甚至百億級(jí)，行業(yè)面臨“工程師缺口”難題——既難以找到足夠多的專業(yè)工程師，也無(wú)法讓工程師資源增長(zhǎng)速度跟上芯片復(fù)雜度提升速度。而在不久的將來(lái)，用戶與Cadence軟件的交互將更自然，如同與人類同事交流一般。工程師可將更多重復(fù)性工作交給虛擬工程師完成，從而提升工作效率與生產(chǎn)力。盡管實(shí)現(xiàn)完全自動(dòng)化的SoC（系統(tǒng)級(jí)芯片）設(shè)計(jì)仍需時(shí)日，但虛擬工程師的出現(xiàn)，必將為EDA領(lǐng)域帶來(lái)一場(chǎng)深刻變革。

Paul Cunningham博士描繪了這樣一幅未來(lái)圖景：未來(lái)企業(yè)無(wú)需再花費(fèi)大量精力培訓(xùn)工程師掌握各類EDA工具，而是直接“租用” Cadence的虛擬工程師。用戶只需向虛擬工程師提供芯片設(shè)計(jì)需求文檔、參數(shù)要求等信息，虛擬工程師就能像人類專家一樣參與設(shè)計(jì)會(huì)議、理解需求，并自主完成從IP（知識(shí)產(chǎn)權(quán)）選型與整合、RTL（寄存器傳輸級(jí)）代碼生成，到布局布線、仿真驗(yàn)證的全流程工作。

但Paul也明確表示，盡管這一愿景令人向往，目前尚未完全實(shí)現(xiàn)。當(dāng)前，Cadence正致力于將AI技術(shù)應(yīng)用于特定領(lǐng)域，培養(yǎng)“領(lǐng)域?qū)＜倚虯I”，而非追求無(wú)所不能的通用超級(jí)智能。例如，在驗(yàn)證和物理設(shè)計(jì)等領(lǐng)域，通過(guò)為大語(yǔ)言模型（LLM）提供特定領(lǐng)域的培訓(xùn)數(shù)據(jù)與專業(yè)知識(shí)，使其成為該領(lǐng)域的專家，從而更好地解決實(shí)際問(wèn)題、減少“幻覺(jué)”現(xiàn)象。這種“領(lǐng)域?qū)＜遗囵B(yǎng)策略”，將有效推動(dòng)AI在EDA領(lǐng)域的落地應(yīng)用，為客戶創(chuàng)造更大價(jià)值。

以創(chuàng)新策略應(yīng)對(duì)代理式AI落地的挑戰(zhàn)

在代理式AI的發(fā)展過(guò)程中，半導(dǎo)體行業(yè)仍面臨諸多核心難題，而Cadence憑借創(chuàng)新的技術(shù)策略，為這些問(wèn)題提供了有效的解決方案。

Cadence的JedAI平臺(tái)是其實(shí)現(xiàn)AI愿景的核心載體之一。Paul Cunningham博士表示：“JedAI的關(guān)鍵優(yōu)勢(shì)在于靈活性。我們不再將重點(diǎn)放在模型的自主訓(xùn)練與微調(diào)上——大語(yǔ)言模型的更新速度極快，每3-6個(gè)月就會(huì)出現(xiàn)新版本，與其耗費(fèi)大量資源進(jìn)行模型微調(diào)，不如專注于構(gòu)建高效的數(shù)據(jù)整合與調(diào)用系統(tǒng)，讓現(xiàn)有大語(yǔ)言模型充分發(fā)揮作用?！盝edAI能夠?qū)⒖蛻舻膬?nèi)部知識(shí)與外部大語(yǔ)言模型（LLM）深度結(jié)合，確保輸出結(jié)果的準(zhǔn)確性。

針對(duì)“AI工具是否會(huì)增加算力負(fù)擔(dān)”的疑問(wèn)，Paul Cunningham博士指出，當(dāng)前AI在EDA領(lǐng)域的應(yīng)用以GPU推理為主；相比模型訓(xùn)練所需的高昂算力成本，推理階段的算力需求更低?？蛻艨筛鶕?jù)自身需求選擇自建GPU集群或使用云端GPU資源，且GPU資源可在EDA設(shè)計(jì)、財(cái)務(wù)、人力資源管理等多個(gè)領(lǐng)域共享，進(jìn)一步提升資源利用率。因此，客戶普遍認(rèn)為：只要合理部署AI工具，其帶來(lái)的效益將遠(yuǎn)遠(yuǎn)超過(guò)成本投入。

在代理式AI落地過(guò)程中，Cadence的IP產(chǎn)品也發(fā)揮著重要價(jià)值。Cadence將代理式AI與IP深度整合，提出“硅代理（Silicon Agent）”概念，重構(gòu)了IP在芯片設(shè)計(jì)中的應(yīng)用模式：
·IP整合環(huán)節(jié)：工程師可通過(guò)自然語(yǔ)言指令，讓硅代理自動(dòng)配置并調(diào)用Cadence的各類IP，將其集成到系統(tǒng)級(jí)芯片（SoC）中；
·IP遷移環(huán)節(jié)：代理式AI（Agentic AI）可助力實(shí)現(xiàn)IP在不同制程間的快速遷移。例如，將5納米制程的SerDes（串行器-解串器）IP遷移至3納米時(shí)，AI能自動(dòng)調(diào)整設(shè)計(jì)參數(shù)、完成布局布線，并抽取電容、電阻參數(shù)進(jìn)行進(jìn)一步優(yōu)化，大幅減少手動(dòng)調(diào)整工作量；
·IP開(kāi)發(fā)環(huán)節(jié)：Cadence正探索利用代理式AI自動(dòng)生成IP并完成集成的技術(shù)路徑，未來(lái)有望實(shí)現(xiàn)IP開(kāi)發(fā)的全自動(dòng)化，進(jìn)一步縮短芯片設(shè)計(jì)周期。

對(duì)于“代理式AI是否會(huì)取代芯片設(shè)計(jì)工程師”的擔(dān)憂，Paul Cunningham博士給出了明確答案：AI不會(huì)減少對(duì)工程師的需求，而是將工程師從繁瑣的重復(fù)性工作中解放出來(lái)，構(gòu)建“人機(jī)協(xié)同”的高效工作模式。

除代理式AI外，數(shù)字孿生（Digital Twin）也是Cadence的重點(diǎn)布局方向，正成為推動(dòng)半導(dǎo)體行業(yè)發(fā)展的新動(dòng)力。Cadence的長(zhǎng)期戰(zhàn)略還包括將AI與數(shù)字孿生技術(shù)結(jié)合，實(shí)現(xiàn)芯片與系統(tǒng)的協(xié)同設(shè)計(jì)。

以物理仿真加速為例：在傳統(tǒng)的芯片制程仿真中，工程師往往需要仿真數(shù)萬(wàn)個(gè)點(diǎn)才能繪制出準(zhǔn)確的特性曲線；而借助AI預(yù)測(cè)技術(shù)，可大幅減少實(shí)際仿真的點(diǎn)數(shù)，通過(guò)AI預(yù)測(cè)補(bǔ)充缺失的仿真數(shù)據(jù)，顯著提升仿真效率。

同時(shí)，AI將幫助設(shè)計(jì)者從“單一芯片思維”轉(zhuǎn)向“系統(tǒng)+芯片”的全局思維。在物理系統(tǒng)協(xié)同層面，以汽車電子為例：一輛汽車通常集成上千顆芯片，這些芯片的工作狀態(tài)會(huì)直接受到溫度、壓力、電磁兼容（EMC）、封裝等物理環(huán)境的影響。Cadence通過(guò)物理數(shù)字孿生技術(shù)，將芯片模型與汽車的物理特性模型深度耦合，使工程師在設(shè)計(jì)階段就能模擬芯片在實(shí)際行車環(huán)境中的表現(xiàn)，提前發(fā)現(xiàn)“溫度過(guò)高導(dǎo)致的性能衰減”“電磁干擾引發(fā)的功能故障”等問(wèn)題，避免后期系統(tǒng)集成時(shí)的返工。

在軟件系統(tǒng)協(xié)同層面，Cadence提出“功能孿生（Functional Twin）”概念，解決芯片設(shè)計(jì)與軟件開(kāi)發(fā)不同步的行業(yè)痛點(diǎn)。以汽車遠(yuǎn)程軟件升級(jí)（OTA）為例：未來(lái)汽車的駕駛功能、交互體驗(yàn)需通過(guò)軟件實(shí)時(shí)更新，這要求芯片在設(shè)計(jì)階段就與軟件功能深度匹配。借助功能孿生技術(shù)，工程師可在芯片流片前，通過(guò)仿真環(huán)境模擬軟件在芯片上的運(yùn)行行為，大幅縮短產(chǎn)品從設(shè)計(jì)到落地的周期。

寫(xiě)在最后

當(dāng)虛擬工程師成為芯片設(shè)計(jì)團(tuán)隊(duì)的標(biāo)配成員，當(dāng)“租用AI能力”取代“培訓(xùn)工具技能”成為行業(yè)新范式，代理式AI不僅將縮短芯片設(shè)計(jì)周期、降低創(chuàng)新門(mén)檻，更將為半導(dǎo)體產(chǎn)業(yè)應(yīng)對(duì)“復(fù)雜度與效率”的核心矛盾提供關(guān)鍵解法，開(kāi)啟一個(gè)人機(jī)協(xié)同共創(chuàng)的智能設(shè)計(jì)新紀(jì)元。