電子發(fā)燒友網(wǎng)報道（文/吳子鵬）代理式AI（Agentic AI）作為AI領(lǐng)域的新興方向，是一種能夠通過自主感知、推理、規(guī)劃與執(zhí)行，獨立完成復雜多步驟任務的AI系統(tǒng)，正在深刻改變?nèi)蚋餍袠I(yè)的運營模式和工作方式。與傳統(tǒng)的生成式AI不同，代理式AI不僅能理解語言，還能自主規(guī)劃任務、調(diào)用工具并執(zhí)行操作，重塑各行業(yè)的價值鏈和商業(yè)模式。Gartner預測，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中國用戶大會上，Cadence高級副總裁兼系統(tǒng)驗證事業(yè)部總經(jīng)理Paul Cunningham博士分享了代理式AI在EDA（電子設(shè)計自動化）領(lǐng)域的發(fā)展現(xiàn)狀與未來愿景，揭示了從對話助手到虛擬工程師的變革之路。

AI在EDA領(lǐng)域的三層進化：從輔助到自主

隨著技術(shù)的進步，AI開始在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工具中實現(xiàn)廣泛應用，成為工程師提升效率的重要助力。在芯片設(shè)計中，工程師以往需耗費大量時間手動調(diào)整參數(shù)以實現(xiàn)性能、面積、功耗（PPA）的平衡，而如今借助優(yōu)化式AI，工具可自動完成這些復雜的優(yōu)化工作。例如，將12納米制程的芯片設(shè)計遷移至6納米制程時，AI能自動調(diào)整設(shè)計參數(shù)、重新規(guī)劃流程并完成模擬驗證，極大減少了人工重復操作。

隨著技術(shù)的不斷迭代，Cadence正邁向協(xié)助性AI，目前已實現(xiàn)部分功能的實際部署。這一階段的核心亮點在于自然語言交互功能的應用，徹底降低了EDA工具的使用門檻。以往，工程師需要熟練掌握復雜的腳本語言和專業(yè)指令才能操作Cadence工具，而現(xiàn)在，即使是非專業(yè)用戶，也能通過自然語言與工具進行交互。比如，當工程師需要將兩根線連接在一起時，無需再研究工具的指令體系，只需用自然語言提出需求，工具就能理解并提供相應的操作指導。Paul Cunningham博士指出，在未來6-12個月內(nèi)，Cadence工具將借助協(xié)助性AI實現(xiàn)更高級的功能：不僅能回答工程師的問題，還能自動診斷設(shè)計問題、分析問題根源并給出解決方案，甚至詢問工程師是否需要自動修復問題，進一步提升設(shè)計流程的智能化程度。

不過，代理式AI的潛力遠不止于此。未來的AI不僅能提供協(xié)助和回答問題，還將具備自動生成或自動修復功能。當客戶的芯片設(shè)計中出現(xiàn)錯誤時，AI不再僅僅是指出問題，而是能夠進一步提供建議，甚至直接進行修正，并請求用戶確認。這種從“發(fā)現(xiàn)問題”到“解決問題”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)模不斷擴大，晶體管數(shù)量突破百萬、甚至百億級，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，也無法讓工程師資源增長速度跟上芯片復雜度提升速度。而在不久的將來，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。盡管實現(xiàn)完全自動化的SoC（系統(tǒng)級芯片）設(shè)計仍需時日，但虛擬工程師的出現(xiàn)，必將為EDA領(lǐng)域帶來一場深刻變革。

Paul Cunningham博士描繪了這樣一幅未來圖景：未來企業(yè)無需再花費大量精力培訓工程師掌握各類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)計會議、理解需求，并自主完成從IP（知識產(chǎn)權(quán)）選型與整合、RTL（寄存器傳輸級）代碼生成，到布局布線、仿真驗證的全流程工作。

但Paul也明確表示，盡管這一愿景令人向往，目前尚未完全實現(xiàn)。當前，Cadence正致力于將AI技術(shù)應用于特定領(lǐng)域，培養(yǎng)“領(lǐng)域?qū)＜倚虯I”，而非追求無所不能的通用超級智能。例如，在驗證和物理設(shè)計等領(lǐng)域，通過為大語言模型（LLM）提供特定領(lǐng)域的培訓數(shù)據(jù)與專業(yè)知識，使其成為該領(lǐng)域的專家，從而更好地解決實際問題、減少“幻覺”現(xiàn)象。這種“領(lǐng)域?qū)＜遗囵B(yǎng)策略”，將有效推動AI在EDA領(lǐng)域的落地應用，為客戶創(chuàng)造更大價值。

以創(chuàng)新策略應對代理式AI落地的挑戰(zhàn)

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

Cadence的JedAI平臺是其實現(xiàn)AI愿景的核心載體之一。Paul Cunningham博士表示：“JedAI的關(guān)鍵優(yōu)勢在于靈活性。我們不再將重點放在模型的自主訓練與微調(diào)上——大語言模型的更新速度極快，每3-6個月就會出現(xiàn)新版本，與其耗費大量資源進行模型微調(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)有大語言模型充分發(fā)揮作用?！盝edAI能夠?qū)⒖蛻舻膬?nèi)部知識與外部大語言模型（LLM）深度結(jié)合，確保輸出結(jié)果的準確性。

針對“AI工具是否會增加算力負擔”的疑問，Paul Cunningham博士指出，當前AI在EDA領(lǐng)域的應用以GPU推理為主；相比模型訓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、財務、人力資源管理等多個領(lǐng)域共享，進一步提升資源利用率。因此，客戶普遍認為：只要合理部署AI工具，其帶來的效益將遠遠超過成本投入。

在代理式AI落地過程中，Cadence的IP產(chǎn)品也發(fā)揮著重要價值。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)計中的應用模式：
·IP整合環(huán)節(jié)：工程師可通過自然語言指令，讓硅代理自動配置并調(diào)用Cadence的各類IP，將其集成到系統(tǒng)級芯片（SoC）中；
·IP遷移環(huán)節(jié)：代理式AI（Agentic AI）可助力實現(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，AI能自動調(diào)整設(shè)計參數(shù)、完成布局布線，并抽取電容、電阻參數(shù)進行進一步優(yōu)化，大幅減少手動調(diào)整工作量；
·IP開發(fā)環(huán)節(jié)：Cadence正探索利用代理式AI自動生成IP并完成集成的技術(shù)路徑，未來有望實現(xiàn)IP開發(fā)的全自動化，進一步縮短芯片設(shè)計周期。

對于“代理式AI是否會取代芯片設(shè)計工程師”的擔憂，Paul Cunningham博士給出了明確答案：AI不會減少對工程師的需求，而是將工程師從繁瑣的重復性工作中解放出來，構(gòu)建“人機協(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的重點布局方向，正成為推動半導體行業(yè)發(fā)展的新動力。Cadence的長期戰(zhàn)略還包括將AI與數(shù)字孿生技術(shù)結(jié)合，實現(xiàn)芯片與系統(tǒng)的協(xié)同設(shè)計。

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)萬個點才能繪制出準確的特性曲線；而借助AI預測技術(shù)，可大幅減少實際仿真的點數(shù)，通過AI預測補充缺失的仿真數(shù)據(jù)，顯著提升仿真效率。

同時，AI將幫助設(shè)計者從“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)計階段就能模擬芯片在實際行車環(huán)境中的表現(xiàn)，提前發(fā)現(xiàn)“溫度過高導致的性能衰減”“電磁干擾引發(fā)的功能故障”等問題，避免后期系統(tǒng)集成時的返工。

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)計與軟件開發(fā)不同步的行業(yè)痛點。以汽車遠程軟件升級（OTA）為例：未來汽車的駕駛功能、交互體驗需通過軟件實時更新，這要求芯片在設(shè)計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，通過仿真環(huán)境模擬軟件在芯片上的運行行為，大幅縮短產(chǎn)品從設(shè)計到落地的周期。

寫在最后

當虛擬工程師成為芯片設(shè)計團隊的標配成員，當“租用AI能力”取代“培訓工具技能”成為行業(yè)新范式，代理式AI不僅將縮短芯片設(shè)計周期、降低創(chuàng)新門檻，更將為半導體產(chǎn)業(yè)應對“復雜度與效率”的核心矛盾提供關(guān)鍵解法，開啟一個人機協(xié)同共創(chuàng)的智能設(shè)計新紀元。