EDA行业的AI智能体来了！正重构芯片设计

电子发烧友网报道（文/黄晶晶）当前，国内芯片设计企业面临一个突出矛盾在于越使用先进EDA工具，越需要投入更多工程师，这与当前企业控制成本的诉求严重相悖。而通过“电子设计自主化”，EDA智能体让客户自助解决芯片设计难题，真正提升资深工程师效率、降低人力成本。

在ICCAD年会上，伴芯科技CEO朱允山博士接受了包括电子发烧友网在内的行业媒体采访，就当前Agentic AI对于芯片设计的重要性、优势以及未来趋势等话题进行了分享。

图：伴芯科技CEO朱允山博士

伴芯科技成立于2020年，是一家专注于大模型与芯片设计融合应用的新型EDA企业，核心团队成员在EDA行业积累颇深，为技术落地提供了坚实保障。凭借“AI智能体+EDA”的创新路径，伴芯科技已获得红杉中国、联想创投、顺为资本、弘晖基金等知名机构多轮投资，成为半导体领域备受关注的创新力量。

朱博士表示，“我们服务与传统EDA相同的半导体设计客户，但核心能力聚焦大模型在芯片设计中的应用，而非底层数据结构优化。传统EDA强调电子设计自动化，而伴芯科技致力于实现电子设计自主化，通过AI智能体让客户自助解决芯片设计难题，真正提升资深工程师效率、降低人力成本。我们正推动EDA向Agentic EDA的新范式演进。最终实现‘芯片自主设计闭环(Autonomous Chip Design)’。”

两大EDA智能体产品加速芯片设计

伴芯科技发布了两款核心EDA智能体产品DVcrew与PDcrew，均聚焦数字芯片设计的关键痛点，且已实现可量化的效率提升。这两款产品是Agentic EDA理念的具体实践。

首先是DVcrew产品，旨在攻克芯片设计验证难题。

设计验证是芯片设计流程中公认的核心难题，功能失效是导致流片失败的首要原因。功能验证环节不仅占据最长的研发周期，验证团队规模通常也是RTL设计团队的2至5倍，使其成为芯片设计中最严峻的挑战。SoC芯片设计集成了多个处理器及数百个组件，验证工作需确保每个组件的RTL代码及其间所有交互的正确性，其复杂性不言而喻。设计验证工程师表示，在芯片中发现所有bug需要99%的努力和1%的运气，而DVcrew的目标，正是通过AI智能体将这1%的运气成分降至最低。在芯片中发现一个bug，需要找到一个引发bug的测试向量序列，并且可观察到checker或者断言的触发。DVcrew像一个高度成熟的设计验证团队合作伙伴，它融合了AI智能体、RTL分析、规格说明分析、仿真轨迹与形式化验证等多种先进技术，生成适用于各种验证环境的断言，并高效发现深层漏洞，在设计验证中使用DVcrew，客户有望在提升芯片质量的同时，显著降低整体设计验证成本。

朱博士表示，在前端验证领域，针对“80%时间解决20%剩余问题”的长尾曲线难题，伴芯科技的EDA智能体DVcrew产品可精准缩短验证环节后 80% 的问题解决时间，帮助客户突破传统验证流程的效率瓶颈。

PDcrew产品则是破解物理设计的不确定性。一旦前端设计人员完成RTL freeze，芯片流程的挑战就转移到物理设计，就是将网表转换为代工厂能接受的GDS版图。这一转换是芯片设计流程中最不确定的环节，因为它深受RTL网表和芯片物理设计约束的影响。伴芯科技历经数年时间研发新一代布局布线引擎，适用于智能体框架，旨在流程中减少人工参与，提供从网表到GDS的一站式解决方案。PDcrew也为工程变更（ECO）流程提供高效解决方案，设计师可以在尽量减少设计或掩膜更改的情况下完成变更需求。网表到GDS转换中的自主流程智能体能够每周7天、每天24小时运行，持续优化芯片的性能、功耗和面积（PPA）。

朱博士表示，在后端物理设计领域，针对时序收敛（Timing Closure）和ECO（Engineering Change Order）违规修复等行业痛点，AI智能体将原本需要手工处理的100个违规问题缩减至10个以内，实现ECO 修复效率10倍提升。据介绍，这一成果已在全球前20大芯片设计公司的合作中得到验证。

伴芯科技的产品竞争力主要依托三大核心技术能力。一是于开源大模型进行监督微调（SFT, Supervised Fine Tuning）与强化学习优化，规避初创企业自主训练千亿级大模型的资源压力。朱博士透露，关于行业普遍关注的高质量芯片数据稀缺问题，公司已通过强化学习技术实现突破。二是自主开发EDA工具接口，实现大模型与现有设计流程的深度整合；三是构建涵盖芯片设计全流程的知识库（ICB KnowledgeBase），并支持客户将专属Know-how固化为模型知识，解决ToB领域AI应用的实际难题----这正是构建实用EDA智能体的核心。

全球头部客户合作落地、商业模式灵活

目前，伴芯科技已在商业化领域取得显著进展。朱博士透露，公司已与全球前20大芯片设计公司及国内外多家头部半导体企业达成深度合作。

这种合作热度背后，是国内外市场对产品价值的共同认可，同时也呈现出差异化需求。海外头部企业更看重通过技术创新巩固垄断地位，而国内企业在经济环境下，除了关注 PPA（性能、功耗、面积）指标，更聚焦于通过大模型提升团队效率，在相同人力配置下承接更多项目，或直接降低人员成本。

商业模式上，伴芯科技开创了灵活适配的服务模式。针对已有GPU 服务器的大型设计公司，将模型与软件部署于客户本地网络，保障数据安全。针对中小型企业，联合投资方生态提供 “GPU服务器+EDA智能体”一体化服务，弥补传统EDA用户缺乏GPU算力的短板。这种模式既贴合行业数据保密需求，又降低了客户准入门槛。

国内EDA加强生态协同

与EDA三巨头也在布局AI相比，伴芯以其灵活高效的优势致胜。朱博士表示，在Agentic EDA这一新兴赛道上，EDA巨头们最多比国内企业领先三年，大家基本站在同一起跑线。虽然三大家规模雄厚，但内部前端与后端团队分属不同 BU，协调成本高，难以实现流程化创新。而伴芯科技的优势在于“船小好掉头”，前端、后端、AI团队协同高效，可快速整合全流程需求，解决大模型应用中的 “幻觉问题”等关键痛点。

同时，中国EDA企业能够发挥开源大模型的本土优势。当前美国大模型多走闭源路线，而芯片设计领域对数据安全要求高，客户核心数据上传至第三方平台具有安全风险，而使用开源模型更具适配性。

朱允山博士表示，国产EDA应精准把握本土客户痛点，加强生态协同。对于伴芯科技而言，通过众多顶级投资机构的加持，公司也能够接触到众多优秀的芯片设计企业。希望联合芯片设计、EDA厂商、大模型企业等战略合作伙伴，以AI智能体为核心，共同推动 Agentic EDA 的发展，开辟一条通过生态协同解决EDA卡脖子问题的新路径。

EDA的AI时代已经到来，AI正在重构芯片设计。AI智能体对EDA必将产生深远影响，它显著提升了设计效率与质量，重塑设计流程与角色分工，促进技术创新与生态发展。