Arm 工程师实测三款前沿模型生成测试平台的缺陷检出率
Arm 高级验证架构师 Vikash Kumar 独立测试 Claude Opus 5、GPT-5.4 和 GLM-5.2 在 25 个未公开 RTL 设计上生成测试平台的能力，三款模型分别检出 79.2%、76.2% 和 62.8% 的 806 个手工植入功能缺陷。
NEWS / 动态
#观点/分析
按时间浏览，使用右上角筛选切换领域。
Semiconductor EngineeringAI 评分6060
Semiconductor EngineeringAI 评分4040 自动生成属性：方法学插入的挑战
从规范自动生成 SystemVerilog 属性仍受限于现有规范质量不足，Synopsys 的 Ravindra Aneja 认为行业尚未达到规范足够好用的程度。
Semiconductor EngineeringAI 评分5858 Siemens EDA 阐述智能体 EDA 的物理验证基础
Siemens EDA 在系列文章第三篇中提出，可信的智能体 EDA 工作流应在每一步由确定性的物理 EDA 引擎确认智能体输出，而非只在流程结束时校验。
Semiconductor EngineeringAI 评分5858 ChipAgents 谈回归分诊中自主根因分析的规模化
ChipAgents 撰文介绍其面向回归分诊的 AI 原生根因分析方法，把调试拆成 bug 难度与 bug 数量两个维度，并给出从回归、智能分箱、见证仿真选择、波形重跑到自主 RCA、修复、验证、最终回归的端到端流程。
Semiconductor EngineeringAI 评分3838 Cadence AI Super Agents 如何用 Mental Model 协调芯片设计工作流
Cadence 的 Agentic AI Super Agents 面向芯片设计中反复出现的“失败—假设—修改—重跑”协调循环，可跨工具编排多步工程任务、关联证据并提出后续步骤，工程师仍负责定义目标、验证结果与最终签核。
Pulse 2.0AI 评分6060 ChipAgents 创始人谈 IC-star 与芯片智能体的物理指标验证
ChipAgents 创始人兼 CEO William Wang 在 Pulse 2.0 访谈中介绍其智能体平台 IC-star，称该引擎整合组织设计知识、跨数字与模拟流程协调智能体与工具、引入功耗性能时序等物理约束，并按任务自动选择模型。
ChipAgents 官方技术博客AI 评分5858 
ChipAgents 阐述回归分诊的自主根因分析编排思路
ChipAgents 在官方博客中提出面向回归分诊的 AI 原生根因分析思路，把调试难点拆为缺陷难度与缺陷数量两个维度，并指出最难的是大规模下的难缺陷。其流程为传统分箱后再做一次智能分箱合并疑似同源失败，只对每个分箱挑选最小见证仿真并开启波形转储，再交给自主 RCA 生成修复并验证，最后重跑回归确认。
ChipAgents 官方技术博客AI 评分3030 
AWS 与 ChipAgents 如何用智能体 AI 破解芯片设计工程瓶颈
AWS 与 ChipAgents 在 AWS 上展示 AI 加速芯片设计工作流，聚焦智能体 AI 与 EDA 内置 AI 的区别。AWS 通过 Amazon Bedrock 提供多种前沿模型，并让模型、智能体、RTL、PDK、网表等敏感数据留在客户 VPC 内，沿用既有 EDA 安全模型。演讲指出复杂半导体项目约需 30 个月，验证占工程投入很大比例，且美国芯片工程师中三分之一超过 55 岁。
Tom’s HardwareAI 评分5050 
AI自主设计芯片或面临专利侵权风险，Synopsys、Cognichip、华大九天等工具加速落地
随着Synopsys的AgentEngineer工具、Cognichip的ACI平台及华大九天的AI agent逐步承担芯片验证、RTL生成与版图任务，AI自主设计引发的专利侵权归属问题浮出水面。
Tom’s HardwareAI 评分6060 
2026 年芯片设计工具中的智能体现状：Cadence、Synopsys 与 Siemens 的自主性主张
Tom's Hardware 梳理了 Cadence、Synopsys 和 Siemens EDA 三家在 2026 年推出的芯片设计智能体进展。
Tom’s HardwareAI 评分5050 
从EDA工具到OpenAI Jalapeño：AI如何参与芯片设计
芯片设计正从工程师使用AI工具，走向AI系统参与设计下一代AI硬件。Cadence、Synopsys、Siemens EDA等厂商的AI增强工具已用于布局布线、验证等环节，新兴智能体可操作多种EDA工具并迭代优化。OpenAI称Jalapeño项目中AI参与实现、设计空间探索与验证，九个月完成设计到流片，BF16乘法器等模块PPA较人工基线提升56%、21%、10%。
Tom’s HardwareAI 评分6868 
OpenAI 硬件副总裁 Richard Ho 访谈：Jalapeño 如何用 AI 在九个月内完成设计
OpenAI 硬件副总裁 Richard Ho 在访谈中介绍，Jalapeño 推理 ASIC 从零开始到流片约九个月，团队借助 Codex 等 AI 模型提升设计效率，但签核仍使用标准 EDA 流程。他表示这一周期确立了新的设计基线，并称 Jalapeño 在开源模型上同样表现良好，计划 2027 年放量。
ChipAgents 官方技术博客AI 评分3838 
ChipAgents 谈芯片设计的 AI 原生流程：用快速粗估为智能体筛选设计假设
ChipAgents 工程负责人 Mehir 在演讲中指出，多智能体并行生成设计假设的速度可能超过物理评估能力，3D IC 中热、时序、功耗与电迁移/IR drop 的多物理耦合进一步加剧这一瓶颈。
ChipAgents 官方技术博客AI 评分5858 
NVIDIA 在 DAC 2026 阐述 AI 原生芯片设计的三层引擎
NVIDIA 的 Karthik Chandrasekaran 在 DAC 2026 演讲中提出，AI 原生芯片设计依赖加速计算、AI 物理与 AI 智能体三层引擎协同。
Siemens Calibre 官方技术博客AI 评分2222 
西门子 EDA 谈晶圆厂中的 AI：从摩尔定律走向加速回报
西门子 EDA Calibre 半导体研发幕僚长 Jim Shiely 提出，晶圆厂中的 AI 主要充当编排层，协调基于物理的仿真工具、数据分析流程、工艺控制系统与工程工作流，而非取代 Calibre 等确定性工具。他以仿真界定可行搜索空间、量测以实测约束该空间、AI 决定干预优先级的三角框架描述现代晶圆厂运行模式，并指出迭代加速后瓶颈从执行转向对结果的解读与信任。
ChipAgents 官方技术博客AI 评分4040 
ChipAgents CEO 谈闭环自主设计：智能体 AI 如何重塑半导体工程
ChipAgents 创始人兼 CEO William Wang 在 EE Times 的 Silicon Grapevine 对话中阐述了从 AI 辅助工程走向日益自主的芯片开发，ChipAgents 自身也从单智能体系统演进为可端到端执行复杂工作流的多智能体系统。
Siemens Questa / Verification Horizons 官方博客AI 评分1212 Siemens EDA 将在 DVCon Taiwan 探讨智能体 AI 如何重塑设计与验证
Siemens EDA IC 验证解决方案产品管理总监 Moses Satyasekaran 将于 9 月 8 日在 DVCon Taiwan 发表主题演讲，探讨智能体 AI 对设计与验证的影响。
雷峰网AI 评分4747 
Cadence滕晋庆：AI有望让芯片设计时间减半，但资深工程师仍是核心竞争力
Cadence资深副总裁滕晋庆在CadenceLIVE 2026上判断，AI EDA短期内有望让相同制程下设计相同芯片的时间缩短一半，但至少未来五年看不到AI独立生成可用芯片。
EDNAI 评分3838 
AI 如何重塑 IC 签核：信任、速度与智能工作流
西门子 EDA 阐述 AI 在 IC 签核中的定位：核心签核计算仍由确定性算法完成以保证结果可复现，AI 则用于外围任务。AI 已在三方面提升效率：验证作业的资源优化与实时监控、错误分组与优先级排序、跨团队错误分派协作。文中举例称一家领先 GPU 厂商借助 AI 驱动的可视化分析将验证时间缩短 50%，把数周工作压缩到数天。
芯华章AI 评分3838 芯华章刘军在中信证券股权投资峰会演讲：可信Agentic EDA筑牢AI产业底座
芯华章科技研发副总裁刘军在中信证券第五届股权投资会议上表示，芯华章已布局智能设计和智能验证Agent，相关测试实现仿真效率7倍以上提升、自动化Debug效率10倍以上提升、自动化Formal验证效率提升70X。他提出可信EDA的核心是用确定性EDA工具对AI输出进行求证并形成可追溯证据链，以应对生成式AI提升代码效率后更重要的芯片设计验证需求。
ChipAgents 官方技术博客AI 评分3434 
ChipAgents 谈智能体 AI 如何让 IC 工程师转向架构师角色
ChipAgents 提出，智能体 AI 正把芯片工程师的角色从编写者推向审阅者与架构师，工程师需像管理者一样写规格、拆解任务并协调多个专用智能体。芯片设计数据远少于公开代码库，且网表、波形、寄生参数等非文本表示需借助仿真、形式化、物理设计与时序工具解读，因此最强架构是基础模型语义推理与半导体专用工具、自动验证的结合。
ChipAgents 官方技术博客AI 评分3636 
ChipAgents 谈多智能体编排：通往 IC 设计自主化的路径
ChipAgents 提出以多智能体编排替代单点 AI 智能体，让多个专用智能体在隔离沙箱中并行探索假设、调用 EDA 工具并评估结果，由工程师在关键节点审核。其平台在客户 WhaleChip 的部署中把 3D IC 根因分析从数天缩短到 15 分钟。文章以功耗优化流程为例，说明单点加速无法压缩整体串行循环，编排才能压缩整个设计迭代。
ChipAgents 官方技术博客AI 评分5050 
ChipAgents 如何用 AI 智能体加速时序收敛
ChipAgents 介绍其构建 AI 智能体闭环以加速时序收敛的方法：在 RTL 阶段为智能体提供分钟级的快速 PPA 反馈，使其能比较不同方案、剔除导致功耗或面积不可接受回退的时序修复。
芯华章AI 评分2222 IC Agent 会写会跑会改，工程师还怎么长本事？
芯华章转载文章讨论 IC Agent 演示读 spec、生成 RTL 与 testbench、读 log 给 patch 并整理报告后，工程师如何继续成长。作者认为 Agent 最危险之处在于提前替人处理掉失败、反馈与打回，而判断对错、风险、证据和边界的能力才是可迁移的护城河。
EE TimesAI 评分5858 Siemens EDA 与 NVIDIA 谈自验证 EDA 智能体：Fuse Agent 与 NeMo Gym 如何支撑长周期工作流
EE Times 播客邀请 Siemens EDA 首席 AI 战略官 Amit Gupta 与 NVIDIA 工业与计算工程副总裁 Tim Costa，讨论双方合作中的领域限定自验证 AI 智能体，即不只执行任务，还用基于物理的 EDA 软件验证自身输出。
CHIPS AllianceAI 评分3030 
CHIPS Alliance 开发者聚焦：Mehdi Saligane 谈 AI 时代重构芯片设计
CHIPS Alliance 开发者聚焦介绍 Mehdi Saligane 的研究：将 AI 辅助设计、开源 EDA、模拟与混合信号自动化、面向 AI 的软硬件协同设计及可信硬件结合，目标是让定制芯片更自动化、可复现、更易获取。
芯华章AI 评分3838 Agentic EDA 的验证命门：生成更多测试不如形成证据链
芯华章转载文章指出，验证类 Agent 虽能批量生成 testbench、assertion 和 coverage item，但验证材料变便宜不等于可信验证变便宜。
SiliconANGLEAI 评分3434 
Synopsys 以协同设计与智能体芯片工作流应对物理 AI 复杂度
Synopsys 创新高级副总裁 Prith Banerjee 在 AMD Advancing AI 活动上表示，公司通过协同设计与多智能体工作流应对物理 AI 时代的芯片设计复杂度。
EE TimesAI 评分3030 
Siemens EDA 详解 Fuse EDA AI 系统背后的构建思路
Siemens EDA 的 Niranjan Sitapure 与 Jeff Dyck、Ryan Silk 对谈，讲述 Fuse EDA AI 系统背后的故事与设计思路。该系统针对设计师大量时间花在工具配置、学习和调试上的问题，可自动配置复杂工具设置、诊断并修复失败的仿真，把原本耗时数小时的任务缩短到数秒。它深度集成于现有工具、环境和界面，并通过开放方式扩展到用户自有数据、工具和应用。
Cognichip 官方技术博客AI 评分3838 Cognichip 展示 Seascape 演示：ACI 将芯片前端设计从 20 周压缩至 10 天
Cognichip 在 EETimes Chiplet Conference 上演示了 Seascape——一个用 200 行 Python 编写的全程序化海面计算应用，其实际运行在为此定制的硬件上，含超 8 万行密集数学代码、2000 周期流水线和 256 个并行物理实例。
芯华章AI 评分2222 从卖工具到卖结果，本土EDA在Agentic EDA时代的窗口在哪里？
芯华章转载文章讨论Agentic EDA是否会给本土EDA带来新窗口，判断两种结果都会发生：若只是让AI更方便调用现有EDA工具，Cadence、Synopsys、Siemens三大家大概率更强；若价值从"买工具"转向"买结果"，本土EDA可能首次有机会不再只回答与三大家的差距，而是交付可验收的工程闭环。
ChipAgents 官方技术博客AI 评分3838 
为何芯片工程师应关注 AI 生成的行为模型
ChipAgents 技术博客阐述用智能体 AI 快速生成高保真行为模型的六步流程：定义范围、生成参考数据、产出模型、对照黄金仿真验证、迭代精修、部署到仿真环境。
Silimate 官方动态AI 评分4040 Silimate CTO 访谈：芯片设计 copilot 与 Preqorsor 的 PPA 早期预估
Silimate CTO Akash 在访谈中介绍公司面向芯片设计者的 copilot，聚焦在综合前发现并修复功能与 PPA 问题。其 PPA 工具 Preqorsor 提供功耗、性能、面积的早期估算并标出瓶颈，目标不是替代综合报告，而是更快反馈，尤其针对较小 RTL 块。公司已有 10+ 客户，包括 Tenstorrent；PPA 预测更多依赖传统机器学习，LLM 则用于优化与功能正确性。
ChipAgents 官方技术博客AI 评分3030 
ChipAgents CEO 谈智能体 AI 为何是 EDA 以来芯片设计最大变革
ChipAgents 创始人兼 CEO William Wang 在 2026 GSA Tech Summit 小组讨论"加速设计到制造——AI 的新前沿？"上阐述了智能体 AI 是 EDA 之后芯片设计的下一轮演进。
ChipAgents 官方技术博客AI 评分2222 
ChipAgents 博客：AI 智能体当前可自动化的六项验证任务
ChipAgents 博客列出 AI 智能体当前可自动化的六项芯片验证任务，包括回归失败分诊、根因分析、UVM 生成与覆盖率收敛等。文章称验证已占 ASIC 与 FPGA 项目工程时间的 60-70%，约四分之三半导体项目延期，验证问题是主要延误原因之一。智能体可跨 RTL、波形、仿真日志、UVM 环境、断言与覆盖率数据库推理，自动解析日志、聚类失败、匹配缺陷库并生成 RCA 摘要。
EE TimesAI 评分5858 
西门子 EDA 推出 Fuse EDA AI 系统与 Fuse EDA AI Agent
西门子 EDA 推出 Fuse EDA AI System 与 Fuse EDA AI Agent，称其通过上下文感知的自然语言界面编排从概念到制造签核的多工具流程。
Sigasi 官方动态AI 评分2222 Sigasi 谈 RTL 开发中的 AI：以确定性语义校验保持工程师控制权
Sigasi 发文阐述 AI 在 RTL 开发中的定位：AI 助手与智能体可快速生成 HDL、重构模块、提出修复建议，但生成代码仍需在完整项目上下文中评审与验证。
EDNAI 评分3636 
用AI解决EDA的哪个问题才真正值得？
文章指出Cadence、Synopsys、Siemens EDA三大EDA厂商正把增量启发式包装成“平台AI”，智能体初创公司则主打缓解旧工具使用痛点的copilot，三星、英伟达等芯片设计巨头在自建内部AI栈，而高校与OpenAI、DeepMind等基础模型实验室基本游离于工业实践之外。
Chipmind 官方动态AI 评分1818 
Chipmind CEO Harald Kröll 在达沃斯 AI House 谈基于 AI 的芯片设计
Chipmind CEO Harald Kröll 在达沃斯 AI House 参加“GenAI is More Than LLMs”专题讨论，介绍 AI 芯片设计如何跨越通用大模型与开发流程之间的“空白地带”。他指出，通用模型能力虽广，但半导体行业的真正加速来自将 AI 原生融入复杂的 EDA 与开发环境，构建面向硬件工作流的设计感知系统。
Chipmind 官方动态AI 评分4040 Chipmind：超越 RTL，处理数字设计的长尾交付物
Chipmind 官方阐述其 AI 设计助手将 IP-XACT（IEEE 1685）、SystemRDL 等标准化元数据作为一等输入输出，并同步生成寄存器映射、文档与固件头文件。