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
按时间浏览,使用右上角筛选切换领域。
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。
Agnisys 介绍 IDesignSpec-AI(IDS-AI)中的 SpecCheck 智能体如何检查规格是否达到“黄金规格”要求。该智能体先对规格做规则与 AI 语义分析,覆盖 CSR 模型(如 IP-XACT、SystemRDL),标记矛盾冲突、行为缺失、寄存器与字段错误、术语不一致、时序/复位/顺序问题及多文件间不一致,并通过受人工干预与批准的自校正循环修正。

Circuit Mind 发布 AVE(Agentic Verification Engine),用于自动审查电路原理图,可检查 ACE 生成的设计,也可检查用常规 ECAD 工具手工绘制的原理图。
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。
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。
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。
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。
芯华章10月19日在深圳举办Agentic EDA数字流程解决方案研讨会,来自CPU、AI芯片、FPGA、存储及通信芯片领域的六家产业伙伴分享了与芯华章合作的验证实践。
推荐理由:六家芯片公司披露芯华章智能体验证工具在真实项目中的周期、报错收敛与回归人工介入数据,可用于对照验证流程的接入条件。

思尔芯在第六届RISC-V中国峰会上展示了大模型驱动的RISC-V虚拟平台与人机协同调试工作流,该平台可运行固件、引导程序及操作系统,提供处理器、内存、总线、中断及常用外设的仿真环境,并支持断点、观察点、状态检查、执行跟踪及运行状态保存与恢复。
Sigasi Visual HDL 2026.5 将 Sigasi MCP 服务器开放给在 VS Code 和 Cursor 中运行的 AI 智能体,包括 Claude Code、OpenAI Codex 和 Mistral Vibe。
推荐理由:原文说明 MCP 服务器内置于各版本并列出可接入的智能体与项目级依赖路径改动,可用于比较 HDL 编辑器与 AI 智能体的接入方式。
Sigasi Visual HDL 2026.5 发布,其 MCP 服务器向 VS Code 内的 Claude Code、OpenAI Codex、Mistral Vibe 等 AI 智能体开放,智能体可格式化 HDL、读取 lint 违规并浏览项目结构。
Sigasi 在 10 月 14 日的线上研讨会中让 AI 智能体(演示用 Claude Code)完成两个 HDL 工程目标,两者都自行结束,但确定性分析仍报出未用信号、generic 映射问题、未约束信号类型和空范围等遗留项。

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。

Synopsys 在纽约 2026 投资者日宣布与 OpenAI 合作推出 GPT-Synopsys,用 OpenAI 前沿模型直接操作 Synopsys EDA 工具进行芯片设计与验证推理。

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。

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 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。

Synopsys 宣布 AgentEngineer 解决方案,基于新的 Autopilot 平台,覆盖验证、系统验证、实现、模拟与混合信号设计、制造、仿真与分析六个领域,公司称已有 50 多项客户合作,计划 2026 年底正式可用。

Synopsys 宣布推出 AgentEngineer 系列领域长程智能体及底层 Autopilot 平台,覆盖验证、系统验证、实现、模拟、制造与仿真分析等流程。
推荐理由:Synopsys 公布 AgentEngineer 智能体组合与 Autopilot 平台,并列出客户自述的验证、实现与模拟流程收益,可用于比较智能体接入 EDA 流程的方式。
Cognichip 在 AI Infra Summit 2026 上宣布推出 ACI Enterprise,称其为面向芯片设计的全栈智能基础设施,包含物理信息基础模型、智能体框架、上下文与记忆、推理算力及自有数据。

Cognichip 推出 ACI Enterprise,称其以跨规格、RTL、网表、布局到版图多层抽象训练的物理信息模型,在设计早期预判下游影响,而不必反复运行综合与物理设计工具。

eMemory 部署 ChipAgents 的智能体工作流,用于 NeoFuse 一次性可编程 NVM IP 的功能模型验证,把数据手册分析与验证测试平台搭建的工程投入从估计的四天缩短到五小时,降幅约 80%。
推荐理由:eMemory 在 NeoFuse NVM IP 上部署 ChipAgents 的验证流程,并给出人工工时、测试向量与覆盖率的变化数据,可作为智能体接入 IP 验证的客户案例参考。

Agnisys 在 DAC 上发布 IDS-AI,称其为面向半导体开发的智能体 AI 框架,可从功能规格、CSR 与 SoC 层级驱动 RTL 生成、验证与确认流程。
ChipNexus 发布 NEX v5.74,将 FPGA 流程拆分为工程建立、综合、实现、比特流导出等阶段分别委派,并为 Lattice Radiant 增加映射阶段。

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。
合见工软在2026 IDAS设计自动化产业峰会上发布UniVista Verification GOAT,包含面向软件仿真、验证调试与根因分析、回归测试管理、硬件仿真与FPGA原型验证的四类专业Agent,可独立使用或组合,并支持通过开放接口接入客户自有Agent。
推荐理由:合见工软发布验证智能体家族,公开四类Agent分工、工具反馈闭环与两项自测结果,可用于比较验证流程的接入方式。

思尔芯在IDAS 2026“AI驱动设计-EDA协同”分论坛上介绍了其AI Agent与数字EDA融合的布局,并演示了引入AI Agent技术的Genesis芯神匠架构设计软件。该Agent在虚拟原型调试中可自动调用仿真工具,定位OpenSBI固件故障导致的启动异常问题。思尔芯称此次分享与Demo只是其AI战略的“初亮相”,更多AI Agent与数字EDA融合的产品与解决方案蓄势待发。
Sigasi 将于 10 月 14 日举办网络研讨会,演示 AI 智能体如何端到端完成完整工程目标,而非只处理孤立任务。两场演示分别从设计需求生成并配置完整 HDL 项目、再由 Sigasi 检查智能体成果,以及从现有代码库生成编译顺序与库映射以驱动下游仿真流程。智能体通过 Sigasi CLI 调用项目感知分析,daemon 模式在多次调用间保持项目加载,所有处理均在本地或用户 VPC 内完成。
Sigasi 将于 10 月 14 日举办 Agentic Engineering 网络研讨会,演示 AI 智能体与确定性 HDL 分析如何配合,使 AI 生成的 FPGA 或 ASIC RTL 达到可供工程评审和仿真的状态。

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 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。

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 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。
ChipNexus 发布 NEX v5.61,新增仓库级 grep 和 glob 工具,让智能体在遵循嵌套 .gitignore 规则的前提下检索大型代码库,并优先处理近期修改的文件。
推荐理由:原文列出仓库级检索、EDA 工具结果结构化与缓存改进,可用于比较智能体接入现有 RTL 与验证流程的条件。
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 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。
Sigasi 发布四个演示,展示 Claude Code、Cursor、Copilot 等编码智能体通过 MCP 和 Sigasi CLI 调用其确定性 HDL 分析,用于迭代生成 SDRAM 控制器、修复项目依赖、排查 UVM 测试平台问题和统一格式化 VHDL、Verilog、SystemVerilog 文件。
ChipNexus 发布 NEX v5.55,新增自定义技能、近乎无限的会话和更强的 EDA 环境识别能力。自定义技能遵循开放的 Agent Skills 规范,以 SKILL.md 组织,可附带脚本与模板;会话通过把较早的对话压缩成模型撰写的摘要来延续,完整对话保存在无损归档中。
推荐理由:原文列出 NEX v5.55 的自定义技能、上下文压缩与 EDA 环境解析能力,可用于评估智能体接入现有工具链的条件。
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。