Synopsys 宣称 DV 提速 50 倍，工程闭环更值得看

DAC 2026 刚开幕，Synopsys 就扔出一组抢眼数字：设计验证工作流最高提速 50 倍，coverage 额外提升 20%；模拟与混合信号工作流生产率最高提升 3 倍；PrimeSim SPICE 借助 NVIDIA GPU 获得约 18 倍运行时间加速。

先别急着把这些数字加在一起。它们对应不同任务、不同基线，收益也分别来自 agent 编排、版图综合和 GPU 加速。本轮核查到的公开材料没有披露测试设计、样本规模或第三方复现，直接写成“芯片研发全面提速几十倍”，就离公开证据太远了。

数字拆开看，这次发布仍然有分量。Synopsys 正把长周期 agent、EDA/CAE 求解器和 NVIDIA 的模型、运行时、加速库绑到一起。一段工程任务启动后，agent 能持续读取结果、调整动作，向用户设定的目标推进。

工程师暂时离开屏幕，任务依然可以往下跑。“自主工程”生产线的新意就在这里。

DV agent 开始跑完整验证循环

Synopsys 给新 DV 工作流放了一个长周期编排 agent。它读取规格、设计、测试代码库和用户输入，拆解验证目标，再调度专门 agent 与工具，覆盖 test plan 生成、coverage closure 和高级 debug。

传统的 AI 辅助常停在一个中间产物：写一段 RTL、补一个 testbench、解释一份报告。长周期工作流还得接住后半程。测试跑完后，覆盖率缺口在哪里？失败来自设计、环境还是激励？下一轮补什么测试？哪个根因优先处理？连续尝试多久之后必须把问题交还给人？

agent 可以先提出候选动作，再交给仿真、formal 和 coverage model 检查，根据结果继续迭代。生成式模型仍会犯错，工程引擎的反馈把错误限制在可检查的循环里。

Synopsys 称，这套端到端验证闭环能把数周人工工作压缩为数小时 agent 执行，获得通过既定验证标准的 RTL 所需时间（time-to-validated RTL）最高提速 50 倍，并带来额外 20% coverage 改善。

这里有三层限定。第一，这是厂商在 DAC 展示的结果。第二，“最高”不代表典型项目。第三，20% 没说明是相对改善、百分点变化，还是某类 coverage 指标的组合。复杂 SoC 的验证周期能否普遍缩短 50 倍，还没有答案。

工作流跨进 AMS 和电子散热

今年 3 月，Synopsys 已展示过连接 RTL、lint、testbench 与迭代验证的多智能体流程。DAC 这次新增的分量在于，AMS 与电子散热 CAE 也被放进了自主工程（autonomous engineering）。

AMS 工作流由 AgentEngineer 编排设计创建、SPICE 仿真、实现与验证。工程师用自然语言给出设计意图和性能目标，agent 负责组织多步执行和优化。新闻稿中的“最高 3 倍生产率”来自 Custom Compiler Layout Synthesis，不能扩展成整个模拟设计流程普遍提升 3 倍。

电子散热一侧，Synopsys 使用 Ansys Icepak、开源 PyAEDT、NVIDIA Agent Toolkit 和 CUDA-X libraries，让 agent 自动完成仿真设置、前处理和后处理。热仿真常要处理几何、网格、边界条件、材料与结果整理。把这些重复动作规范化，等待时间有机会大幅压缩。

CAE 的风险也很直观。边界条件错了，材料参数不对，网格策略不合适，仿真照样能跑完，还会给出一张很专业的温度云图。一个成功结束的任务，并不自动等于一个可信结论。

这条路线与 2025 年 7 月完成的 Ansys 收购直接相关。Synopsys 由此把硅设计、IP、仿真与分析收进同一产品体系。如今 DV、AMS、Icepak 热仿真和 Multiphysics Fusion 出现在同一场发布中，“从硅到系统”（silicon to systems）开始有了可被 agent 编排的工具边界。

NVIDIA 正在搭建公共底座

这次工作流采用 NVIDIA Agent Toolkit、Nemotron 3 Ultra 和 OpenShell 运行时，底层又连着 CUDA-X 与 GPU 加速平台。

Nemotron 提供推理和生成能力；Agent Toolkit 用来构建、连接专业 agent；OpenShell 承载受控运行；CUDA-X 与 GPU 加速仿真、求解和模型执行。Synopsys 同时披露，已经有 20 多款支持 GPU 的 EDA 与多物理场产品。PrimeSim SPICE 的约 18 倍加速，比较的是 GPU 与纯 CPU 工作负载的整体运行时间。

一项商业变化跟着浮出水面。过去看 EDA 性能，重点是单个引擎跑多快。长周期 agent 会主动发起更多试验、仿真和验证循环。工程师少了操作与协调，机器执行次数反而可能增加。自主程度越高，算力调度、许可证占用和单次任务成本越需要一起治理。

而且，这套底座同时服务 Cadence、Siemens 和 Synopsys。NVIDIA 同日材料提到，Cadence 在 ChipStack、AuraStack 等产品中使用 Nemotron、OpenShell 和 CUDA-X，Siemens 也在 Fuse EDA AI Agent 中编排多工具流程。模型、运行时和加速计算正在变成 EDA 巨头共享的基础设施。

差距会落到更靠近工程现场的位置：谁能读懂客户规格和历史项目，谁能更深地调用设计数据库、仿真器、formal、debug 与多物理场引擎，谁又能把每次动作变成可追溯、可回滚、可签核的证据。

“全自主”有一条清楚的边线

Synopsys 使用了“全自主”（fully autonomous）这个说法。它指向一段有目标、有输入仓库、有工具接口的工作流。工程师仍要定义设计意图、性能目标、权限和停止条件，签核责任也没有因为 agent 能连续运行数小时而转移给软件。

在 DV 场景中，coverage closure 只是验证完成度的一部分。覆盖率提高，不能保证所有高风险场景都被正确理解，也不能补上规格本身的遗漏。形式验证、CDC、复位、低功耗策略、关键时序约束和安全相关逻辑，依然要有明确的人工 review 与责任人。

AMS 和热仿真还会碰到连续变量、数值收敛、物理假设与多目标权衡。agent 可以自动调参数，产品团队仍要决定温度、噪声、面积、良率与成本之间愿意接受哪种代价。

商业状态同样需要说清楚：相关 agentic EDA 和 CAE 能力正在接受客户评估，计划于 2026 年下半年提供。它至少进入了公开演示与客户评估阶段，但公开信息还不足以证明跨客户、跨项目的稳定收益。

下一轮竞争，瞄准工程控制面

Agentic EDA 的早期竞争集中在写代码、看报告和做根因分析。进入长周期工作流后，厂商要争夺一套工程控制面。

目标从哪里来，agent 能调用什么工具，结果由什么引擎验证，失败何时自动重试，风险何时交还给人，这五件事必须有人管。少一项，系统就可能沦为昂贵的自动重跑器。

一个聊天入口承载不了这套控制面。专业模型要理解芯片语境，企业知识库要保存规格、waiver 和历史经验，流程编排还要接住工具调用与人工 review。中科麒芯把智语芯、IC 智能知识库和 Flow Builder 组合进同一研发链路，切入点就在这层工程连接。

芯片企业评估长周期 agent，可以先问几个很朴素的问题：

• 同一任务重复执行，结论和证据能否复现？

• agent 改了哪些文件、参数和约束，能否逐步追溯和回滚？

• coverage 增长来自有效场景，还是大量低价值 stimulus？

• 跨 EDA 工具和企业脚本时，权限与数据边界怎么控制？

• 省下的工程师时间，会不会被新增 GPU、许可证和重跑成本吃掉？

• 哪些节点必须由指定角色签核，系统能否强制停下来等人？

这些问题比 L4、L5 更接近采购和工程现场。自主等级可以由厂商命名，责任边界必须由客户自己定义。

Synopsys 把 agentic EDA 往前推了一步。agent 开始跨出数字验证，进入 AMS、热仿真和多物理场系统工程；NVIDIA 则把模型、agent 运行时、加速库与 GPU 组合成共同底座。

50 倍很吸睛。接下来值得追踪的，是长周期工作流能否在真实项目中稳定留下可验证证据。谁能让 agent 长时间运行，又守住意图、权限、成本和责任，谁就有机会控制下一代工程软件的入口。

自主工程的分水岭落在工程证据上：机器跑过的每一步都能被检查、被解释，最后也有人愿意签下名字。

作者：麒芯

声明：本文基于公开资料整理分析，厂商性能数据不等同于独立验证结果，不构成投资建议。

参考资料：

1. Synopsys：《Synopsys Showcases Comprehensive Autonomous Engineering Workflows from Silicon to Systems, Developed with NVIDIA Technology》

2. NVIDIA：《NVIDIA Expands NVIDIA Agent Toolkit With NVIDIA PhysicsNeMo and CUDA-X Libraries》

3. Synopsys：《Synopsys Design Automation Conference (DAC) 2026》

4. Synopsys：《Synopsys Completes Acquisition of Ansys》

5. Semiconductor Engineering：《Human-Centered Agentic AI Comes To RTL Verification》