辽宁
芯片设计正在迎来一位新“同事”，它不知疲倦、擅长跑仿真，却不会抢走工程师的饭碗，至少目前不会。
在整条芯片产业链上，离AI变革“震中”最近的环节，既不是制造，也不是封测，而是被称为“芯片之母”的电子设计自动化，也就是EDA。
最近，西门子EDA全球副总裁兼亚太区技术总经理李立基在一场深度对话中，系统谈及AI如何渗透EDA工具、生成式与代理式AI如何重塑设计范式，以及工程师角色将发生怎样的变化。
市场的热度同样可见一斑。据市场研究机构预测，AI EDA市场规模有望从2026年的42.7亿美元增长至2032年的158.5亿美元，年复合增长率达24.4%。
一、数字芯片是“广阔舞台”，模拟芯片是“硬骨头”
EDA是芯片设计的处理管道。
它一端承接设计者的构想，另一端输出可供制造的物理版图，决定着芯片在性能、功耗和面积上的最终表现。
不过，数字芯片和模拟芯片的设计流程差异很大，AI的切入方式也各不相同。
数字芯片设计流程长、复杂度高。一颗现代系统级芯片动辄包含数百亿个晶体管，设计空间之大、约束之多，让传统基于规则的工具越来越吃力。
从强化学习优化设计空间探索，到AI辅助生成和验证寄存器传输级代码，再到布局布线的智能调度，AI几乎能在数字流程的每个环节找到用武之地。
模拟芯片则是另一番景象。它与半导体器件的物理特性紧密相关，增益、匹配、功耗、阻抗都要精确拿捏，自动化程度远低于数字芯片。
用计算机辅助设计模拟芯片，本质上是在解一道又一道高阶微分方程，长期高度依赖专家经验。
但两者有一个共同痛点：仿真验证。无论数字还是模拟芯片，团队都要在各种工艺角和蒙特卡罗条件下跑海量仿真。
这种“暴力仿真”，恰恰是AI最能大显身手的地方，它可以用数量级更少的仿真实现全面覆盖。
李立基透露，西门子EDA旗下的Solido产品早在约20年前就开始在模拟芯片设计中使用AI。
这说明，AI在EDA中的价值不取决于芯片是数字还是模拟，而取决于具体环节是否“数据密集、规律可循”。
二、生成式AI不能“随便生成”，代理式AI更受青睐
生成式AI在开放领域大放异彩，但在芯片设计中却必须面对一条铁律：结果不能出错。
李立基直言，芯片不能随便生成。
为此，西门子EDA提出了工业级AI的五大标准，即可验证性、可用性、通用性、稳健性和准确性。
现实中的阻碍也不少。芯片企业出于保密和知识产权考虑，不愿轻易开放设计数据用于AI训练；不同EDA工具之间接口不通、格式不兼容，设计流程难以连通。
相比之下，流程性极强的芯片设计，更适合代理式AI发挥作用。
2025年设计自动化大会上，西门子EDA推出了融合生成式与代理式AI的Fuse EDA AI系统。它内置面向EDA场景的专用大模型，训练和推理依赖的是专业设计数据和文档，而非通用语料。
该系统部署在客户本地私有环境中，数据不出客户环境，并通过开放接口和模型上下文协议对接第三方或客户自研模型。
2026年3月，西门子又发布了Fuse EDA AI Agent系统。这一自主AI代理面向半导体、3D IC和PCB设计，能够规划和编排跨多工具、多代理的复杂工作流，覆盖从设计构思到制造签核的全流程。
效果如何？李立基介绍，AI可以过滤掉大量不必要的仿真，以仿真平台为例，验证效率可提升10倍以上。
三、门槛不会降低，但工程师必须“进化”
AI会不会让芯片设计变得人人都能上手？李立基的回答出人意料：门槛不会降低，因为芯片终究要保证成功流片。
真正改变的，是对工程师的要求。就像三十多年前从手工设计走向EDA自动化一样，如今行业正从自动化迈向AI驱动的新层面。
未来的工程师不仅要会操作工具，更要懂得用AI代理调度工具、判断结果并做出下一步决策。
在李立基看来，人人都可能做出芯片，关键在于如何指挥AI，做出比竞争对手更有竞争力的芯片。
回望过去五年，AI在EDA领域已从锦上添花的“概念验证”，变成不可或缺的效率引擎。但打通数据孤岛、提升模型可信度、实现系统级编排，每一层都还需要耐心攻坚。
对于中国芯片产业而言，这场变革同样意味着机遇与挑战并存。EDA本就是国产化短板之一，AI带来的范式迁移，既可能拉大差距，也可能打开换道超车的窗口。
这场重塑EDA的漫长旅程，才刚刚迈过第一道门槛。
特别声明：以上内容(如有图片或视频亦包括在内)为自媒体平台“网易号”用户上传并发布，本平台仅提供信息存储服务。
Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.
