Synopsys overdrager chipverifikation til autonome AI-agenter

Synopsys meddelte den 26. juli 2026, at de har opbygget en designverifikationsagent, der kan køre en chips hele verifikationscyklus uden en ingeniør til at styre det, og at systemet når validiseret RTL op til 50 gange hurtigere, mens det leverer en yderligere 20% forbedring i dækning. Selskabet meddelte arbejdet på Design Automation Conference i Long Beach, Californien, hvor de demonstrerer flowet for første gang. Intet skibes endnu. Kunderne evaluerer mulighederne nu, med planlagt tilgængelighed i anden halvdel af 2026, et vindue, der allerede er begyndt.

Agenten kombinerer Synopsys AgentEngineer-teknologi med NVIDIA’s (NVDA ) agentic stack: NVIDIA Agent Toolkit, Nemotron 3 Ultra open model og en sandbox-lag, som NVIDIA kalder OpenShell runtime. En orkestrator-agent trækker verifikationsmål fra specifikationen, designet, den eksisterende testrepository og ingeniørinput, derefter sender specialiserede agenter ud over testplan-generering, dækning afslutning og fejlfinding. Dækning afslutning er trinnet, hvor et team beviser, at deres tests faktisk har øvet logikken, og Synopsys beskriver det som en af de største flaskehalsene i processen.

Hastighedsforbedringsnumre er leverandørernes egne

Hver ydelsesfigur her kommer fra selskaberne, der sælger værktøjerne, og grundlinjerne er tynde. Kravene på 50x og 20% bærer en fodnote, der sammenligner dem med “traditionelle verifikationsworkflows, der ikke er drevet af AgentEngineer-teknologi”, uden navngivet design, procesnode og ingenørtimer. Den analoge påstand, op til 3x produktivitet for en mixed-signal flow orkestreret af samme teknologi, hviler på en fodnote, der i væsentlig grad gentager sig selv.

Fire måneder tidligere, på deres eget Converge-konference den 11. marts 2026, beskrev Synopsys en mindre autonome version af samme idé, en “L4” multi-agent design- og verifikationsworkflow, og satte gevinsten til 2x produktivitet med op til 5x i udvalgte tilfælde. Den udgivelse bemærkede også, at front-end-design af en stor system-on-chip typisk beskæftiger en verifikationsteam i fire til seks måneder. De to metrikker er ikke identiske, men afstanden mellem 2x i marts og 50x i juli er stor nok til, at man ønsker en kundes egne før- og efter-figurer, før man behandler det som afgjort.

Der er ingen hjælp fra uafhængig test. Træning og slutning silicium har MLPerf, en fælles indsendelsesformat med en offentlig resultattabel; agentic designflows har ingen benchmark på rekord overhovedet. NVIDIA’s tilstødende påstand, at Nemotron 3 Ultra fører åbne modeller på agentic register-transfer-level-kodning, hviler på en benchmark, som NVIDIA offentliggør, målt ved hjælp af en agent, som NVIDIA Research byggede. Startups, der jagter samme marked, blandt andre Chipmind, som lancerede fra stealth til at genopbygge chipdesign omkring AI-agenter, står over for samme bevisløsning.

Hvor EDA-arbejdsbyrden faktisk køres

Den anden halvdel af meddelelsen er mindre om agenter end om hardware. Synopsys siger, at mere end 20 af deres EDA- og multiphysics-produkter nu er GPU-accelereret. De rapporterer, at kredsløbssimulation i PrimeSim SPICE kører omtrent 18 gange hurtigere i samlet vægur tid på NVIDIA-GPU’er end på CPU-kørsler, en 10x hastighedsforbedring for Ansys Lumerical elektromagnetisk simulation og op til 50x for kvantekemi-arbejde i QuantumATK ved hjælp af NVIDIA’s cuEST-bibliotek.

Dette er en betydelig blok af ingeniørregnskab, der flyttes af CPU-hylstre og på NVIDIA-hardware inden for designhusene, der bygger acceleratore. NVIDIA’s eget meddelelse tilføjer en sparse-solver-bibliotek, cuISS, til deres CUDA-X-sæt og siger, at Synopsys VCS-simulatoren bliver tilpasset til deres Vera CPU. Værktøjerne, der designer næste generation af AI-silicium, kører i stigende grad på den nuværende.

Synopsys viste også en autonome workflow for elektroniktermisk analyse, bygget på Ansys Icepak, kølingsstimuleringværktøjet, de valgte i Ansys-købet, samt de åbne PyAEDT-biblioteker. Det håndterer simulationsopsætning og for- og efterbehandling uden opsyn. NVIDIA’s beskrivelse af samme arbejde navngiver anvendelsen mere klart: GPU-kølingsdesignoptimering. Tim Costa, NVIDIA’s vicepræsident og administrerende direktør for beregningsingeniørarbejde, sagde, at agenterne hjælper holdene med at “afslutte verifikation, automatisere termisk analyse og komprimere udviklingscykler fra uger til timer”.

Hver EDA-leverandør valgte samme partner

NVIDIA’s udgivelse nævner Cadence, Siemens, Samsung, Keysight, Silvaco og TSMC sammen med Synopsys. Cadence’ forpakning og brætflow krediteres med op til 20x hurtigere multiphysics-ydelse. Siemens siger, at agentic workflows reducerer biblioteks karakteriserings tid med mere end 10x, mens de reducerer token-omkostninger med en tilsvarende faktor. Samsung rapporterer op til 20x på beregningslitografi ved hjælp af cuLitho. Alle tre større EDA-leverandører har fastgjort deres autonomi-historier til samme leverandørs modeller, biblioteker og runtime på samme dag.

To ting ville gøre kravene kontrollerbare. Det første er en kunde, der offentliggør dækning-afslutningsnumre fra et navngivet design på en navngivet node. Det andet er klarhed om, hvorvidt andenhalvårs-tilgængelighedsvindue betyder generel udgivelse eller begrænset tidlig adgang.

Udplacerings-spørgsmålet har mest på spil. Nemotron er en åben-vægtsmodel, der kan post-trænes på proprietær data og køres lokalt, et punkt, som NVIDIA gør udtrykkeligt. RTL er blandt de mest nøje vogtede immaterielle aktiver, en chip-virksomhed har, værdifuld nok til, at regeringer har overvejet at begrænse eksporten. En autonome verifikationsagent har brug for hele designet for at udføre sit arbejde. Om det kan udføre arbejdet inden for kundens eget brandværn afgør, hvem der kan bruge det overhovedet.