AI-mallit ja alustat
Synopsys Käyttää Chip-todennusautomaattisia AI-agenteja

Synopsys ilmoitti 26. heinäkuuta 2026, että se on kehittänyt suunnittelun todennusagentin, joka pystyy suorittamaan koko piirin todennuskierron ilman insinöörin ohjausta, ja että järjestelmä saavuttaa validoidun RTL:n jopa 50 kertaa nopeammin ja toimittaa lisäksi 20 %:n parannuksen kattavuudessa. Yhtiö julkisti työn Design Automation -konferenssissa Long Beachissä, Kaliforniassa, jossa se esittelee prosessia ensimmäisen kerran. Mitään ei vielä toimiteta. Asiakkaat arvioivat parhaillaan kykyjä, ja saatavuus on suunniteltu vuoden 2026 jälkipuoliskolle, joka on jo alkanut.
Agentti yhdistää Synopsys AgentEngineer -teknologian NVIDIA (NVDA ):n agentic -pinon: NVIDIA Agent Toolkit, Nemotron 3 Ultra -avoin malli ja hiekkalaatikko, jonka NVIDIA kutsuu OpenShell -ajonaikaiseksi. Orkestrointiagentti poimii todennustavoitteet määrittelystä, suunnittelusta, olemassa olevasta testirepositoriosta ja insinöörien syötteestä ja lähettää erikoistuneita agenteja testisuunnitelman luomiseen, kattavuuden sulkemiseen ja virheenkorjaamiseen. Kattavuuden sulkeminen on askel, jossa tiimi osoittaa, että heidän testinsä todella käyttävät logiikkaa, ja Synopsys kuvailee sitä yhdeksi suurimmista pullonkauloista prosessissa.
Nopeutustunnukset ovat valmistajien omia
Jokainen suorituskykylukema tulee työkalujen myyjistä, ja vertailukohteet ovat ohuet. 50-kertaisen ja 20-prosenttisen vaatimusten mukaisuuden väitteet sisältävät jalan, joka vertaa niitä “perinteisiin todennusvirroihin, joita ei ole voimistettu AgentEngineer-tekniikalla”, ilman nimettyä suunnittelua, prosessisolmua tai insinöörituntia. Analogisen vaatimusten mukaisuuden väite, jopa 3-kertaisen tuottavuuden sekoitettuun virtaukseen, jota ohjataan samalla tekniikalla, perustuu jalan, joka itse asiassa toistaa itsensä.
Neljä kuukautta aikaisemmin, oman Converge-konferenssinsa aikana 11. maaliskuuta 2026, Synopsys kuvasi vähemmän autonomisen version samaa ideaa, “L4” -moniagenttisuunnittelun ja todennusvirran, ja asetti voitot 2-kertaiseksi tuottavuudeksi, jopa 5-kertaiseksi valituissa tapauksissa. Tuo julkaisu mainitsi myös, että suuren system-on-chipin etummainen suunnittelu tyypillisesti vie todennustiimilta neljä kuudesta kuukaudesta. Kaksi mittaria ei ole identtisiä, mutta etäisyys 2-kertaisesta maaliskuussa ja 50-kertaisesta heinäkuussa on tarpeeksi laaja, jotta asiakkaan omat ennen-ja-jälkeen-luvut haluttaisiin ennen kuin se voidaan pitää ratkaistuna.
Ei ole apua riippumattomasta testaamisesta. Koulutus- ja inference-piiri on MLPerf, yleinen lomakkeen lähettäminen julkisella tulostaulukolla; agentic-suunnitteluvirrat eivät ole mitattavissa. NVIDIA:n viereinen väite, että Nemotron 3 Ultra johtaa avoimia malleja agentic-rekisterisiirtoluokituksessa, perustuu benchmarkiin, jonka NVIDIA julkaisee, mitattuna agentilla, jonka NVIDIA Research rakensi. Samalle markkinalle pyrkivät startupit, muun muassa Chipmind, joka lanseerasi salassa pidetyn aikakauden uudelleenrakentamaan piirisuunnittelun AI-agenteilla, kohtaavat saman todistuspuutteen.
Missä EDA-työkuorma todella suoritetaan
Ilmoituksen toinen puoli on vähemmän agenteista ja enemmän laitteistosta. Synopsys sanoo, että yli 20 sen EDA- ja monifysiikkatuotteista on nyt GPU-kiihdytetty. Se raportoi piirin simulaation PrimeSim SPICE:n suorittavan noin 18 kertaa nopeammin kokonaisaikaa NVIDIA:n GPU:illa kuin CPU-vain suorituksilla, 10-kertaisen nopeutuksen Ansys Lumerical -sähkömagneettisessa simulaatiossa ja jopa 50-kertaisen kvanttikemian työssä QuantumATK:ssa käyttäen NVIDIA:n cuEST-kirjastoa.
Se on merkittävä lohko insinöörien laskentaa, joka siirtyy pois CPU-rakenteista ja NVIDIA:n laitteistoon suunnittelutoimistoissa, jotka rakentavat kiihdyttimiä. NVIDIA:n omassa ilmoituksessaan mainitaan harsomallikirjasto, cuISS, CUDA-X -sarjaan, ja sanotaan, että Synopsys VCS -simulaattori on mukautettu Vera CPU:lle. Työkalut, jotka suunnittelevat seuraavan sukupolven AI-piirit, suorittavat yhä enemmän nykyisellä laitteistolla.
Synopsys esitteli myös autonomisen työnvirran sähköisen lämmitysanalyysille, joka perustuu Ansys Icepak -jäähdytysmallinnukseen, jonka se hankki Ansys-kaupassa, sekä avoimeen PyAEDT -kirjastoon. Se käsittelee simulaation asetukset ja ennen- ja jälkeen-suorittamisen valvomatta. NVIDIA:n kuvaus samasta työstä nimeää sovelluksen selkeämmin: GPU-jäähdytysmallinnuksen optimointi. Tim Costa, NVIDIA:n varapresidentti ja yleinen johtaja laskennalliseen insinöörintekniikkaan, sanoi, että agentit auttavat tiimejä “sulkeutumaan todennuksessa, automatisoimaan lämmitysanalyysin ja pakkaamaan kehityskierroksia viikoista tunteihin”.
Jokainen EDA-valmistaja valitsi saman kumppanin
NVIDIA:n julkaisu mainitsee Cadencen, Siemensin, Samsungin, Keysightin, Silvaco:n ja TSMC:n rinnalla Synopsysin. Cadencen pakkaus- ja laitteistovirtaa luonnehditaan jopa 20-kertaiseksi nopeammaksi monifysiikkasuorituskyvylle. Siemens sanoo, että agentic-työnvirrat leikkaavat kirjastojen luokitteluaikaa yli 10-kertaisesti ja vähentävät samalla token-kustannuksia. Samsung raportoi jopa 20-kertaisen suorituskyvyn laskennallisen litografian cuLitho-käytössä. Kaikki kolme suurta EDA-valmistajaa kiinnittivät autonomisen tarinansa saman toimittajan malleihin, kirjastoihin ja ajonaikaan samana päivänä.
Kaksi asiaa tekisi väitteet tarkistettaviksi. Ensimmäinen on asiakkaan julkaiseminen kattavuussulkemisluvuista nimetystä suunnittelusta nimetyssä solmussa. Toinen on selkeä tieto siitä, tarkoittaako toisen puoliskon saatavuusikkuna yleistä julkaisua vai rajoitettua ennakkoon.
Toimeenpanokysymyksellä on enemmän panostettu. Nemotron on avoimen painon malli, jota voidaan jälkikouluttaa omilla tiedoilla ja suorittaa paikallisesti, mikä on seikka, jonka NVIDIA korostaa nimenomaisesti. RTL on yksi piiriyhtiön tarkimmin vartioituun älyomaisuuteen kuuluva asia, tarpeeksi arvokas, että hallitukset ovat harkinneet rajoituksia sen viennille. Autonominen todennusagentti tarvitsee koko suunnitelman, jotta se voi tehdä työnsä. Se, voiko se tehdä työnsä asiakkaan omalla palomuurilla, päättää, kuka voi sitä käyttää lainkaan.












