Akuisisi

Siemens Membuat Agen Desain Chip AI Memeriksa Pekerjaan Mereka Sendiri

mm
Tambahkan Unite.AI ke sumber pilihan Anda di Google

Siemens membuka Konferensi Otomasi Desain dengan presentasi tentang kepercayaan daripada kecepatan mentah: agen desain chip mereka sekarang akan memeriksa pekerjaan mereka sendiri terhadap alat yang menentukan apakah desain lolos. Perusahaan mengumumkan pada 26 Juli 2026 sebuah kemitraan yang diperluas dengan NVIDIA (NVDA ) yang mengubah sistem Fuse EDA AI Agent menjadi apa yang Siemens sebut sebagai alur kerja self-verifying, di mana agen yang berjalan lama memvalidasi setiap keputusan terhadap mesin desain berbasis fisika yang deterministik, bukan hanya mengandalkan output model.

Penjelasan itu langsung menuju alasan tim chip telah lambat dalam menyerahkan pekerjaan nyata kepada model bahasa. Sebuah agen yang menulis kode tingkat transfer register atau membersihkan pelanggaran aturan desain dapat dengan percaya diri salah, dan dalam silikon, kesalahan yang percaya diri muncul pada tahap tapeout, setelah biaya mask telah dikeluarkan. Jawaban Siemens adalah untuk menjaga agen tetap di dalam loop yang ditutup oleh alat tanda tangan mereka sendiri, yang mengembalikan jawaban lulus atau gagal yang tidak bergantung pada penilaian model.

Mesin yang mendasarinya berasal dari NVIDIA. Siemens mengatakan bahwa mereka sedang membangun agen dengan perpustakaan NeMo Gym NVIDIA untuk lingkungan agen, menjalankannya di dalam OpenShell runtime yang aman dengan kontrol akses berbasis peran dan jejak audit, dan menggunakan model Nemotron terbaru dengan Switchyard NVIDIA untuk penalaran. Sistem agen sekarang juga duduk di dalam Intelligence Center X, lingkungan AI perusahaan yang Siemens gunakan untuk menghubungkan desain, manufaktur, dan rantai pasokan.

Apa yang Agen Sesungguhnya Sentuh

Cakupan berjalan sepanjang alur: sintesis tingkat tinggi di Catapult, verifikasi digital di Questa One dan sistem emulasi Veloce, pekerjaan IC khusus di Solido, implementasi fisik di Aprisa, tanda tangan di Calibre dan desain untuk pengujian di Tessent, plus integrasi IC 3D di Innovator3D IC dan tata letak papan di Xpedition. Siemens meluncurkan agen Fuse pada Maret 2026 di konferensi pengembang NVIDIA, dan pengumuman ini memperluas sistem tersebut daripada menggantinya.

Dua produk membawa berita konkrit. Suite Karakterisasi Solido mendapatkan alur kerja agen yang menghasilkan dan memverifikasi perpustakaan waktu yang menjadi acuan tim sel standard, memori, dan IP khusus. Sebuah alat baru, Analis Tata Letak Solido, menerapkan prompt bahasa alami untuk efek parasitik dan tata letak yang bergantung pada desain pasca-tata letak, mengembalikan analisis, rekomendasi perbaikan, dan laporan.

Percepatan Tidak Memiliki Wasit

Siemens mengatakan bahwa alur kerja karakterisasi memotong waktu putaran sebesar lebih dari 10 kali dan mengurangi biaya token sebesar lima hingga sepuluh kali. Pengumuman NVIDIA sendiri tentang kemitraan yang sama menempatkan pengurangan biaya token lebih dari 10 kali, sehingga dua akun pertama dari satu angka sudah tidak setuju. Tidak ada rilis yang menyebutkan desain, node proses, atau jam kerja insinyur yang digunakan sebagai acuan perbandingan.

Pada verifikasi, yang Siemens katakan mengonsumsi hingga 70 persen upaya desain, perusahaan tersebut memasangkan alat toolkit agenik Questa One dengan Nemotron 3 Ultra NVIDIA, dan mengatakan bahwa model tersebut memimpin di antara model terbuka dalam benchmarking RTL agenik. Hasil itu berasal dari ACE-RTL, sebuah agen yang dibangun oleh NVIDIA Research, diukur pada set masalah Verilog yang diterbitkan NVIDIA sendiri: sebuah vendor yang menilai model vendor sendiri pada tesnya sendiri.

Satu-satunya pelanggan yang disebutkan dalam rilis belum menjalankan perangkat lunak dalam produksi. Manajer desain memori non-volatile STMicroelectronics, Gianbattista Lo Giudice, mengatakan bahwa alat tata letak harus memotong minggu-minggu dari waktu yang dihabiskan timnya untuk memecahkan blok kompleks, lalu menambahkan bahwa grup tersebut “berencana untuk menguji dan memvalidasi kelebihan dalam kegiatan desain kami yang sedang berlangsung.”

Tidak ada yang dapat diverifikasi dari luar. Alur desain agenik tidak memiliki setara MLPerf dan tidak ada badan independen yang menerbitkan hasil yang dapat dibandingkan di seluruh vendor, sehingga klaim yang dibawa Siemens, Synopsys dan Cadence ke Long Beach minggu ini berada dalam kategori di mana angka pemasaran adalah satu-satunya angka.

Apa yang Siemens Sesungguhnya Komitmen

Ketersediaan adalah bagian terlemah dari rilis. Kemampuan yang diperluas akan tiba di “rilis mendatang” dari portofolio EDA perusahaan, tanpa tanggal yang terlampir. Synopsys setidaknya menempatkan jendela paruh kedua 2026 untuk agen verifikasi otonom saingannya, dan Cadence mengaitkan klaim hingga 20 kali lebih cepat multiphysics dengan platform perangkat keras yang dinamai.

Komitmen yang didokumentasikan adalah modal. Pada minggu sebelum konferensi, Siemens setuju untuk membeli dua perusahaan EDA lagi:

  • Precision Innovations, diumumkan 20 Juli 2026, sebuah perusahaan San Diego yang membangun perencanaan chip AI yang didorong oleh kerangka kerja OpenROAD sumber terbuka, dengan penutupan yang diharapkan pada kuartal ketiga 2026.
  • Defacto Technologies, diumumkan 21 Juli 2026, sebuah pengembang sistem-on-chip otomatis yang berbasis di Grenoble yang didirikan pada 2003.

Syarat-syarat tidak diungkapkan untuk keduanya.

Itulah pola yang patut ditonton. Lapisan agenik adalah tempat di mana vendor EDA besar bersaing pada percepatan yang tidak dapat diaudit, dan di mana startup yang didanai ventura mempromosikan premis yang sama. Pembelian di bawahnya jauh lebih tidak glamor dan lebih dapat dibaca: Siemens membeli alat pembuatan dan perencanaan desain yang akan digunakan agen mereka. Alat-alat tersebut didokumentasikan. 10x tidak.

Theo Nash adalah seorang spesialis yang dihasilkan oleh AI di Unite.AI, yang meliputi infrastruktur AI, komputasi, dan sistem perangkat keras yang memungkinkan kecerdasan buatan modern. Pekerjaannya berfokus pada fondasi teknis di balik beban kerja AI skala besar, termasuk pusat data, akselerator, jaringan, dan tumpukan perangkat lunak yang menghubungkannya.
Dengan perspektif analitis dan berbasis teknik, Theo memeriksa bagaimana kemajuan dalam GPU, silikon kustom, arsitektur memori, dan sistem terdistribusi memungkinkan generasi baru model AI. Ia memperhatikan khusus pada pertukaran kinerja, efisiensi energi, skalabilitas, dan kendala praktis yang membentuk penerapan infrastruktur AI di dunia nyata.
Artikel yang ditulis oleh Theo Nash dihasilkan oleh AI dan ditinjau oleh tim editorial Unite.AI untuk memastikan akurasi teknis, kejelasan, dan liputan yang bertanggung jawab atas lanskap komputasi AI yang berkembang pesat.