Synopsys Menyerahkan Verifikasi Chip ke Agen AI Otonom

Synopsys mengumumkan pada tanggal 26 Juli 2026 bahwa mereka telah membangun agen verifikasi desain yang dapat menjalankan seluruh siklus verifikasi chip tanpa pengaruh insinyur, dan bahwa sistem ini mencapai validasi RTL hingga 50 kali lebih cepat sambil memberikan perbaikan tambahan sebesar 20% dalam cakupan. Perusahaan mengumumkan pekerjaan di Konferensi Otomatisasi Desain di Long Beach, California, di mana mereka mendemonstrasikan aliran untuk pertama kalinya. Tidak ada pengiriman saat ini. Pelanggan sedang mengevaluasi kemampuan sekarang, dengan ketersediaan yang direncanakan untuk paruh kedua tahun 2026, jendela yang sudah dimulai.

Agen ini menggabungkan teknologi Synopsys AgentEngineer dengan tumpukan agen NVIDIA (NVDA ): NVIDIA Agent Toolkit, model Nemotron 3 Ultra terbuka, dan lapisan sandboxing yang NVIDIA sebut OpenShell runtime. Agen orkestrator menarik tujuan verifikasi dari spesifikasi, desain, repositori pengujian yang ada, dan masukan insinyur, kemudian mengirimkan agen khusus di seluruh generasi rencana pengujian, penutupan cakupan, dan debug. Penutupan cakupan adalah langkah di mana tim membuktikan bahwa pengujian mereka benar-benar menguji logika, dan Synopsys menjelaskannya sebagai salah satu bottleneck terbesar dalam proses.

Angka percepatan milik vendor

Setiap angka kinerja di sini berasal dari perusahaan yang menjual alat, dan baseline-nya tipis. Klaim 50x dan 20% membawa catatan kaki yang membandingkannya dengan “aliran verifikasi tradisional yang tidak ditenagai oleh teknologi AgentEngineer,” tanpa desain yang dinamai, tanpa node proses, dan tanpa jam insinyur. Klaim analog, hingga 3x produktivitas untuk aliran sinyal campuran yang diatur oleh teknologi yang sama, bertumpu pada catatan kaki yang pada dasarnya mengulangi dirinya sendiri.

Empat bulan sebelumnya, pada konferensi Converge pada tanggal 11 Maret 2026, Synopsys menggambarkan versi yang kurang otonom dari ide yang sama, aliran desain dan verifikasi multi-agen “L4”, dan menempatkan keuntungan pada 2x produktivitas dengan hingga 5x dalam kasus yang dipilih. Rilis itu juga mencatat bahwa desain front-end dari sistem-on-chip besar biasanya menduduki tim verifikasi selama empat hingga enam bulan. Dua metrik ini tidak identik, tetapi jarak antara 2x pada Maret dan 50x pada Juli cukup lebar untuk menginginkan angka sebelum dan sesudah dari pelanggan sebelum menganggapnya sebagai kesepakatan.

Tidak ada bantuan dari pengujian independen. Silikon pelatihan dan inferensi memiliki MLPerf, format pengajuan umum dengan tabel hasil publik; aliran desain agen tidak memiliki benchmark catatan sama sekali. Klaim NVIDIA yang berdekatan, bahwa Nemotron 3 Ultra memimpin model terbuka pada pengkodean register-transfer-level agen, bertumpu pada benchmark yang diterbitkan NVIDIA, diukur menggunakan agen yang dibangun oleh NVIDIA Research. Perusahaan rintisan yang mengejar pasar yang sama, di antaranya Chipmind, yang meluncur dari stealth untuk membangun kembali desain chip di sekitar agen AI, menghadapi kesenjangan bukti yang sama.

Di mana beban kerja EDA sebenarnya berjalan

Paruh kedua pengumuman lebih tentang perangkat keras. Synopsys mengatakan lebih dari 20 produk EDA dan multiphysics-nya sekarang dipercepat GPU. Perusahaan melaporkan simulasi sirkuit di PrimeSim SPICE berjalan kira-kira 18 kali lebih cepat dalam waktu dinding keseluruhan pada GPU NVIDIA daripada pada jalur CPU-saja, percepatan 10x untuk simulasi elektromagnetik Ansys Lumerical, dan hingga 50x untuk pekerjaan kimia kuantum di QuantumATK menggunakan perpustakaan cuEST NVIDIA.

Itu adalah blok komputasi teknik yang substansial yang berpindah dari rak CPU dan ke perangkat keras NVIDIA di dalam rumah desain yang membangun akselerator. Pengumuman NVIDIA sendiri menambahkan perpustakaan solver sparse, cuISS, ke set CUDA-X-nya dan mengatakan bahwa simulator VCS Synopsys sedang disesuaikan untuk CPU Vera-nya. Alat yang merancang generasi berikutnya silikon AI semakin banyak berjalan pada silikon saat ini.

Synopsys juga menunjukkan aliran otonom untuk analisis termal elektronik, dibangun di atas Ansys Icepak, alat simulasi pendinginan yang mereka ambil dalam akuisisi Ansys, plus perpustakaan PyAEDT sumber terbuka. Ini menangani pengaturan simulasi dan pra- dan pasca-pengolahan tanpa pengawasan. Deskripsi NVIDIA tentang pekerjaan yang sama menamai aplikasi lebih jelas: optimasi desain pendinginan GPU. Tim Costa, wakil presiden dan manajer umum NVIDIA untuk teknik komputasi, mengatakan bahwa agen membantu tim “menutup verifikasi, mengotomatisasi analisis termal, dan mengompresi siklus pengembangan dari minggu ke jam.”

Setiap vendor EDA memilih mitra yang sama

Dirilis NVIDIA mencantumkan Cadence, Siemens, Samsung, Keysight, Silvaco, dan TSMC bersama Synopsys. Aliran pemasangan dan papan Cadence dikreditkan dengan hingga 20x kinerja multiphysics yang lebih cepat. Siemens mengatakan bahwa aliran agen memotong waktu karakterisasi perpustakaan lebih dari 10x sambil mengurangi biaya token sebesar faktor yang sama. Samsung melaporkan hingga 20x pada litografi komputasi menggunakan cuLitho. Ketiga vendor EDA utama mengaitkan cerita otonomi mereka ke model, perpustakaan, dan runtime yang sama dari supplier yang sama pada hari yang sama.

Dua hal yang akan membuat klaim dapat diperiksa. Yang pertama adalah pelanggan yang menerbitkan angka cakupan-penutupan dari desain yang dinamai pada node yang dinamai. Yang kedua adalah kejelasan tentang apakah jendela ketersediaan paruh kedua berarti rilis umum atau akses awal terbatas.

Pertanyaan penerapan memiliki yang paling dipertaruhkan. Nemotron adalah model berat terbuka yang dapat dipost-train pada data propietary dan berjalan secara lokal, poin yang NVIDIA buat secara eksplisit. RTL adalah salah satu properti intelektual paling dijaga ketat yang dimiliki perusahaan chip, cukup berharga sehingga pemerintah telah mempertimbangkan untuk membatasi ekspornya. Agen verifikasi otonom memerlukan desain keseluruhan untuk melakukan pekerjaannya. Apakah itu dapat melakukan pekerjaan di dalam firewall pelanggan sendiri menentukan siapa yang dapat menggunakannya sama sekali.