Modelli e piattaforme di IA
Synopsys affida la verifica dei chip ad agenti autonomi AI
Aggiungi Unite.AI alle tue fonti preferite su Google
Synopsys ha annunciato il 26 luglio 2026 di aver costruito un agente di verifica del design in grado di eseguire l’intero ciclo di verifica di un chip senza la guida di un ingegnere, e che il sistema raggiunge una velocità di validazione RTL fino a 50 volte più veloce, con un ulteriore miglioramento del 20% della copertura. La società ha annunciato il lavoro alla Conferenza di automazione del design a Long Beach, in California, dove sta dimostrando il flusso per la prima volta. Nulla viene ancora spedito. I clienti stanno valutando le capacità in questo momento, con una disponibilità prevista per la seconda metà del 2026, una finestra che è già iniziata.
L’agente combina la tecnologia Synopsys AgentEngineer con lo stack agente di NVIDIA (NVDA ): il toolkit NVIDIA Agent, il modello open Nemotron 3 Ultra e uno strato di sandboxing che NVIDIA chiama runtime OpenShell. Un agente orchestratore estrae gli obiettivi di verifica dalla specifica, dal design, dal repository di test esistente e dall’input dell’ingegnere, quindi invia agenti specializzati per la generazione del piano di test, la chiusura della copertura e il debug. La chiusura della copertura è il passaggio in cui un team dimostra che i suoi test hanno effettivamente esercitato la logica, e Synopsys la descrive come uno dei principali collo di bottiglia nel processo.
I numeri di velocizzazione sono dei venditori
Ogni cifra di prestazione qui proviene dalle società che vendono gli strumenti, e le basi sono sottili. Le affermazioni del 50x e del 20% portano una nota a piè di pagina che le confronta con “flussi di verifica tradizionali non alimentati dalla tecnologia AgentEngineer”, senza un design nominato, senza un nodo di processo e senza ore di ingegnere. L’affermazione analoga, fino a 3x di produttività per un flusso misto-segnale orchestrato dalla stessa tecnologia, si basa su una nota a piè di pagina che sostanzialmente si ripete.
Quattro mesi prima, alla sua conferenza Converge dell’11 marzo 2026, Synopsys ha descritto una versione meno autonoma della stessa idea, un flusso di progettazione e verifica del design “L4” multi-agente, e ha posto i guadagni a 2x di produttività con fino a 5x in casi selezionati. Quel rilascio ha anche notato che la progettazione front-end di un grande sistema-on-chip occupa tipicamente un team di verifica per quattro-sei mesi. Le due metriche non sono identiche, ma la distanza tra 2x a marzo e 50x a luglio è sufficientemente ampia da voler avere le proprie cifre di copertura-chiusura di un cliente prima di considerarle definitive.
Non c’è aiuto da test indipendenti. Il silicio di formazione e inferenza ha MLPerf, un formato di invio comune con un tableau dei risultati pubblici; i flussi di progettazione agente non hanno alcun benchmark di record. L’affermazione adiacente di NVIDIA, che Nemotron 3 Ultra è in testa ai modelli aperti per la codifica a livello di registro-trasferimento, si basa su un benchmark che NVIDIA pubblica, misurato utilizzando un agente costruito da NVIDIA Research. Le startup che inseguono lo stesso mercato, tra cui Chipmind, che è uscita dalla stealth per ricostruire la progettazione dei chip intorno agli agenti AI, affrontano lo stesso divario di prove.
Dove il carico di lavoro EDA viene effettivamente eseguito
La seconda metà dell’annuncio è meno sugli agenti e più sul hardware. Synopsys afferma che più di 20 dei suoi prodotti EDA e multiphysics sono ora accelerati da GPU. Riferisce che la simulazione del circuito in PrimeSim SPICE funziona circa 18 volte più veloce in termini di tempo di clock totale su GPU NVIDIA rispetto alle esecuzioni CPU-only, un aumento di velocità di 10x per la simulazione elettromagnetica Ansys Lumerical, e fino a 50x per il lavoro di chimica quantistica in QuantumATK utilizzando la libreria cuEST di NVIDIA.
Questo è un sostanziale blocco di calcolo di ingegneria che si sposta dalle rastrelliere CPU e si dirige verso l’hardware NVIDIA all’interno delle case di design che costruiscono acceleratori. L’annuncio di NVIDIA aggiunge una libreria di risolutori sparsi, cuISS, al suo set CUDA-X e afferma che il simulatore VCS di Synopsys viene ottimizzato per la sua CPU Vera. Gli strumenti che progettano la prossima generazione di silicio AI sono sempre più eseguiti sull’attuale.
Synopsys ha anche mostrato un flusso di lavoro autonomo per l’analisi termica elettronica, costruito su Ansys Icepak, lo strumento di simulazione di raffreddamento che ha acquisito nell’acquisizione Ansys, più le librerie open-source PyAEDT. Gestisce l’impostazione della simulazione e la pre- e post-elaborazione in modo non supervisionato. La descrizione di NVIDIA dello stesso lavoro nomina l’applicazione in modo più semplice: ottimizzazione del design di raffreddamento GPU. Tim Costa, vicepresidente e direttore generale di NVIDIA per l’ingegneria computazionale, ha affermato che gli agenti aiutano i team “a chiudere la verifica, automatizzare l’analisi termica e comprimere i cicli di sviluppo da settimane a ore”.
Ogni fornitore EDA ha scelto lo stesso partner
L’annuncio di NVIDIA elenca Cadence, Siemens, Samsung, Keysight, Silvaco e TSMC accanto a Synopsys. Il flusso di imballaggio e scheda di Cadence è accreditato con fino a 20x di prestazioni multiphysics più veloci. Siemens afferma che i flussi di lavoro agente riducono il tempo di caratterizzazione della libreria di più del 10x, riducendo i costi dei token di un fattore simile. Samsung segnala fino a 20x sulla litografia computazionale utilizzando cuLitho. Tutti e tre i principali fornitori EDA hanno ancorato le loro storie di autonomia ai modelli, librerie e runtime dello stesso fornitore nello stesso giorno.
Due cose renderebbero le affermazioni verificabili. La prima è che un cliente pubblica i numeri di chiusura della copertura da un design nominato a un nodo nominato. La seconda è la chiarezza su se la finestra di disponibilità della seconda metà significhi rilascio generale o accesso anticipato limitato.
La domanda di distribuzione ha di più in gioco. Nemotron è un modello di peso aperto che può essere post-addestrato su dati proprietari ed eseguito localmente, un punto che NVIDIA sottolinea esplicitamente. Il RTL è tra le proprietà intellettuali più strettamente custodite che una società di chip possiede, abbastanza prezioso da far sì che i governi abbiano valutato la possibilità di limitarne l’esportazione. Un agente di verifica autonomo ha bisogno dell’intero design per fare il suo lavoro. Se può fare quel lavoro all’interno del firewall del cliente, decide chi può usarlo affatto.
