Synopsys Geeft Chipverificatie Aan Autonome AI-Agents

Synopsys heeft op 26 juli 2026 aangekondigd dat het een ontwerpverificatie-agent heeft gebouwd die in staat is om de hele verificatiecyclus van een chip uit te voeren zonder dat een ingenieur het proces aanstuurt, en dat het systeem tot 50 keer sneller is dan traditionele methoden en bovendien 20% meer dekking biedt. Het bedrijf heeft dit aangekondigd op de Design Automation Conference in Long Beach, Californië, waar het de flow voor het eerst demonstreert. Niets wordt nog uitgebracht. Klanten zijn momenteel de mogelijkheden aan het evalueren, met een geplande beschikbaarheid in de tweede helft van 2026, een tijdsvak dat al is begonnen.

De agent combineert Synopsys AgentEngineer-technologie met NVIDIA’s (NVDA ) agentic stack: de NVIDIA Agent Toolkit, het Nemotron 3 Ultra open model en een sandboxing-laag die NVIDIA de OpenShell-runtime noemt. Een orchestrator-agent haalt verificatiedoelen op uit de specificatie, het ontwerp, de bestaande testrepository en ingenieurinput, en dispatcht vervolgens gespecialiseerde agenten voor testplannengeneratie, dekkingssluiting en debug. Dekkingssluiting is de stap waarin een team bewijst dat hun tests daadwerkelijk de logica hebben geoefend, en Synopsys beschrijft het als een van de grootste bottlenecks in het proces.

De snelheidsverbeteringscijfers zijn van de verkopers zelf

Ieder prestatiecijfer hier komt van de bedrijven die de tools verkopen, en de baselines zijn dun. De claims van 50x en 20% hebben een voetnoot die ze vergelijkt met “traditionele verificatie-workflows die niet zijn aangedreven door AgentEngineer-technologie”, zonder een genoemd ontwerp, procesknoop of ingenieur-uren. De analoge claim, tot 3x productiviteit voor een gemengd-signaalstroom gecoördineerd door dezelfde technologie, rust op een voetnoot die zichzelf in wezen herhaalt.

Vier maanden eerder, op 11 maart 2026, op de Converge-conferentie van Synopsys, beschreef het bedrijf een minder autonome versie van hetzelfde idee, een “L4”-multi-agentontwerp- en verificatie-workflow, en stelde de voordelen vast op 2x productiviteit met tot 5x in geselecteerde gevallen. Die aankondiging vermeldde ook dat de front-endontwerp van een grote system-on-chip typisch een verificatieteam vier tot zes maanden bezighoudt. De twee metrieken zijn niet identiek, maar de afstand tussen 2x in maart en 50x in juli is groot genoeg om een klant zijn eigen voor- en na-cijfers te willen zien voordat het als vaststaand kan worden beschouwd.

Er is geen hulp van onafhankelijk testen. Trainings- en inferentiesilicium heeft MLPerf, een gemeenschappelijk indieningsformaat met een open resultaattabel; agentic ontwerpstromen hebben geen benchmark van record. NVIDIA’s aangrenzende claim, dat Nemotron 3 Ultra leidt in open modellen op agentic register-transfer-level-codering, rust op een benchmark die NVIDIA publiceert, gemeten met een agent die NVIDIA Research heeft gebouwd. Startups die dezelfde markt nastreven, waaronder Chipmind, dat vanuit stealth is gelanceerd om chipontwerp opnieuw te definiëren met AI-agents, worden geconfronteerd met dezelfde bewijskloof.

Waar de EDA-werklast daadwerkelijk wordt uitgevoerd

De tweede helft van de aankondiging gaat minder over agenten dan over hardware. Synopsys zegt dat meer dan 20 van zijn EDA- en multiphysics-producten nu GPU-geaccelereerd zijn. Het bedrijf meldt dat circuitstimulatie in PrimeSim SPICE ongeveer 18 keer sneller is in totale wandklok-tijd op NVIDIA-GPU’s dan op CPU-only-runs, een 10x-snelheidsverbetering voor Ansys Lumerical elektromagnetische simulatie en tot 50x voor quantum-chemistry-werk in QuantumATK met behulp van NVIDIA’s cuEST-bibliotheek.

Dit is een aanzienlijk blok engineering-computing dat van CPU-racks naar NVIDIA-hardware verhuist binnen de ontwerphuizen die accelerators bouwen. NVIDIA’s eigen aankondiging voegt een sparse-solver-bibliotheek, cuISS, toe aan zijn CUDA-X-set en zegt dat de Synopsys VCS-simulator wordt afgestemd op zijn Vera CPU. De tools die het volgende generatie AI-silicium ontwerpen, worden steeds vaker uitgevoerd op de huidige.

Synopsys heeft ook een autonome workflow getoond voor elektronische thermische analyse, gebouwd op Ansys Icepak, het koelsimulatie-instrument dat het heeft overgenomen in de Ansys-acquisitie, plus de open-source PyAEDT-bibliotheken. Het behandelt simulatie-instellingen en voor- en naverwerking onbeheerd. NVIDIA’s beschrijving van hetzelfde werk noemt de toepassing meer openlijk: GPU-koelontwerpoptimalisatie. Tim Costa, NVIDIA’s vice-president en algemeen directeur voor computationele engineering, zei dat de agenten helpen bij “het afsluiten van verificatie, het automatiseren van thermische analyse en het comprimeren van ontwikkelingscycli van weken tot uren”.

Ieder EDA-leverancier koos dezelfde partner

NVIDIA’s aankondiging vermeldt Cadence, Siemens, Samsung, Keysight, Silvaco en TSMC naast Synopsys. Cadence’ verpakkings- en bordstroom wordt toegeschreven aan tot 20x snellere multiphysics-prestaties. Siemens zegt dat agentic workflows de karakterisatietijd van bibliotheken met meer dan 10x verminderen en de tokenkosten met een soortgelijk factor. Samsung meldt tot 20x op computationele lithografie met behulp van cuLitho. Alle drie de belangrijkste EDA-leveranciers verankeren hun autonomie-verhalen aan de modellen, bibliotheken en runtime van dezelfde leverancier op dezelfde dag.

Twee dingen zouden de claims controleerbaar maken. Het eerste is een klant die dekkingssluitingscijfers publiceert van een genoemd ontwerp op een genoemde knoop. Het tweede is duidelijkheid over of het tijdsvak van de tweede helft van de beschikbaarheid algemene release of beperkte vroege toegang betekent.

De implementatievraag heeft het meeste te verliezen. Nemotron is een open-gewichtmodel dat kan worden nageleerd op propriëtaire gegevens en lokaal kan worden uitgevoerd, een punt dat NVIDIA expliciet maakt. RTL is onder de meest nauw bewaakte intellectuele eigendom van een chipbedrijf, waardevol genoeg dat governementen hebben overwogen om de export te beperken. Een autonome verificatie-agent heeft het hele ontwerp nodig om zijn werk te doen. Of het zijn werk kan doen binnen de firewall van de klant, bepaalt wie het allemaal kan gebruiken.