Synopsys overtar chipverifisering til autonome AI-agenter

Synopsys sa den 26. juli 2026 at de har bygget en designverifiseringsagent som kan kjøre en chips hele verifiseringscyklus uten at en ingeniør driver det, og at systemet når validerbart RTL opp til 50 ganger raskere mens det leverer en ytterligere 20% forbedring i dekning. Selskapet annonserte arbeidet på Design Automation-konferansen i Long Beach, California, der de demonstrerer arbeidsflyten for første gang. Ingenting leveres ennå. Kunder vurderer nå kapasitetene, med planlagt tilgjengelighet for andre halvår 2026, et vindu som allerede har begynt.

Agenten kombinerer Synopsys AgentEngineer-teknologi med NVIDIA’s (NVDA ) agentisk stak: NVIDIA Agent Toolkit, Nemotron 3 Ultra åpen modell og en sandbox-lag NVIDIA kaller OpenShell-runtime. En orkestreringsagent trekker verifiseringsmål fra spesifikasjonen, designet, den eksisterende testrepository og ingeniørinndata, og sender så spesialiserte agenter over testplan-generering, dekningsavslutning og feilsøking. Dekningsavslutning er steget der et team beviser at testene faktisk øvde logikken, og Synopsys beskriver det som en av de største flaskene i prosessen.

Hastighetsøkningsnummerene er leverandørenes egne

Hver ytelsesfigur her kommer fra selskapene som selger verktøyene, og referansepunktene er tynne. Kravene på 50x og 20% har en fotnote som sammenligner dem med “tradisjonelle verifiseringsarbeidsflyter ikke drevet av AgentEngineer-teknologi”, uten å navngi design, prosessnode eller ingeniør-timer. Den analoge påstanden, opp til 3x produktivitet for en blandet-signal-arbeidsflyt orkestrert av samme teknologi, hviler på en fotnote som i hovedsak gjentar seg selv.

Fire måneder tidligere, på deres eget Converge-konferanse den 11. mars 2026, beskrev Synopsys en mindre autonom versjon av samme ide, en “L4” multi-agent design- og verifiseringsarbeidsflyt, og satte gevinstene til 2x produktivitet med opp til 5x i utvalgte tilfeller. Den utgivelsen noterte også at front-end-design av en stor system-on-chip vanligvis opptar en verifiseringsgruppe i fire til seks måneder. De to målene er ikke identiske, men avstanden mellom 2x i mars og 50x i juli er bred nok til å ønske en kundes egne før-og-etter-tall før det behandles som avgjort.

Det er ingen hjelp fra uavhengig testing. Trening- og inferens-silikon har MLPerf, en felles innsendingsformat med en offentlig resultattabell; agentisk design-arbeidsflyt har ingen benchmark på rekord. NVIDIA’s nærliggende påstand, at Nemotron 3 Ultra leder åpne modeller på agentisk register-overføringskoding, hviler på en benchmark NVIDIA publiserer, målt ved hjelp av en agent NVIDIA Research bygget. Startups som jager samme marked, blant dem Chipmind, som lanserte fra stealth for å bygge om chip-design rundt AI-agenter, møter samme bevisgap.

Hvor EDA-arbeidsflyten faktisk kjører

Den andre halvdelen av annonseringen handler mindre om agenter enn om maskinvare. Synopsys sier at over 20 av deres EDA- og multiphysics-produkter nå er GPU-akselerert. De rapporterer at krets-simulering i PrimeSim SPICE kjører omtrent 18 ganger raskere i total ventetid på NVIDIA-GPU’er enn på CPU-kjøringer, en 10x hastighetsøkning for Ansys Lumerical elektromagnetisk simulering og opp til 50x for kvantekjemi-arbeid i QuantumATK ved hjelp av NVIDIA’s cuEST-bibliotek.

Dette er en betydelig blokk av ingeniør-regning som flytter av CPU-hylere og på NVIDIA-maskinvare innen designhusene som bygger akseleratorer. NVIDIA’s egen annonsering legger til en sparse-solver-bibliotek, cuISS, til deres CUDA-X-sett og sier at Synopsys VCS-simulator blir tilpasset for deres Vera CPU. Verktøyene som designer neste generasjons AI-silikon kjører stadig på gjeldende en.

Synopsys viste også en autonom arbeidsflyt for elektronikks termiske analyse, bygget på Ansys Icepak, kjøle-simulering-verktøyet de plukket opp i Ansys-erhvervet, pluss åpne PyAEDT-biblioteker. Det håndterer simuleringsoppsett og for- og etterbehandling uoppmerksomt. NVIDIA’s beskrivelse av samme arbeid navngir applikasjonen mer åpenbart: GPU-kjøle-design-optimalisering. Tim Costa, NVIDIA’s visepresident og generalsekretær for beregningsingeniør, sa at agentene hjelper teamene “å lukke verifisering, automatisere termisk analyse og komprimere utviklingscykluser fra uker til timer”.

Hver EDA-leverandør valgte samme partner

NVIDIA’s utgivelse lister Cadence, Siemens, Samsung, Keysight, Silvaco og TSMC ved siden av Synopsys. Cadence’ pakking- og bord-arbeidsflyt krediteres med opp til 20x raskere multiphysics-ytelse. Siemens sier at agentiske arbeidsflyter kutte bibliotek-karakteriseringstid med mer enn 10x samtidig som de reduserer token-kostnader med en lignende faktor. Samsung rapporterer opp til 20x på beregningslitografi ved hjelp av cuLitho. Alle tre større EDA-leverandører ankret deres autonomi-historier til samme leverandørens modeller, biblioteker og runtime på samme dag.

To ting ville gjøre kravene kontrollerbare. Det første er en kunde som publiserer dekningsavslutningsnummer fra en navngitt design på en navngitt node. Det andre er klarhet på om den andre halvårs tilgjengelighetsvinduet betyr generell utgivelse eller begrenset tidlig tilgang.

Deploy-spørsmålet har mest på spill. Nemotron er en åpen-vekt-modell som kan post-trenes på proprietær data og kjøres lokalt, et punkt NVIDIA gjør eksplisitt. RTL er blant de mest godt voktede intellektuelle eiendommer en chip-selskap har, verdifull nok til at regjeringer har vurdert å begrense eksporten. En autonom verifiseringsagent trenger hele designet for å gjøre jobben sin. Om den kan gjøre jobben innenfor kundens eget brannmur avgjør hvem som kan bruke det overhodet.