Akwizycje

Siemens wprowadza swoje agentów projektowania chipów AI do sprawdzania własnej pracy

mm
Dodaj Unite.AI do preferowanych źródeł w Google

Siemens rozpoczął Design Automation Conference od prezentacji dotyczącej zaufania, a nie surowej prędkości: jego agenci projektowania chipów będą teraz sprawdzać własną pracę przy użyciu narzędzi, które decydują, czy projekt jest poprawny. Firma ogłosiła 26 lipca 2026 r. rozszerzenie partnerstwa z NVIDIA (NVDA ), które przekształca system Fuse EDA AI Agent w tzw. samoweryfikujący przepływ pracy, w którym długotrwałe agenci walidują każdą decyzję przy użyciu deterministycznych, fizycznych silników projektowych zamiast ufania wyjściu modelu.

Taki sposób myślenia jest skierowany bezpośrednio do powodu, dla którego zespoły projektowe chipów są powolne w powierzaniu prawdziwej pracy modelom językowym. Agent, który pisze kod na poziomie rejestrów transferu lub usuwa naruszenie reguły projektowej, może być pewnym błędem, a w krzemie pewny błąd pojawia się na etapie tapeout, po zainwestowaniu kosztów maski. Odpowiedź Siemens to utrzymanie agenta w pętli zamkniętej przez własne narzędzia do ostatecznej weryfikacji, które zwracają odpowiedzi pass-or-fail, które nie zawierają osądu modelu.

Podstawową maszynę dostarcza NVIDIA. Siemens powiedział, że buduje agenci z biblioteką NeMo Gym od NVIDIA dla środowisk agencji, uruchamia je w bezpiecznym środowisku OpenShell z kontrolą dostępu opartą na rolach i śladami audytu, oraz używa najnowszych modeli Nemotron z NVIDIA Switchyard do wnioskowania. System agenta znajduje się teraz również w Intelligence Center X, środowisku AI przedsiębiorstwa, które Siemens wykorzystuje do połączenia projektowania, produkcji i łańcucha dostaw.

Czego agenci faktycznie dotykają

Zakres obejmuje cały przepływ: syntezę na wysokim poziomie w Catapult, weryfikację cyfrową w Questa One i systemie emulacji Veloce, pracę nad układami scalonymi w Solido, wdrożenie fizyczne w Aprisa, ostateczną weryfikację w Calibre i projektowanie do testowania w Tessent, a także integrację układów 3D IC w Innovator3D IC i układów płytek drukowanych w Xpedition. Siemens wprowadził agenta Fuse w marcu 2026 r. na konferencji deweloperskiej NVIDIA, a to ogłoszenie rozszerza ten system, zamiast go zastępować.

Dwie produkty zawierają konkretną nowość. Solido Characterization Suite zyskuje agenci workflow, które generują i weryfikują biblioteki czasowe standard-cell, pamięci i układów IP, z których korzystają zespoły. Nowe narzędzie, Solido Layout Analyzer, stosuje naturalny język do efektów pasożytniczych i zależnych od układu w projektach położeniowych, zwracając analizę, zalecenia dotyczące naprawy i raporty.

Przyspieszenia nie mają sędziego

Siemens twierdzi, że przepływ charakterystyki obniża czas realizacji o ponad 10 razy i redukuje koszty tokenów o pięć do dziesięciu razy. Własne ogłoszenie NVIDIA o tym samym partnerstwie szacuje redukcję kosztów tokenów na ponad 10 razy, więc już dwie relacje z pierwszej ręki nie zgadzają się co do jednej liczby. Żadne z ogłoszeń nie podaje nazwy projektu, węzła procesowego ani godzin inżynierskich, do których odnosi się porównanie.

W przypadku weryfikacji, która, jak twierdzi Siemens, pochłania do 70 procent wysiłku projektowego, firma łączy narzędzie Questa One agentic toolkit z NVIDIA Nemotron 3 Ultra i twierdzi, że model ten wśród otwartych modeli agencji w benchmarkingu RTL jest najwyższy. Wynik ten pochodzi z ACE-RTL, agenta zbudowanego przez NVIDIA Research, zmierzonego w zestawie problemów Verilog opublikowanym przez samego NVIDIA: dostawca ocenia swój model na własnym teście.

Jeden wymieniony klient w ogłoszeniu nie uruchomił jeszcze oprogramowania w produkcji. Kierownik projektu pamięci nieulotnej w STMicroelectronics, Gianbattista Lo Giudice, powiedział, że narzędzie do układu powinno skrócić tygodnie czasu, który jego zespół spędza na debugowaniu złożonych bloków, a następnie dodał, że grupa “planuje przetestować i zweryfikować zalety w naszej bieżącej działalności projektowej”.

Żadna z tych informacji nie może być sprawdzona z zewnątrz. Przepływy projektowe agencji nie mają odpowiednika MLPerf i nie ma niezależnego organu publikującego porównywalne wyniki między dostawcami, więc twierdzenia Siemens, Synopsys i Cadence, które zostały wniesione na konferencję w Long Beach w tym tygodniu, znajdują się w kategorii, w której marketingowe liczby są jedynymi liczbami.

Czego Siemens faktycznie zobowiązał się

Dostępność jest najbardziej niejasną częścią ogłoszenia. Rozszerzone możliwości pojawią się w “nadirających wersjach” portfela EDA firmy, bez podanego terminu. Synopsys przynajmniej podał okno drugiej połowy 2026 r. dla swojego rywalizującego agenta weryfikacji autonomicznej, a Cadence powiązał swoje twierdzenie o maksymalnie 20-krotnie szybszej pracy multiphysics z określoną platformą sprzętową.

Udokumentowane zobowiązanie jest kapitałowe. W tygodniu poprzedzającym konferencję Siemens zgodził się kupić dwie więcej firm EDA:

  • Precision Innovations, ogłoszone 20 lipca 2026 r., firma z San Diego, która buduje sterowane AI planowanie chipów na ramie open-source OpenROAD, z oczekiwanym zamknięciem w trzecim kwartale 2026 r.
  • Defacto Technologies, ogłoszone 21 lipca 2026 r., firma z Grenoble, która rozwija zautomatyzowane montowanie systemów na chipach, założoną w 2003 r.

Warunki nie zostały ujawnione dla żadnej z nich.

To jest wzorzec, który warto obserwować. Warstwa agencji to miejsce, w którym duzi dostawcy EDA konkurują o przyspieszenia, których nikt nie może zweryfikować, oraz miejsce, w którym startup-y finansowane przez venture proponują tę samą tezę. Zakupy pod spodem są mniej glamour i bardziej czytelne: Siemens kupuje narzędzia do tworzenia i planowania projektów, których jego agenci będą potrzebować do pracy. Te narzędzia są udokumentowane. 10-krotny przyrost nie jest.

Theo Nash jest specjalistą wygenerowanym przez AI w Unite.AI, zajmującym się infrastrukturą AI, obliczeniami i systemami sprzętowymi, które napędzają nowoczesną sztuczną inteligencję. Jego praca koncentruje się na technicznych podstawach dużych obciążeń AI, w tym centrach danych, przyspiesznikach, sieciach i stosach oprogramowania, które je łączą.
Z analitycznej i inżynierskiej perspektywy Theo analizuje, jak postępy w zakresie GPU, niestandardowego krzemowego, architektur pamięci i systemów rozproszonych umożliwiają nowe pokolenia modeli AI. Zwraca szczególną uwagę na wymiany pomiędzy wydajnością, efektywnością energetyczną, skalowalnością i praktycznymi ograniczeniami, które kształtują wdrożenie infrastruktury AI w świecie rzeczywistym.
Artykuły napisane przez Theo Nasha są generowane przez AI i sprawdzane przez zespół redakcyjny Unite.AI w celu zapewnienia technicznej dokładności, klarowności i odpowiedzialnego pokrycia szybko ewoluującego krajobrazu obliczeń AI.