Modele i platformy AI
Synopsys przekazuje weryfikację chipów agentom AI
Dodaj Unite.AI do preferowanych źródeł w Google
Synopsys poinformował 26 lipca 2026 r., że opracował agenta weryfikacji projektu, który może uruchamiać cały cykl weryfikacji chipa bez konieczności interwencji inżyniera, oraz że system ten osiąga zweryfikowany RTL nawet 50 razy szybciej, dostarczając dodatkowe 20% poprawy pokrycia. Firma ogłosiła tę pracę na Konferencji Automatyzacji Projektowania w Long Beach, w Kalifornii, gdzie po raz pierwszy prezentuje ten przepływ. Nic jeszcze nie jest dostępne. Klienci oceniają obecnie możliwości, a dostępność planowana jest na drugą połowę 2026 r., okno, które już się rozpoczęło.
Agent łączy technologię Synopsys AgentEngineer z zestawem agentów NVIDIA (NVDA ): NVIDIA Agent Toolkit, model Nemotron 3 Ultra oraz warstwę piaskownicy, którą NVIDIA nazywa środowiskiem OpenShell. Agent orchestrator pobiera cele weryfikacji z specyfikacji, projektu, istniejącej bazy testowej i danych inżynierskich, a następnie wysyła agenci specjalistyczne do generowania planu testowego, zamykania pokrycia i debugowania. Zamknięcie pokrycia to krok, w którym zespół udowadnia, że jego testy faktycznie wykonywały logikę, a Synopsys opisuje to jako jeden z największych wąskich gardeł w procesie.
Wyniki przyspieszenia pochodzą od sprzedawców
Każda liczba wydajności tutaj pochodzi od firm sprzedających narzędzia, a punkty odniesienia są cienkie. Roszczenia 50x i 20% noszą przypis, który porównuje je do “tradycyjnych przepływów weryfikacji niezasilanych przez technologię AgentEngineer”, bez nazwanego projektu, węzła procesowego i godzin inżynierskich. Analogiczne roszczenie, do 3-krotności produktywności dla przepływu sygnału mieszanych zorganizowanego przez tę samą technologię, opiera się na przypisie, który zasadniczo powtarza samego siebie.
Cztery miesiące wcześniej, na swojej własnej konferencji Converge 11 marca 2026 r., Synopsys opisał mniej autonomiczną wersję tego samego pomysłu, “L4” wieloagentowy przepływ projektowy i weryfikacyjny, i określił zyski na 2-krotną produktywność z maksymalnie 5-krotnym w wybranych przypadkach. To wydanie również zauważyło, że front-end projektu dużego układu scalonego zwykle zajmuje zespół weryfikacji przez cztery do sześciu miesięcy. Dwa wskaźniki nie są identyczne, ale odległość między 2-krotnością w marcu a 50-krotnością w lipcu jest wystarczająco duża, aby chcieć własne liczby przed i po od klienta, zanim uzna się to za rozstrzygnięte.
Brakuje pomocy niezależnego testowania. Trening i inference silikonu mają MLPerf, wspólny format zgłoszeniowy z publiczną tabelą wyników; agenci projektowi nie mają żadnego benchmarku. Roszczenie NVIDIA, że Nemotron 3 Ultra prowadzi otwarte modele w kodowaniu poziomu transferu rejestru, opiera się na benchmarku, który publikuje NVIDIA, mierzonego za pomocą agenta zbudowanego przez NVIDIA Research. Startupy goniące ten sam rynek, w tym Chipmind, które uruchomiło się z ukrycia, aby odbudować projekt chipa wokół agentów AI, stają przed tym samym luką dowodową.
Gdzie faktycznie uruchamiany jest ładunek pracy EDA
Druga połowa ogłoszenia dotyczy bardziej sprzętu niż agentów. Synopsys mówi, że ponad 20 jego produktów EDA i multiphysics jest teraz przyspieszanych przez GPU. Raportuje symulację obwodu w PrimeSim SPICE, która działa mniej więcej 18 razy szybciej w czasie zegarowym na GPU NVIDIA niż w przypadku wykonywania tylko na CPU, 10-krotny przyrost wydajności dla symulacji elektromagnetycznej Ansys Lumerical i do 50-krotny dla pracy kwantowej w QuantumATK przy użyciu biblioteki cuEST NVIDIA.
To jest znaczny blok obliczeń inżynierskich, który przenosi się z szaf CPU na sprzęt NVIDIA wewnątrz domów projektowych, które budują przyspieszalniki. Własne ogłoszenie NVIDIA dodaje bibliotekę sparse-solver, cuISS, do zestawu CUDA-X i mówi, że symulator VCS Synopsys jest dostosowywany do procesora Vera CPU. Narzędzia, które projektują następną generację silikonu AI, coraz częściej działają na obecnej.
Synopsys również pokazał autonomiczny przepływ do analizy termicznej elektroniki, zbudowany na Ansys Icepak, narzędziu do symulacji chłodzenia, które zdobył w ramach przejęcia Ansys, oraz bibliotekach open-source PyAEDT. Obsługuje on ustawienie symulacji i przed- i potraktowanie niezależnie. Opis NVIDIA tej samej pracy nazywa aplikację bardziej zwykłym: optymalizację projektowania chłodzenia GPU. Tim Costa, wiceprezes i dyrektor generalny ds. inżynierii obliczeniowej w NVIDIA, powiedział, że agenci pomagają zespołom “zamknąć weryfikację, zautomatyzować analizę termiczną i skompresować cykle rozwojowe z tygodni do godzin”.
Każdy sprzedawca EDA wybrał tego samego partnera
Ogłoszenie NVIDIA wymienia Cadence, Siemens, Samsung, Keysight, Silvaco i TSMC obok Synopsys. Przepływ pakowania i płyty Cadence jest uznany za nawet 20-krotnie szybszą wydajność multiphysics. Siemens mówi, że przepływy agenticzne skracają czas charakterystyki biblioteki o ponad 10-krotność, jednocześnie redukując koszty tokenów o podobny czynnik. Samsung raportuje do 20-krotności w obliczeniowej litografii przy użyciu cuLitho. Wszystkie trzy główne sprzedawcy EDA umocowali swoje historie autonomii do modeli, bibliotek i środowiska tego samego dostawcy w ten sam dzień.
Dwie rzeczy sprawiłyby, że roszczenia byłyby sprawdzalne. Pierwsza to klient, który publikuje liczby zamykania pokrycia z nazwanego projektu w określonym węźle. Druga to wyjaśnienie, czy okno dostępności w drugiej połowie oznacza ogólny wydanie czy ograniczony wczesny dostęp.
Pytanie dotyczące wdrożenia ma najwięcej do stracenia. Nemotron to model o otwartych wagach, który może być przeszkolony na danych własnościowych i uruchomiony lokalnie, punkt, który NVIDIA podkreśla wyraźnie. Agent weryfikacji autonomnej potrzebuje całego projektu, aby wykonać swoją pracę. Czy może wykonać tę pracę wewnątrz własnego firewallu klienta, decyduje o tym, kto może go używać w ogóle. RTL jest jednym z najbardziej strzeżonych praw własności intelektualnej, jakie posiada firma chipowa, wystarczająco cenne, aby rządy ważyły ograniczenia ich eksportu. Agent weryfikacji autonomnej potrzebuje całego projektu, aby wykonać swoją pracę. Czy może wykonać tę pracę wewnątrz własnego firewallu klienta, decyduje o tym, kto może go używać w ogóle.
