Aquisições

A Siemens Faz Seus Agentes de Design de Chip Verificarem Seu Próprio Trabalho

mm
Adicione Unite.AI às suas fontes preferidas no Google

A Siemens abriu a Conferência de Automação de Design com um discurso sobre confiança em vez de velocidade bruta: seus agentes de design de chip agora verificarão seu próprio trabalho contra as ferramentas que decidem se um design é aprovado. A empresa anunciou em 26 de julho de 2026 uma parceria expandida com a NVIDIA (NVDA ) que transforma seu sistema de agente de AI de EDA Fuse em o que a Siemens chama de fluxo de trabalho de auto-verificação, no qual agentes de longa execução validam cada decisão contra motores de design baseados em física determinística em vez de confiar na saída do modelo.

Essa abordagem vai direto ao motivo pelo qual as equipes de chip têm sido lentas em entregar trabalho real a modelos de linguagem. Um agente que escreve código de nível de transferência de registro ou limpa uma violação de regra de design pode estar confiantemente errado, e no silício um erro confiante é visível na saída, após os custos da máscara serem pagos. A resposta da Siemens é manter o agente dentro de um loop fechado por suas próprias ferramentas de assinatura, que retornam respostas de aprovação ou reprovação que não devem nada ao julgamento de um modelo.

A máquina subjacente vem da NVIDIA. A Siemens disse que está construindo os agentes com a biblioteca NeMo Gym da NVIDIA para ambientes de agentes, executando-os dentro do OpenShell seguro com controles de acesso baseados em papéis e rastros de auditoria, e usando os últimos modelos Nemotron com o Switchyard da NVIDIA para raciocínio. O sistema de agente agora também se encontra dentro do Intelligence Center X, o ambiente de IA empresarial que a Siemens usa para conectar design, manufatura e cadeia de suprimentos.

O que os agentes realmente tocam

A cobertura tem o comprimento do fluxo: síntese de alto nível em Catapult, verificação digital em Questa One e no sistema de emulação Veloce, trabalho de IC personalizado em Solido, implementação física em Aprisa, assinatura em Calibre e design para teste em Tessent, além de integração de IC 3D em Innovator3D IC e layout de placa em Xpedition. A Siemens lançou o agente Fuse em março de 2026 na conferência de desenvolvedores da NVIDIA, e este anúncio estende esse sistema em vez de substituí-lo.

Dois produtos trazem as notícias concretas. O Solido Characterization Suite ganha fluxos de trabalho de agentes que geram e verificam as bibliotecas de temporização padrão-célula, memória e IP personalizados que as equipes trabalham. Uma nova ferramenta, Solido Layout Analyzer, aplica prompts de linguagem natural a efeitos parasíticos e dependente de layout em designs pós-layout, retornando análise, recomendações de reparo e relatórios.

Os ganhos de velocidade não têm árbitro

A Siemens diz que o fluxo de trabalho de caracterização reduz os tempos de espera em mais de 10 vezes e reduz os custos de token em cinco a dez vezes. O próprio anúncio da NVIDIA da mesma colaboração coloca a redução do custo do token em mais de 10 vezes, então as duas contas de primeira parte de um único número já discordam. Nenhuma das liberações nomeia o design, o nó do processo ou as horas do engenheiro contra as quais a comparação é feita.

Na verificação, que a Siemens diz que consome até 70 por cento do esforço de design, a empresa está combinando o kit de ferramentas de AI agente Questa One que introduziu em fevereiro de 2026 com o Nemotron 3 Ultra da NVIDIA, e diz que o modelo lidera entre os modelos abertos em benchmarking de RTL agente. Esse resultado vem do ACE-RTL, um agente construído pela NVIDIA Research, medido em um conjunto de problemas Verilog que a própria NVIDIA publica: um fornecedor pontuando um modelo de fornecedor em seu próprio teste.

O único cliente nomeado na liberação ainda não executou o software em produção. O gerente de design de memória não volátil da STMicroelectronics, Gianbattista Lo Giudice, disse que a ferramenta de layout deve cortar semanas do tempo que sua equipe gasta depurando blocos complexos, e então acrescentou que o grupo está “planejando testar e validar as vantagens em nossa atividade de design em andamento”.

Nada disso é verificável de fora. Fluxos de design de agentes não têm equivalente MLPerf e nenhum órgão independente publica resultados comparáveis entre fornecedores, então as alegações que a Siemens, Synopsys e Cadence levaram a Long Beach esta semana se encontram em uma categoria onde os números de marketing são os únicos números.

O que a Siemens realmente comprometeu

A disponibilidade é a parte mais suave da liberação. As capacidades expandidas chegarão em “lançamentos futuros” do portfólio de EDA da empresa, sem data anexada. A Synopsys pelo menos colocou uma janela de segunda metade de 2026 em seu agente de verificação autônomo rival, e a Cadence vinculou sua alegação de até 20 vezes mais rápido em trabalho de multiphísica a uma plataforma de hardware nomeada.

O compromisso documentado é capital. Na semana antes da conferência, a Siemens concordou em comprar mais duas empresas de EDA:

  • Precision Innovations, anunciada em 20 de julho de 2026, uma empresa de San Diego que constrói planejamento de chip de AI no framework de código aberto OpenROAD, com fechamento esperado no terceiro trimestre de 2026.
  • Defacto Technologies, anunciada em 21 de julho de 2026, um desenvolvedor de Grenoble de montagem de sistema em chip automatizado fundado em 2003.

Os termos não foram divulgados para nenhum dos dois.

Essa é a tendência digna de nota. A camada de agentes é onde os grandes fornecedores de EDA estão competindo em ganhos de velocidade que ninguém pode auditar, e onde startups financiadas por venture estão vendendo a mesma premissa. As compras abaixo disso são menos glamorosas e muito mais legíveis: a Siemens está comprando as ferramentas de criação e planejamento de design que seus agentes precisarão de algo para chamar. Essas ferramentas são documentadas. O 10x não é.

Theo Nash é um especialista em AI gerado pela Unite.AI, cobrindo infraestrutura de AI, computação e os sistemas de hardware que alimentam a inteligência artificial moderna. Seu trabalho se concentra nas fundações técnicas por trás das cargas de trabalho de AI em larga escala, incluindo centros de dados, aceleradores, redes e as pilhas de software que os unem.
Com uma perspectiva analítica e orientada por engenharia, Theo examina como os avanços em GPUs, silício personalizado, arquiteturas de memória e sistemas distribuídos permitem novas gerações de modelos de AI. Ele presta atenção especial às trocas de desempenho, eficiência energética, escalabilidade e às restrições práticas que moldam a implantação real da infraestrutura de AI.
Os artigos escritos por Theo Nash são gerados por AI e revisados pela equipe editorial da Unite.AI para garantir a precisão técnica, clareza e cobertura responsável do paisagem de computação de AI em rápida evolução.