电子产品世界

核心要点

• 数据中心的诸多工作流程均为客户定制化，这也是业界高度关注智能体 AI 工具的原因之一。

• 大型系统公司正推动 EDA 厂商提升性能，以跟上其 AI 工作流的发展节奏。

• 随着 AI 深度融入芯片设计流程，设计团队的构成正在发生改变。

圆桌专家

邀请多位专家探讨 AI 对芯片设计的影响，以及 EDA 工具随之而来的变革需求：

• 新思科技（Synopsys）AI 与机器学习副总裁 Thomas Andersen

• 英特尔（Intel）模拟 / 混合信号工具 / 流程高级总监 Sridhar Boinapally

• AMD 公司院士 Alex Starr

• 英伟达（Nvidia）GPU 硬件工程副总裁 Stuart Oberman

• 微软（Microsoft）硅工程基础设施合伙人兼总经理 Silvian      Goldenberg

• 加州大学伯克利分校电气工程与计算机科学教授 Borivoje Nikolic

以下为近期新思科技 Converge 大会上，面向现场观众的小组讨论节选。

问：AI 算法快速迭代，我们是否会走向更通用化的硬件，让软件比以往更重要？还是会出现更深度的定制化？

Oberman（英伟达）：英伟达系统的核心之一，是打造可优化的软件环境，实现最高的单位面积性能与单位功耗性能。针对高性能数据中心，我们不谈单位面积性能，而是每吉瓦性能，这已成为行业标准。作为设计师，我需要年复一年地提升单位功耗性能，这是核心竞争力，各家公司有不同实现路径。

Starr（AMD）：EDA 厂商是工具与领域的专家，多年积累的技术能力极为深厚，这些才是推动变革的关键。大型半导体公司拥有大量内部技术 —— 异构流程、专属定制数据。EDA 的核心是如何利用这些资源，厂商需要充分发挥工具中的专业积累。半导体公司在内部基础设施与 AI 能力上各有差异，会在 “直接采用 EDA 厂商完整智能体方案” 与 “聚焦单个工具深度优化” 之间做出选择。

问：你们目前还缺少什么？

Boinapally（英特尔）：缺口很大。EDA 厂商在智能体 AI 革命中略显滞后，包括超大规模云厂商在内的众多企业都在布局。传统思路是 “我提供工具、引擎、能力，设计师自行完成落地与优化”。但智能体革命更进一步，可提供更高自动化的工具，能依据高层规格自主迭代设计，这是我们的发展方向。

Andersen（新思科技）：供需双方都有各自的专业积累，只是交付方式不同。如今我们用算法打造最优工具，由技术支持人员协助调试；客户则搭建芯片设计流程，是芯片演进的专家。未来我们将通过数据库与 AI 智能体交付专业能力，客户则用自动化替代手动脚本运行 CAD 流程。目前 AI 训练完全依赖人类专家经验，未来需要实现自学习系统，让 AI 发现超越人类的最优方案，届时行业差异化可能缩小。

Goldenberg（微软）：首先我们需要高质量数据，包括规范的数据组织、便捷的数据获取。过去多厂商工具整合困难，需要统一基础设施与标准，现在可搭建工作流，让每家设计公司发挥自身特色，形成差异化竞争力。

Boinapally（英特尔）：即便 EDA 高度自动化，产品依然会有差异。就像好莱坞电影，使用相同设备，却能拍出截然不同的作品。

Oberman（英伟达）：Claude 已能直接对接企业应用（Excel、PowerPoint），未来工具与大模型厂商的集成路径值得思考。目前前端输出难以直接接入大模型，需手动整理日志导入智能体流程，企业场景已基本解决，但能否与模型厂商实现直连集成？

Nikolic（伯克利）：AI 应用于设计各环节的成本是关键。芯片领域缺少替代仿真，仿真工具仅跟进高性能计算，未适配 AI 推理速度。EDA 工具对 GPU 的应用滞后，学术界正研究并行仿真加速设计流程。

Andersen（新思科技）：AlphaEvolve 已受关注，但 EDA 领域运行时长过长仍是未解决难题。现有代理模型精度不足，部分环节（如仿真）已实现并行与 GPU 加速，但尚未覆盖全场景。

问：AI 如何与设计团队协作？多团队如何与 AI 交互？

Starr（AMD）：我们已为工程师部署最新工具，推出智能体框架并提供指导。团队聚焦能耗分析、常规任务等痛点，优先解决暴力分析、调试等易落地场景。目前既有通用方案，也有针对特定团队的定制化用例，落地效果良好。

问：团队构成是否因此改变？

Goldenberg（微软）：团队数据与方案共享更频繁，角色边界逐渐融合，效率显著提升。过去由公司定义流程，现在团队自主开发流程、开展实验，人为壁垒被打破。

Boinapally（英特尔）：我们搭建统一平台，普及 AI 工具。AI 带来未知与变革，对用户与研发团队都需要思维转变。我们正在推进大规模培训，帮助员工掌握新技能，这是快速变革下的必然选择。

关键词： AI 芯片设计 EDA