Synopsys 推出 AgentEngineer：基于 AI 自主代理的芯片设计平台
Synopsys 近日正式宣布其 AgentEngineer 解决方案，这是一套构建在新型自动驾驶平台之上的“特定领域长视野代理”组合。该方案旨在通过人工智能加速从辅助设计向自主工程的转变。据 Synopsys 首席产品管理官 Ravi Subramanian 介绍，这一技术允许芯片设计和生产公司利用 AI 提升潜在效率。
根据官方博客披露的信息，AgentEngineer 涵盖了六个主要工程领域：验证、系统验证、实施、模拟和混合信号 (AMS) 设计、制造以及模拟和分析。目前已有超过 50 家客户参与试用，Synopsys 向媒体证实，该产品的通用可用性（General Availability）计划于 2026 年底实现。此前在 7 月份的设计自动化会议（DAC）上，该公司曾展示过与 Nvidia 和 Microsoft 共同开发的代理人工智能工作流程。
三层架构与工作流机制
Synopsys 产品管理执行主任 Anand Thiruvengadam 详细阐述了平台的三层架构：
- AgentEngineers（主管级超级代理）：负责编排任务代理，应对需要数百甚至数千步推理的高复杂度目标，运行时间可达数小时或数天。
- Task Agents（任务代理）：完成特定的、有限的工程任务，可由 AgentEngineer 编排或由工程师直接调用。
- Tool Layer Engines（工具层引擎）：执行具体工作但不设定目标或做出决策。
该平台采用“认知模型”以支持情境智能，涵盖从编排到遥测的各个层面。为确保安全性，平台内置访问控制、加密及运行时防护，保护客户、合作伙伴及 Synopsys 自身的 IP，特别是在第三方代理共享工作流时。客户拥有高度灵活性，可选择商业、开源或微调的语言模型，并部署在 Synopsys Cloud、自有云或本地基础设施上，即支持“自带 LLM、数据和基础设施”的模式。
以验证循环为例，代理会规划并指挥任务代理，检查返回结果。当测试发现错误时，根源分析 (RCA) 代理会读取日志、集群错误、形成假设并通过波形确认。随后，代理会对 RTL 进行“本地重写”以证明错误已修复，并生成修复声明。若中间结果偏离目标，代理具备自我纠正、适应和反应的能力。
性能数据与客户反馈
Synopsys 公布了一系列性能指标，包括验证结束速度最高提升 50 倍，覆盖率提升 20%，生产率提高 30%，令牌效率提升 2 倍，且延迟更低。需注意的是，50 倍速度和 20% 覆盖率的提升数据源自其与 Nvidia 在 7 月份的合作成果，对比基准为未使用 AgentEngineer 的验证工作流；而 30% 的生产率提升则来自富士通在其 RTL 代码生成中报告的 10% 至 30% 范围的上限。
这些生产力提升是与人类专家当前工作方式相比得出的结论。一家未透露姓名的客户报告称，将 Synopsys 代理与其自有的商业代理工具相比，实现了 2 倍的令牌效率（即完成给定任务消耗的令牌更少）。关于延迟降低的具体数值，官方未提供确切数字，但这部分归功于情境智能减少了模型调用中的等待时间。
另一家取得成果的客户 AheadComputing 表示，其验证副总裁 Alon Mahl 指出 Implementation AgentEngineer 帮助减少了从 RTL 交付到签核阶段的人工工程工作量，但未提供具体量化数据。此外，英特尔、联发科和三星也认可了该技术的前景，尽管均未披露硬性数据。
自主性等级与行业竞争
对于代理的自主程度，Synopsys 去年推出了 L1-L5 框架，其中 L5 的最初愿景是完全自主执行。Thiruvengadam 强调，L5 不仅关乎完全自主，更涉及处理复杂性。Synopsys 证实将这些代理描述为 L5 级别。作为对比，竞争对手 Cadence 也在 6 月份的电脑展上声称其在自己的规模上达到了 5 级。
Nvidia 首席科学家 Bill Dally 今年早些时候曾表示，AI 可以将为期 10 个月、由 8 名工程师执行的 GPU 标准细胞库移植任务缩短至一个晚上，但他同时指出，要让 AI 设计全新的 GPU，Nvidia 仍有“很长的路要走”。
尽管强调自主性，人类工程师仍在回路中，但监督程度有所不同。关键的审批检查点仍由人类驱动，团队可设置检查点以验证决策。目前尚不清楚供应商如何定义代理停止重试或升级给工程师的具体阈值。
产品线覆盖详情
| 工程师/领域 | 涵盖内容 | 任务代理示例 | 工具层 |
|---|---|---|---|
| 验证情况 | 通过覆盖范围的关闭来解释规范 | 关闭覆盖范围 | 模拟，仿真，调试 |
| 实施情况 | 楼层规划，放置，路由，拥堵，DFT，以及定时、功率和设计规则关闭通过 signoff | 电力购买合同的结束（注：原文此处翻译可能有误，通常指 Sign-off 相关任务） | 从 RTL 到 GDS |
| AMS | 模拟和混合信号设计，布局合成，IP 节点迁移，物理验证以及晶体管级定时和表征 | 模拟设计 | SPICE，布局 |
| 制造业 | 工艺和设备模拟，掩膜合成和掩膜数据准备工作 | 掩膜合成 | 掩膜，TCAD |
| Meshing | 创建，验证，修复和优化模拟网格的方法 | FEA 编码 | 结构分析 |
| Blaze | 燃气轮机燃烧研究及其模拟工作流程 | 证券交易所编码（注：原文此处疑似翻译错误，应为流体相关编码） | 流体模拟 |
| EMC | 电路板 EMI/EMC 分析，与 EMC 极限相对应的辐射排放检查和设计代 | 电磁波编码 | 电子模拟 |
| 客户代理 | 经纪人客户构建或带来，与 Synopsys 自己的 | — | 综合分析工具 |
此次发布的是产品组合和平台，并未披露具体的生产细节。作为参考，Synopsys 于 2020 年推出的早期 AI 工具 DSO.ai 已完成超过 100 次量产流片，而新的智能体目前仍处于客户合作阶段。
随着 Cadence 预计将在 2026 年下半年提供 5 级早期访问，以及西门子承诺在即将发布的版本中提供自验证功能，行业竞争日益激烈。市场将关注 Synopsys 能否如期在 2026 年底实现通用可用性，并在生产环境中确立标杆客户。如果这些能力能超越内部评估并得到独立测试的支持，其加速潜力将极具前景。
