AI时代的仿真类EDA，何去何从？

无论是Kimi和OpenAI利用LLM设计芯片，还是三大EDA巨头利用Agent加速芯片设计。说明人工智能进入EDA，已经成为一个不争的事实。
 
巨霖科技（上海）有限公司副总经理邓俊勇先生在日前举办的“ICDIA 2026集成电路设计创新大会”同期的峰会演讲中也指出，AI在EDA领域有了很多的应用，但随之而来的一些挑战，也让人感到困惑。
 
有见及此，他以AI对仿真器的影响为例，分享了他对人工智能EDA时代的最新看法。
 

 
AI对EDA，意味着什么?
 
邓俊勇直言，AI并不是现在才进入EDA，早在大模型出现之前，EDA行业就已经大量采用DOE、优化算法、启发式搜索等智能技术。但和以前不一样的是，现在所谓的AI EDA，是指行业进入了以Agent为代表的新阶段。
 
“Agent的价值，不仅在于让EDA工具更智能，更在于重塑整个芯片设计流程，实现人效与效率的双重提升。”邓俊勇说。他指出，传统EDA中的智能算法，主要服务于单个工具，例如布局布线优化、参数搜索、时序优化等，本质上是提升某一个点工具的性能。而今天的EDA Agent，则试图承担更高层级的工作：理解工程师意图、自动调用多个EDA工具、编排设计流程，甚至完成验证与迭代。
 
在邓俊勇看来，AI赋能EDA可以分为两个层级：一是工具层，通过Agent提升点工具的性能与操作效率；二是流程层，由Agent串联前端、后端、验证等环节，实现设计流程的自动编排与协同优化。对于芯片设计公司来说，最直接的价值就是人效提升。换而言之，衡量EDA Agent的核心标准不是模型大小，而是闭环速度——能否以更少的人力、更短的时间完成验证与决策。
 
为此，邓俊勇认为，AI Agent 在 EDA 中的真正价值，不是在可回溯的前提下重构设计流程、提升探索效率。具体而言，可以归纳为三点：
 
1、EDA Agent 需要三层能力：交互与编排层负责理解需求和组织流程，知识与数据层提供设计经验与规则，引擎与模型层则是传统 EDA 的物理求解核心，也是目前 AI 最难替代的部分。
 
2、可回溯性比自动化更重要：一个成熟的 EDA Agent 不仅要能自动完成任务，更要能够记录每一步决策、支持验证和追踪，否则一旦设计出错，将难以定位问题。
 
3、短期 AI 提升效率，长期才可能改变设计方式：在 Coding 等规则明确的领域，AI 已具备较强替代能力； 
在分享中，邓俊勇指出，在芯片设计、系统验证、SI/PI 仿真等场景，AI 目前主要承担自动化编排、扩大仿真探索空间和加速优化，而非替代求解器。真正意义上的“AI 设计芯片”仍需等待技术成熟。
 
正因如此，邓俊勇认为，仿真类 EDA 已经到了必须主动变革的阶段。
 
仿真类EDA的变与不变
 
谈到EDA，我们可能特别熟悉的是负责将芯片“画出来”的EDA。但作为芯片设计流程中负责“验证”的核心工具，仿真类 EDA的重要性不言而喻。它通过电路模型与物理求解器，在芯片流片之前模拟信号完整性（SI）、电源完整性（PI）、电磁效应（EM）等真实工作状态，提前发现高速接口、电源噪声、串扰、误码率等潜在问题。
 
换而言之，仿真类 EDA 的职责就是在制造之前证明它“真的能稳定工作”，也是先进封装、HBM、UCIe、SerDes 等高速芯片开发中不可或缺的关键环节。尤其是随着芯片流片成本越来越高，仿真类EDA的重要程度与日俱增。
 
面对AI浪潮的冲击，邓俊勇在演讲中强调：“AI不会替代物理求解器，而会改变求解器被调用和验证的方式。”
 
如他所说，在复杂的设计空间中，AI擅长快速搜索参数组合、筛选候选方案、识别异常并整理结果。它可以帮助工程师探索更多可能性，减少大量低价值的重复尝试。但最终的签核结果，仍然需要SPICE、电磁、热等物理求解器提供确定性计算。尤其面对训练数据没有覆盖的新结构、新材料和极端工况，工程团队必须知道每个结果来自什么输入、使用了哪个工具版本和求解设置，并能够重新运行得到一致结论。
 
对于AI 时代的仿真类 EDA ，邓俊勇认为，有四个现实问题不容忽视：客户设计数据无法自由汇集，失败样本尤其稀缺；模型幻觉和训练范围之外的输入可能带来错误判断；历史工具的接口和数据语义并不统一；进入生产流程后，IP 隔离、权限和结果归责必须有清晰机制。
 
因此，在邓俊勇看来，AI和仿真类 EDA更合理的关系是一条“探索—验证—迭代”链路：AI提出候选方案和异常假设，物理求解器负责验证；验证结果再返回给AI，用于调整下一轮任务。AI提高探索效率，物理求解器则为最终工程判断提供依据。
 
这种见解也指导了巨霖科技的产品研发演进路线。
 
巨霖科技的进击之路
 
作为一家专注于芯片、先进封装与系统级 EDA 仿真签核的厂商，巨霖科技已形成覆盖电路、电磁和系统三大仿真域的产品矩阵，包括 True-SPICE 仿真平台 PanosSPICE、一站式 SI/PI 仿真平台 SIDesigner、PCB 整板仿真平台 ASCENEXT、三维电磁仿真工具 EMArtist 和功率电子仿真平台 PowerExpert。
 
其中，公司的拳头产品 SIDesigner 聚焦高速信号与电源完整性（SI/PI）仿真，覆盖 HBM、UCIe、DDR5/LPDDR5X、SerDes 等主流高速接口。
 
 
在ICDIA期间，巨霖科技也首次发布SIDesigner 3.0阶段推出的新技术—— SIDesigner Transient-BER，面向高速接口中的非线性、串扰、TX Jitter与低误码率验证，为工程师提供一条兼顾求解精度与计算效率的新路径。在统计计算基础上融合关键瞬态仿真，通过有限的瞬态计算提取非线性响应边界，并构建系统级非线性 PDF，最终积分求解 BER，从而避免长时间穷举码型，在保持精度的同时大幅降低超低 BER 仿真的计算量。
 
邓俊勇同时透露，公司另一款电磁仿真产品 EMArtist 正在研发中，并计划于今年四季度陆续推出，与 SIDesigner 共同构建从电磁建模到系统签核的仿真链路。
 
具体到公司在AI EDA的投入时，邓俊勇明确表示，巨霖的策略并非让大模型替代仿真，目前，巨霖在AI方面主要布局算法优化、加速、流程自适应优化和工具使用便利化，现阶段尚未使用客户数据进行模型训练，底层物理求解仍然依赖高精度仿真引擎。
 
展望未来，据巨霖科技所说，公司2026年将重点建设产品的可调用能力和数据评测底座，统一核心功能接口、任务描述方式及结果记录方式，使现有工具具备被AI可靠调用的工程基础；
 
2027年，计划推出面向配置生成、报告摘要和规则检查的Copilot与Check Agent，先在边界清晰的任务中验证单场景闭环；2028年，再进一步推动SI Signoff Agent实现跨工具协同及工程变更（ECO）候选方案生成，并完善回滚、复现和人工审核机制。
 
SI Signoff Agent是巨霖规划中的首个最小闭环。它将围绕信号完整性签核流程，打通设计导入、链路识别、任务配置、求解计算、规则判定、问题定位、ECO候选和报告生成。这里的目标是在明确的人工审核边界内，让每一步计算都有依据、每一个结论都能复现，而不是只为EDA工具增加一个聊天窗口。
 
写在最后
 
对于仿真类 EDA 的未来，邓俊勇表示，AI 时代的护城河并不在于率先打造一个“大而全”的闭环系统，而在于把点工具做到极致：
 
一方面，充分利用 Agent 提升仿真流程、设计优化和工程效率，同时持续强化底层求解能力；另一方面，点工具必须具备开放的接口和良好的协同能力，能够被其他工具和 Agent 灵活调用，成为生态中的关键节点。此外，结果可信、过程可回溯也是 AI EDA 的底线要求，每一步决策都必须能够验证和追踪。
 
“对仿真类EDA而言，AI带来的变化将体现在工程结果上：流程能否更快、更稳定地交付可以验证的结论。未来的竞争，也将围绕这种持续交付能力展开。”邓俊勇总结说。