Synopsys 将自主芯片设计工作流引入 Microsoft Discovery

Why it matters

Synopsys is testing whether agents can execute entire chip-design loops through repeated tool use and evaluation. Reproducible cycle-time gains would strengthen the case for vertical AI products built around specialized domain tools and proprietary data.

Ravi Subramanian，一位两度创办半导体和芯片设计公司的创始人，现任 Synopsys 的首席产品管理官。Synopsys 在一则 7月27日的公告 中表示，其自主调试和物理实现工作流可通过 Microsoft Discovery 进行评估，且 AMD 正在测试这些工作流在未来产品中的使用。

根据他在 Synopsys 的传记，Subramanian 于 2022 年加入 Synopsys，此前曾在 Siemens EDA 担任 IC 验证高级副总裁兼总经理。他创办了 MorphICs Technologies——一家被 Infineon 收购的无晶圆厂无线半导体初创公司，以及 Berkeley Design Automation——一家被 Mentor Graphics（现为 Siemens 一部分）收购的模拟验证软件开发商。

这一路径有助于解释 Synopsys 最新产品举措的侧重点。Subramanian 的职业生涯大部分时间都围绕验证展开，在该领域工程团队可能会花数周时间来整理失败情况、追踪根因并重新运行工具，才能使设计准备好进入制造。Synopsys 正在试图将这种迭代工作转变为由专门代理在更少人工干预下执行的任务。

From assistant to operator

第一个工作流的目标是调试闭环。Synopsys 表示，领域特定和任务级代理可以识别设计失败、进行根因分析并自动化部分验证。根据 Synopsys 的说法，早期评估显示调试周期时间减少了 25% 至 40%。

第二个工作流将代理应用于实现与闭环，即将芯片设计转换为满足时序、功耗、面积和可制造性要求的物理布局的过程。它在 Azure 上结合 Synopsys 的实现代理和 Fusion Compiler 来调优结果质量并迭代以达成闭环。Synopsys 表示初步测试改进了这些结果，但未公布数值对比。

两者工作流都围绕 AgentEngineer 构建，AgentEngineer 是 Synopsys 的代理框架，能够规划工作、调用工程工具、评估中间输出并在较长时间内持续运行。闭环需要在多次工具运行中反复做出决策，每个结果决定下一步动作。

Microsoft 于 6 月 2 日 将 Discovery 推向一般可用，并将其定位为面向科学和工程工作的企业级 agentic AI 工作流平台。Synopsys 和 Microsoft 表示，这两个应用是首次在 Discovery 上提供评估的 EDA 工作流。Synopsys 表示客户可通过 Synopsys 申请评估访问。目前尚未披露定价或大规模商用可用性的时间。

AMD supplies the real-world test

AMD 为 Synopsys 提供了一个半导体工程合作伙伴，用于在商业芯片开发的复杂性下测试这些工作流。Synopsys 报告称 AMD 正在积极评估这些应用；并未声称已在各个设计项目中投产部署。

Alex Starr，一位在 AMD 工作超过 20 年的 AMD Corporate Fellow，负责 AMD 的 Applied AI 和 Shift Left AI，在评估中为其提供了真实的芯片设计环境。在 Synopsys 7 月 27 日的公告中，Starr 表示，由 Discovery 驱动并结合具有深厚 EDA 领域知识的 RCA 的 AI 驱动工作流，是 AMD 认为“能够加速规模化和部署，帮助提高设计速度和整体硅片质量”的范式。

这些表述保留了人类工程师的参与。代理仍然需要访问控制、工作流设计、可信的工程工具以及明确的人类审核点。当输出成为硅片时，一个快速但错误的答案可能在制造规模上产生严重后果。

Synopsys connects AgentEngineer to Microsoft and Nvidia platforms

与 Microsoft 的合作只是更广泛合作伙伴战略的一部分。Synopsys 在 7 月 26 日单独 推出了基于 Nvidia 技术构建的自主工程工作流，使用 Nvidia Nemotron 模型和 Nvidia OpenShell 运行时。

这两则公告将 AgentEngineer 放在不同合作伙伴提供的基础设施之上。Microsoft 为 7 月 27 日公布的工作流提供了 Discovery 和 Azure 基础设施。Synopsys 7 月 26 日的新闻稿表示，其基于 Nvidia 的工作流在 Nvidia 加速计算上使用 Nvidia Nemotron，并由 Nvidia OpenShell 运行时提供安全保障。

在 7 月 27 日的公告中，Synopsys 表示正在推进“开放、互操作的 agentic AI 堆栈”。Microsoft 的公告未指明支持的第三方 EDA 工具、外部模型或客户可控的编排系统。

Cadence and Siemens are also building autonomous EDA agents

Cadence 在 6 月 1 日表示，已开发出其 ChipStack AI Super Agent 的全自主版本。Cadence 表示该系统在规范理解、RTL 生成、验证规划、形式化分析、仿真、调试和设计收敛方面进行迭代。它预计 ChipStack 的自主能力及其 AgentStack 编排框架将在 2026 年下半年向早期访问客户开放。

Siemens 在 3 月 16 日宣布了 Fuse EDA AI Agent，适用于涵盖设计、验证和制造签核的半导体、3D IC 和电路板工作流。7 月 26 日，Siemens 扩展了 Fuse，增加了持续将其决策与确定性的、基于物理的 EDA 引擎相核对的代理。

Cadence 和 Siemens 正在构建并行的自主 EDA 代理产品。这也将 Synopsys 在此处的主张缩小为在 Microsoft Discovery 上可供评估以及 AMD 的评估参与，而非广义上的自主 EDA。

The 40% claim needs a production baseline

Synopsys 所宣称的 25% 至 40% 的调试周期时间减少是该公告的核心性能数据，也是解释最少的一点。Synopsys 将这些结果描述为早期评估，但未说明受测设计、试验次数、之前的工作流、涉及的工程工时或仍由人工监管的流程比例。该结果也未作为独立基准进行展示。

即便是更小幅且可持续的减少也可能具有意义。验证和闭环在芯片项目的后期消耗大量工程时间，当未解决的失败可能威胁到 tapeout 进度并推迟收入时，影响尤为显著。商业上的问题在于 AgentEngineer 能否在保护敏感芯片数据的前提下，在不同设计、工艺节点和客户工具链上重复其早期结果。

Subramanian 的创业生涯围绕着通用软件无法解决的专门半导体问题展开。在 Synopsys，他可以将相同的论点应用到更大范围的工程组合：将专用的芯片设计工具和数据与由基础设施合作伙伴提供的模型和算力配对。对于构建垂直代理的创始人和运营者来说，访问领域工具和专有数据可能构成产品中最具防御性的部分。

目前，Synopsys 有一个评估计划、AMD 的参与以及一个早期的性能区间。跨多个客户的生产规模证据仍然是缺失的证明。