2026 年 AI EDA 行业全景

Cadence、Synopsys、Siemens EDA 三家把持着从芯片规格到可制造版图的整条软件链路。2026 年，这三家的 AI Agent 都拿到了明显升级，而且不约而同把推理模型塞进了自家产品：Cadence 的 ChipStack 超级 Agent、Synopsys 的 AgentEngineer，以及 Siemens 的 Fuse EDA AI Agent。

各家都在喊里程碑。Cadence 在 6 月 1 日的 Computex 上宣布其 Agent 达到了它所称的 Level 5 自主。Cadence 战略与新业务高级集团总监 Rob Knoth 对 Tom's Hardware Premium 说，那次演示是“单一领域内的受限 L5”，大部分超级 Agent 技术在“我说的进阶 L4”。Synopsys 表示 3 月 11 日展示的 spec-to-RTL（寄存器传输级）流程达到了“L4”，并告诉媒体现在为其长时程 Agent 宣称 L5 能力。Siemens 的 Agent 于 3 月 16 日发布，7 月 26 日宣布了“自验证”循环。

三大之外还有动作。华大九天董事长刘伟平 9 月 9 日表示，其 Agent 把一个版图任务从四周压缩到一周（据《南华早报》）。

问题在于：这些宣称都说得具体，但没人真正测过。所有提速数字都来自厂商或其客户自报，且普遍带着“最高可达”“早期评估”的限定语。各家衡量的对象和基准不一致，Synopsys 7 月唯一点名的外部评估方 AMD，除了背书没有提供任何分析。

从副驾驶到收敛：三代演进与自主分级

这个领域变化太快，加上各家数字口径不一，很难抓住落点。但有一条线索是清晰的：从纯人工到人工审核的 Agent 自主，分出了明显的阶段。这些 Agent 底层依赖的是已有技术，输出目标明确，便于评估。

到目前为止，进展分为三代。以 Synopsys 为例：2020 年 DSO.ai 加强化学习；2023 年 Synopsys.ai 带来生成式 AI 能力；2025–2026 年是开放的 agentic AI 技术栈。

所有决策都必须由成熟 EDA 引擎验证，Agent 只负责评估中间结果、决定下一步动作。模型的提案由已有的确定性引擎（如 Xcelium、Jasper、Questa、Calibre 或 Fusion Compiler）在迭代循环中审查，直到最终验证通过。

进展衡量没有统一标准，但存在自主性阶梯，一般从 L1 排到 L5——Siemens 例外，不用数字分级。Cadence 的阶梯是：优化 AI → 对话式 LLM → 复杂推理 → agentic 工作流 → 完全自主，后者定义为“以最少人工干预”把设计从 spec 走到验证。Synopsys 的分级框架从单个 Agent 执行单步设计任务，到多 Agent 处理复杂任务，后续方向是自适应学习，最终是 Agent 自主决策。Synopsys 强调的关键点是“人类工程师将、也必须始终在环里”。

把这些宣称放在一起看，所谓阶梯，本质上是包装同一套底层架构或循环的营销脚手架。

规格到已验证 RTL：收益最集中的前段

目前宣称收益最大的环节是前端设计与验证——把 spec 变成已验证的设计。这部分天然适合 LLM，因为 RTL、testbench 和断言本质都是代码。过去的循环要等人工分析和输入，现在 Agent 可以并行跑仿真，拿到快速的、明确的通过/失败判定。这些循环本来就存在，是 Agent 提速的黄金地带。把通常最慢的 triage（问题分诊）环节从人工换成 Agent，厂商宣称有数量级的改善。

按 Synopsys 3 月的发布，从芯片 spec 到已验证 RTL 的流程是：先从自然语言和形式化规格生成代码，然后 Agent 生成单元级 testbench，进入验证循环。7 月，Synopsys 宣称 RTL 验证最高提速 50 倍、覆盖率提升 20%——对比对象是它自家的非 Agent 流程。

Cadence 的 ChipStack（2 月推出）覆盖“自主 RTL 设计、验证与调试”，已公布的早期用户包括 Altera、Nvidia 和 Qualcomm。ChipStack 原是一家西雅图初创公司，去年 11 月被 Cadence 收购，此前已与 Xcelium 和 Jasper 做了多年集成。6 月，Cadence 称 RTL 验证可提速超过 40 倍，每位工程师用 ChipStack Agent “通过 Cadence Xcelium 并行运行数百次动态仿真……把典型的五周验证循环压缩到不到一天”。

Siemens 的 Questa One Agentic Toolkit（2 月公布）包含五个独立 Agent：RTL Code Agent、Lint Agent、CDC Agent、Verification Planning Agent 和 Debug Agent，可与 Claude Code、Cursor 以及 Siemens 自家的 Fuse 等主流 AI 编程工具配合。MediaTek 工程高级总监 Akshay Aggarwal 表示收益“立竿见影且显著”。

需要提醒的是：Synopsys 和 Cadence 的数字应该读作厂商自己对新旧循环的比值对比——回归测试循环本来就已自动化。三家公司现在的竞争焦点都是决策过程本身。

厂商性能宣称汇总：

后端：物理与几何的地盘，数字难看多了

从 RTL 验证走到实现，事情就难了。除了那些长得像前端循环的特定任务，后端宣称的收益少得多。这个阶段面对的是几何与物理，不是代码，节奏受算力限制。Knoth 说，有些工具的运行时是“几天到几周……光是跑工具本身”，一次调用“几小时到几天”才返回结果，“给 AI 行业提出了完全不同的问题”。复杂的权衡消除了单一的是/非判定，越往后错的代价越大。这条流程也更早就有 AI 集成，所以 agentic 的着力点更多在跑实验——这让情况更混沌。

Cadence 的 InnoStack 从综合到 ECO 执行并行跑实验；面向定制与模拟的 ViraStack 覆盖从画图到仿真、优化和版图移植的流程，据 Futurum 4 月报道，部分客户“报告了 3–10 倍的生产力提升”。Synopsys 的循环式实现 Agent 直接驱动 Fusion Compiler 或经其他平台运行，据 AheadComputing 称可“减少人工工程量”，Synopsys 称其改善时序、功耗、面积等质量指标。Siemens 的 Fuse 至少协调九个具名工具，包括定制 IC 设计验证的 Solido、物理实现的 Aprisa、签核验证的 Calibre，以及做 DFT 的 Tessent。改善幅度不一：Siemens 提到 Solido 把 characterization 周转时间缩短 10 倍以上、token 成本降 5–10 倍。第三方方面，STMicroelectronics 非易失存储器设计经理 Gianbattista Lo Giudice 提到，Solido Layout Analyzer 帮他们“把复杂设计模块的调试时间缩短了数周”。

华大九天按 SCMP 9 月的报道，正借其 agentic EDA 平台从“人操作工具”转向“人指挥 Agent”，平台将与合作伙伴的 Agent 协作。TrendForce 报道的一项宣称是 3D 验证“从两三个月降到不到一个月”。华大九天是中国最大的本土 EDA 厂商，2024 年 12 月起为国有控股。

自检 Agent：绕不开一个词——信任

agentic EDA 最终绕回同一个词：信任。Agent 必须在不同程度上被信任去检查自己的工作。关键审批点仍由人把守——Synopsys 产品管理执行总监 Anand Thiruvengadam 对 Tom's Hardware Premium 说：“关键的审批检查点仍然由人驱动。”循环内部，确定性引擎让结果大体可信；循环之外，信任建立在评估之上，而内部验证的可信度只取决于测试本身。各家对“自检循环”的定义和目标不同，外界只能依赖厂商的说法。

Siemens Agent 的循环简言之是 Plan、Act、Reflect、Iterate，作用于“Develop、Publish、Execute、Refine”。Siemens 所谓“自验证”，指 Agent “持续对照确定性、基于物理的 EDA 引擎校验决策”。据 SemiWiki 的 Bernard Murphy 描述 Fuse 发布：“编排器可以触发修复 Agent，然后重跑验证，这或许能解决大部分错误”——但具体的触发条件我们未能获得评论。

Cadence 的说法是超级 Agent 的“每一个动作都锚定”在自家成熟的设计与验证引擎上，以保证结果准确。这些与 Siemens 方案一样，可以在“安全的 Nvidia OpenShell 沙箱”内运行，施加护栏、保证可预测性。即便在 Level 5，工程师也能“按需检查、引导和协作”。人类工程师在自己的运行环境中工作，Knoth 解释：“超级 Agent 跑完一轮循环后……自动运行环境可以解读、理解，然后发出下一条消息，也就是下一轮迭代。”

Synopsys 同样保留人的角色：调试工作流的输出是根因分析和修复建议，由工程师落地。流程迭代地对生成的单元级 testbench 跑检查，Agent 既负责设计也负责测试本身。在 Verification AgentEngineer 中，检查失败时会查阅日志，聚合错误以勾勒最可能的成因，并对照仿真波形验证。应用修复时，Agent 必须证明 bug 确实被修掉，且应能产出 bug-fix manifest。再往后，检查点的数量由客户的信任程度和所需灵活性决定；Thiruvengadam 说，随着时间推移，“他们可能会放松，减少这些检查点”。但内部细节——重试上限、何为不可修复、何时需上报——依然模糊。

到处都是早期访问：没有一个是正式发布

数字和路线图再多，也替代不了对客户的实际价值，以及正式发布产品的真实客户。到目前为止，这些 agentic 平台都处于早期访问和评估阶段。合作有列出、大客户存在，但没有任何一个确认对应正式发布的产品。Synopsys 承诺 2026 年底前 GA；Cadence 面向 PCB 和先进封装的 AuraStack Agent 也计划今年交付。可用的产品和工作流确实存在，但整体仍然稚嫩——尽管过去一年多宣称的进步相当快。

Cadence ChipStack 自 2 月起处于早期访问；6 月扩展到承诺 2026 下半年向客户提供 L5 能力的早期访问。Synopsys 7 月宣布的调试和实现工作流，可应请求在 Microsoft Discovery 上评估——这是微软面向科研与工程领域构建和管理 agentic AI 工作流的平台。Siemens 有 2 月发布的 Questa One Agentic Toolkit 和 3 月上线的 Fuse Agent，7 月承诺在后续版本中加入自验证能力。华大九天截至发稿也在开发自己的平台。

当前各家技术栈基本都跑在 Nvidia 的 Nemotron 和 OpenShell 沙箱上。Nemotron 是一族推理模型，OpenShell 是开源运行时，用内核级隔离把 Agent 关起来，保护客户 IP、防范失控操作。两者都是开放的，没有公开障碍阻止华大九天使用，但没有宣布，它看起来是圈外的那个。

各家 EDA 厂商如何运用这项技术、给客户多大灵活性，才是真正的差异点。就在本周早些时候，Nvidia 发布了 Open Agent Safety Platform，由 OpenShell 加上 Sentry 参考设计组成——后者是一个跑在 BlueField-4 DPU 上的“带外看门狗”，可以“持续监控 Agent 行为”，毫秒级隔离失控 Agent。Cadence、Synopsys、Siemens 均在与 Nvidia 合作该平台的 100 多家组织之列。Knoth 说 OpenShell “帮助确保 Agent 规矩……不会失控去访问不该碰的数据”，Agent 要变得高效且被信任，这一点必不可少。Synopsys 的 Thiruvengadam 表达了同样的担忧。

地缘层面：截至 2025 年 5 月，Cadence 和 Synopsys 对华 EDA 销售需要许可证，同年 7 月该要求被撤销。据 ChinaTechNews，到 2030 年 EDA 预计将是中国工业软件“向全球价值链高端攀升”的关键。据 SCMP 报道刘伟平的说法，华大九天正随 agentic EDA 从传统软件授权转向按 token 消耗计费。

这个赛道的初创公司包括 ChipAgents、Cognichip、Agentrys、Silimate 和 Ricursive Intelligence，多数在 2025 年 12 月之后获得融资。而三巨头靠并购扩张——从 ChipStack 这样的初创到仿真软件商 Ansys——因为技术进展让 EDA 在 2026 年底聚足了 spotlight。即便各家平台灵活性不同，Nvidia 仍是共同底座：开放的模型族加沙箱，是三巨头共同的标准。

各厂商 agentic EDA 工具一览：

总结评论

从工程视角看，这轮 agentic EDA 的实质是把已有的确定性 EDA 引擎当作“裁判”，LLM Agent 只在决策层打转——这个架构是稳的，L4/L5 的分级更多是营销语言而非工程定义。真正值得盯的是三件事：有没有第三方测得的数字、有没有客户在正式产品流程里跑最高级 Agent，以及后端物理实现环节能否复制前端那种数量级收益——后者才是流片周期和 PPA 的瓶颈所在。Nvidia 用 Nemotron 加 OpenShell 做成事实标准这一层，对中国本土 EDA 和自主可控路线的影响，恐怕比 Agent 本身的进度更值得关注。

参考来源

• Tom's Hardware: The state of agentic AI in chip design tools in 2026