ARTICLE · 1242978
芯片流片前还敢改设计?伴芯科技用AI智能体啃下后端ECO＂硬骨头＂
芯片设计最怕什么？往往不是设计之初遇到的难题，而是临近流片甚至光罩已经生成时，突发现的功能修改需求。此时，工程师面对的就不再是简单的RTL代码调整。一个看似很小的功能变更，可能牵动已经收敛的网表、布局布线和时序结果。如果常规ECO（Engineering Change Order，工程变更）工具无法完成修改，工程师必须在极其有限的备用单元、布线资源和金属层约束下重新寻找解决方案。一旦迟迟无法收敛，不仅增加工程投入，还可能错过流片窗口，甚至面临重制光罩的巨额成本。
伴芯科技（IC Bench）正试图凭借AI智能体打破这一僵局。
在生产力智能体沙龙上，伴芯科技李邦祥展示了数字芯片物理设计智能体体系PDcrew的核心成员——PDcrew.ECO Agent。它并非只辅助单一操作，而是将功能变更、逻辑补丁生成、物理实现、时序与设计规则修复，以及最终验证串联起来，围绕明确的工程目标持续推进整个ECO流程，直至设计满足交付要求。
这正是PDcrew.ECO Agent的核心价值：它瞄准的不是芯片设计中孤立的自动化步骤，而是临近流片时，最考验工程经验、工具协同和问题收敛能力的复杂流程。
一、越接近流片，ECO越难做
理解PDcrew.ECO Agent的价值，首先要理解ECO为何被称为“硬骨头”。
在数字芯片设计中，ECO通常用于设计后期的功能修正、逻辑调整或时序优化。它并不是推倒重来，而是在已有设计成果上“动刀”。修改范围可能很小，却必须兼顾原有设计的稳定性和新功能的实现。
尤其到了后端阶段，RTL中的任一处改动，最终都需落实到网表和物理版图中。逻辑修改正确，并不意味着芯片就能实现。例如，新的逻辑需要什么单元？现有版图中有没有合适的备用单元？如果原来的实现方式不可用，能否重新组织逻辑？局部布线是否可行？修改后是否引入新的时序违例、设计规则检查（DRC）问题或天线效应？这些环节环环相扣，任何一环卡壳都可能导致ECO无法完成。
而且，ECO的难度会随着芯片设计进度不断增加。
李邦祥表示，在Pre-layout阶段，物理实现尚未冻结，设计人员仍有相对较大的调整空间。到了Post-layout阶段，修改通常需要尽量利用现有备用单元和局部布线资源，减少对既有设计的扰动。如果已经进入Post-mask阶段，光罩已经制作，这个时候允许修改的金属层和通孔层还可能受到进一步限制。
换言之，越接近流片，工程师可以选择的方案越少，需要同时满足的约束却越多。
传统自动化工具虽能承担部分工作，但当备用单元不足、补丁难以布线，或者逻辑修改引发后续时序问题时，仍需工程师深度介入，分析工具报告、调整实现方案，再重新运行工具验证结果。
这也是ECO适合成为智能体切入点的原因：它有明确的工程目标，却需要跨越多个设计环节，并根据每一步的执行结果不断调整方案。仅仅把已有脚本串起来，很难覆盖所有实际情况。
二、PDcrew.ECO Agent：从RTL修改走向物理设计收敛
目前，伴芯科技将整体数字芯片物理设计智能体方案命名为PDcrew。按照现场介绍，PDcrew并不是一个只负责单项任务的智能体，而是由多个专业Agent协同组成的物理设计组合，覆盖ECO设计、时序修复、电气验证、物理验证、逻辑验证、布局、时钟和布线等环节。
PDcrew.ECO Agent则是这一体系中的一个具体应用。
它的起点是一份已经完成正确性修改的RTL。工程师需要准备原有设计、修改后的RTL、工艺与设计文件，以及项目相关的约束和配置。智能体准备工作区、核对输入，并在关键节点要求人工确认，避免因文件或配置错误导致后续流程建立在错误的基础上。
输入确认后，智能体开始推进后续任务：理解功能变更，生成逻辑补丁，调用相应的EDA工具完成实现，并根据执行结果处理时序、DRC、天线等问题，继续迭代，直到达到项目要求的验证和签核条件。
从李邦祥现场展示的流程看，这条链路涉及RTL优化、逻辑补丁、物理实现和多项验证。相关工具包括Genus或Design Compiler、Conformal或EasyLogic、Innovus或ICC2，以及Tempus、PrimeTime和Calibre等。实际项目会根据所采用的工具链和配置选择相应工具。
这里有一个值得注意的区别：PDcrew.ECO Agent并不是简单地将几条EDA命令自动执行一遍。它试图承担过去由工程师完成的部分分析和决策工作——工具执行后发现问题，智能体需要结合反馈判断下一步该如何处理，再重新执行并检查结果。
这意味着，智能体的能力不只体现在“能不能调用工具”，还体现在能否把工具执行、问题分析、方案调整和结果验证组织成一个持续迭代的工作闭环。
当然，智能体在工作中也不是一味追求完全无人监督。现场演示中特别保留了输入配置的人工确认环节。更准确地说，伴芯科技希望让工程师从频繁的工具操作和问题接力中抽身出来，把精力更多放在功能目标、项目约束和最终结果的把关上。
三、真实案例：把难以完成的ECO继续往前推进
在基于PicoRV32的实操演示中，从准备工作区、确认输入，到生成逻辑补丁、进行物理实现和处理设计规则问题，智能体完整呈现了从功能修改向物理设计收敛推进的过程。
值得一提的是，演示并未回避时序Agent遇到后端检查点失败的环节，而是保留了问题出现、分析和修复的全过程。对于ECO智能体而言，这种“遇到挫折后继续推进”的能力比一帆风顺的自动化流程更有意义----因为真实工程的难点往往就在于中途出现问题后，能否继续把任务推进下去。
相比演示，客户案例更能说明其应用价值。伴芯科技此次共披露了五个混合信号设计案例。按照现场提供的数据，这些案例均在一天内完成了ECO收敛与签核，涉及备用单元不足、ECO布线困难，以及复杂功能修改后的时序收敛等问题。
伴芯科技现场披露的客户案例数据
这些数据中释放了两个关键信号。
其一，智能体能处理常规工具受阻的“死局”。在CTC7000和CTC27000案例中，面对原有第三方方案受到备用单元可用性的限制，PDcrew.ECO Agent通过直接网表补丁继续推进，展示了它在受限条件下的工程解题能力。
其二，补丁规模的优化不仅是数字游戏。以CTC5000为例，逻辑补丁变更数由341降至83，减少约76%。对于后端设计来说，修改范围越小，对既有设计的扰动越低，后续物理实现的工作量也越少。当然，变更数减少并不等同于PPA全面改善，仍需结合时序、布线、DRC和最终验证结果判断，但这无疑大幅降低了收敛难度。
另两个案例也体现出类似思路：CTC280000的变更数从248降至194，CTC50000则从468降至102。对这些任务而言，真正重要的不只是生成一个逻辑上可行的补丁，而是让补丁能够通过后续物理实现和验证。
需要说明的是，上述数据源于特定案例，不能简单推导为“所有ECO任务都能在一天内完成”，也不能据此认定智能体在所有设计上都优于其他方案。不同项目的规模、工艺、约束、工具配置和问题复杂度都可能影响最终结果。但至少证明PDcrew.ECO Agent已经走出概念演示，切实解决了工程痛点。
四、ECO智能体的商业价值，不只是节省工程师时间
为什么ECO值得投入智能体技术？因为它直接关乎流片进度和项目成本。
在芯片开发后期，项目往往已经投入大量设计和验证资源。一次功能变更如果无法及时完成，可能导致流片延期；如果到了光罩阶段仍然无法收敛，还可能带来额外的光罩重制成本。
因此，ECO的价值不能仅按“节省了多少分钟”来衡量，而应关注三个维度：任务能否完成、质量是否达标，能否在窗口期内交付。
从伴芯科技的案例看，PDcrew.ECO Agent的价值体现在以下三方面。
一是提高困难ECO任务的可完成性。当备用单元不足、原有工具方案受阻时，智能体尝试通过调整逻辑补丁和实现路径继续推进任务。
二是减少设计修改的范围。对于已经完成布局布线的设计，尽量缩小补丁规模，有助于控制后续实现和验证的复杂度。但是否真正降低了整体风险，仍需要由完整的物理设计结果来证明。
三是缩短从功能修改到最终交付的周期。伴芯科技表示，一些原本需要工程师投入多天甚至数周的ECO任务，可以通过智能体自动化流程明显压缩时间。对于频繁发生ECO的项目，或者对流片窗口特别敏感的项目，这种效率提升直接转化为成本节约。
这也说明，智能体的商业价值并不只取决于它能否替代多少人工操作。对于芯片设计企业而言，一个能保障项目按期交付、减少反复调试、降低后期设计变更风险的系统，远比单纯的自动化工具更具商业价值。
五、从一个ECO Agent，看数字芯片后端智能体的演进
PDcrew.ECO Agent只是伴芯科技PDcrew体系中的一个成员，但它展示了一条值得关注的技术路线：将多个专业智能体与已有EDA工具链结合，让AI围绕工程目标组织任务，而非停留在代码生成或单步工具调用层面。
数字芯片后端设计天然具有多环节、强约束和高耦合的特点。布局、布线、时序、电气和物理验证之间相互影响，一处修改可能引发一连串新的问题。要让智能体真正进入这样的工程流程，必须解决的不只是理解设计意图，还包括管理项目数据、调用专业工具、分析运行反馈、控制修改范围，以及验证最终结果。
从这个角度看，ECO是一个有代表性的切入点。它的任务边界相对明确，工程目标可以定义，工具反馈也能够用于检验每一次调整是否有效。同时，它又足够复杂，能够检验智能体是否具备跨环节协同和持续收敛的能力。
当然，ECO智能体能否在更大规模、更多工艺节点和不同EDA环境中稳定运行，能否处理更多非典型问题，以及能否在效率提升的同时持续满足功能、时序和物理验证要求，还需要更多项目实践来检验。
但至少从此次演示和客户案例看，伴芯科技已经把PDcrew.ECO Agent的目标落到了一个具体的工程问题上：不只是让AI生成一个逻辑补丁，而是让这个补丁真正进入后端实现流程，走到可交付的终点。
这或许也是芯片设计智能体下一阶段竞争的关键。真正有价值的智能体，不是多会回答问题或调用多少工具，而是能否接手一项有明确目标、有复杂约束、有失败风险的工程任务，并通过持续迭代，可靠地将项目推进到终点。
精彩热文推荐
2、AI正在重写EDA：当设计生成越来越容易，验证反而更重要！
4、OpenAI联手新思，真正要重构的不是EDA，而是芯片工程
5、国产EDA的新机会，不在“复制”Synopsys和Cadence
6、国产CIS再登高端主摄C位！小米18系列旗舰搭载思特威两颗2亿超大底传感器!
