Siemens 的赌注:让 AI Agent 当验证工程师的＂副驾驶＂

EDA 行业最值钱的那句话一直是："把工具做更快，工程师就能做更多。"Siemens 最近直接把这句话否了。他们说瓶颈不是工具慢，是工程师花在协调工具上的时间太多了。

于是他们做了一个看起来保守、实际上野心很大的产品：Questa One Agentic Toolkit。不是做一个超级 AI 替你签核，而是做五个"副驾驶"，帮你在 RTL 验证的各个环节少做重复劳动。

这个选择背后，藏着一个对 EDA 行业未来五年的关键判断。

验证生产力的瓶颈，早就不是引擎了

过去二十年，EDA 公司的竞争逻辑很直接：谁的 solver 更快、谁的仿真器容量更大、谁的形式验证能跑更大规模的设计，谁就能赢。当设计规模线性增长时，工具性能的线性提升确实能跟上。

但现代 SoC 不是一回事了。3D IC、chiplet 架构、软件定义系统——这些不是"更大的电路"，是"更复杂的系统"。多时钟域、激进功耗管理、嵌入式软件、后期架构变更，这些因素叠加后，验证不再是一个线性活动。你不能"计划一次、执行到底"。

一个验证工程师的典型一天：启动仿真、等结果、看覆盖率、发现缺失、调整测试、重新跑、对比上次结果、跟设计工程师沟通、改验证计划、再跑。循环往复。

行业里有个共识：验证工程师花在"协调"上的时间，已经超过了花在"判断"上的时间。

说白了，工具跑得再快，也抵消不了你在五个工具之间来回切换、反复确认、手动对齐的时间损耗。

这就是 Questa One Agentic Toolkit 要解决的问题——不是让单个引擎更快，而是让整条验证流程少一些"手动挡"。

这类流程痛点，也正是 AI+EDA 可以发力的方向。IC Agent Hub 提供 Benchmark 质量验证，自动检测技能安全性和环境兼容性，让工程师放心下载、开箱即用，少走弯路。

"副驾驶"而不是"自动驾驶"

Questa One 最值得注意的设计选择，是它明确拒绝了"全自动验证"这条路。文章里有一句话分量很重：

翻译过来就是：人类审查不是"AI 还不够成熟所以暂时需要你盯着"，而是"我们故意这么设计的"。

这对 EDA 行业来说是个诚实到近乎残酷的判断。RTL sign-off 的决策经常涉及不完整的规格说明、隐性假设，以及需要在风险和进度之间做取舍——这些是 LLM 目前最不擅长的领域。

Siemens 的选择是：Agent 负责提议、执行定义明确的任务、把关键信息摆到台面上。工程师保留所有 sign-off 关键节点的最终决定权。

从商业策略上看也很聪明。验证工程师是 EDA 工具的核心用户，让他们觉得"被替代"和让他们觉得"被赋能"，是两个完全不同的产品叙事。Siemens 选了后者。

五个 Agent，覆盖验证全链路

五个 Agent 不是随机选的功能点，而是覆盖了 RTL 验证的核心链路。

RTL Code Agent 从自然语言描述生成可综合 RTL，同时做 lint 和静态分析。它的价值不在于"AI 能写代码"——GitHub Copilot 早就在做——而在于"生成的代码自带验证感知"。写出来的 RTL 从第一版就开始对齐验证期望，不是"能跑就行"。

Lint Agent 解决的是一个被严重低估的问题：lint 配置本身就是一门手艺。有经验的工程师知道哪些规则对该设计是关键，哪些可以 waiver。Lint Agent 把这个知识沉淀下来，自动优化配置、分析结果、建议修复。

CDC Agent 处理时钟域交叉验证——现代 SoC 中持续存在的风险源。CDC 分析的配置、迭代、收敛是个反复打磨的过程，Agent 的价值在于"智能迭代"——不是机械重跑，而是根据上次结果调整策略。

Verification Planning Agent 可能是五个 Agent 中最有战略价值的一个。验证计划是验证流程的"大脑"，但它往往是一份静态文档，跟不上设计的动态变化。这个 Agent 分析设计规范，生成结构化的、机器可读的验证计划，并且随设计一起进化。

Debug Agent 解决的是验证中最耗时的环节。Debug 消耗了验证团队不成比例的时间——关联波形、断言、覆盖率数据、日志，识别失败签名，提出根因假设。Agent 不替代工程师的直觉，而是加速"从看到问题到理解问题"的路径。

这五个 Agent 的共同特征是四个：引擎级别的执行资格、持久的上下文感知、带显式审批的有限行动范围、跨步骤和迭代的智能。缺一不可。

MCP：EDA 的"App 接口"时刻？

技术底座是 MCP（Model Context Protocol）——通过结构化的引擎接口，让 agentic 系统能够安全、可预测地调用工具、检索结果、观察验证状态。

这听起来像是 API 的事情，关键区别在于"语义层面的暴露"。不是把工具输出当文本解析，而是通过引擎原生接口获取结构化、可推理的上下文。

Siemens 有一个外部 wrapper 无法复制的优势：它自己拥有底层引擎。MCP 接口可以与工具能力同步演进，暴露那些外部系统无法可靠获取的内部状态。

更重要的是，它选择了开放路线。虽然 Questa One Agentic Toolkit 与自家的 Fuse EDA AI 深度优化，但它被设计为 framework-agnostic，支持通过标准化接口集成第三方 agentic 编排环境。

EDA 行业的历史上，封闭生态和开放生态的战争打了无数次。Siemens 在 agentic AI 这个关键转折点上选择了开放——至少目前是这样。

谁受益？谁需要警惕？

验证工程师是第一个受益的群体——减少重复性协调工作，把时间花在判断和风险评估上。中小型设计团队也是赢家，lint/CDC 配置这类需要深度经验的任务，门槛被降低了。

对 EDA 公司来说，agentic AI 可能重新定义竞争维度——从"引擎性能"转向"工作流智能化程度"。

需要警惕的是纯 AI wrapper 类初创公司。如果引擎级原生集成是 agentic EDA 的前提，那"在外面套一层 LLM"的模式天花板很低。依赖传统工具链的设计团队也要跟上——验证计划的机器可读化、随设计进化的验证策略，会拉大先进团队和落后团队的差距。

还有那些对"AI 全自动验证"抱有期待的团队——Siemens 已经明确说了，这条路在可预见的未来不是方向。

写在最后

Questa One Agentic Toolkit 最有趣的地方不是"它做了什么"，而是"它刻意不做什么"。

它不做全自动验证。不做黑盒 sign-off。不用 AI 替代工程师的判断。

它做了一个看起来保守但极其务实的选择：承认 agentic AI 的能力边界，把人类判断放在架构中心，然后用 AI 加速"从 A 到 B"之间的所有机械性工作。

在 EDA 行业，"激进"和"靠谱"经常是对立的。Siemens 在这件事上选了后者。

这恰恰可能是最聪明的一步。验证工程师要的不是一个能代替他们签核的 AI——他们要的是一个能让他们少跑十次仿真、少调五次 lint 配置、少花三小时看波形的工具。

Questa One Agentic Toolkit 给出的答案很直接：更快的进度，保持严谨，信任由设计保证。

如果你对 AI+EDA 工具感兴趣，或者正在探索芯片设计流程自动化，关注回复「合作」，可以深入交流。IC Agent Hub 支持 SaaS 体验与私有化部署，后续会持续更新这个系列，关注不迷路。

作者：麒芯

来源：Siemens SemiEngineering, Questa One Agentic Toolkit 白皮书

本文基于公开资料进行分析，仅供参考交流，不构成任何投资或技术建议。

💬 加入 IC Agent 技术交流群

群里聚集了芯片设计工程师、IT/CAD 负责人和 AI+EDA 从业者，聊技术、聊工具、聊行业趋势。

👉 关注回复「加群」，拉你进群一起聊

👉 关注回复「合作」，如果你在做 AI+ 芯片/EDA 相关，欢迎来聊

后续会持续更新这个系列，关注不迷路。