AI原生EDA重塑电子设计:从工具迭代到方法论革新 ——西门子推进半导体与 PCB 设计的自验证智能体 工作流

在电子系统设计复杂度指数级攀升的今天，如何将芯片设计周期从18个月压缩至9个月？这不仅是半导体产业的迫切需求，也是整个电子行业创新节奏的缩影。

在2026年度西门子EDA论坛上，西门子EDA全球高管团队给出了他们的答案——以AI原生设计为核心，通过构建“更快的引擎、更智能的执行、可信的结果”三大支柱，正在驱动电子设计自动化（EDA）从传统的工具时代，迈向智能体（Agent）与人类工程师深度融合的新范式。

西门子EDA集成电路产品事业部执行副总裁Ankur Gupta指出，四大行业趋势正同时加速演变：到2028年，78%的芯片将集成AI加速器；软件定义产品已成为主流；异构集成正通过Chiplet技术推动超越摩尔定律的发展；而“可信结果”始终是不可撼动的基石。面对从芯片到系统乃至系统级系统的设计挑战，西门子EDA提出了清晰的战略框架。

“更快的引擎”是指依托GPU加速计算等底层技术，大幅提升EDA核心工具的运行效率。“更智能的执行”则通过引入AI智能体，实现设计流程的自动化编排与自主优化。

“可信结果”则依赖于西门子深厚的物理验证引擎（如Calibre）和基于物理原理的算法，确保每一次流片的可靠性。这三大支柱相互支撑，共同构成了应对AI时代设计复杂度的方法论基础。

行业对于AI在EDA中的应用，已从早期的“AI辅助”演进至如今的“AI原生”。这并非简单的概念更迭，而是代表了技术能力的本质飞跃。

Ankur Gupta解释道，早期的AI辅助主要是在传统算法基础上叠加机器学习模型，而AI原生则依托于大语言模型（LLM）的强大建模与概率推理能力，在设计空间探索中展现出更广的覆盖、更快的速度和更高的精度。

这一质变的集中体现，是西门子推出的Fuse™基础模型及其智能体AI系统。该系统整合 NVIDIA 新一代 AI 技术，支持长时间运行、面向特定领域的 AI 智能体开展推理、执行动作，同时依托具备确定性、基于物理原理的 EDA 引擎持续校验各项决策。

Fuse构建了结构化的EDA数据本体论，使得不同任务的AI智能体能够相互通信、自动验证结果，并自主完成复杂的协同工作流。

例如，在定制IC设计领域，Solido Characterization Suite智能体允许工程师只需输入自然语言指令，如“对所有单元进行特征化”，系统便能自动处理涵盖数千个单元、多种工艺电压温度（PVT）角点的复杂任务，实现特征化速度提升10倍、Token成本降低10倍的突破。

而在数字验证领域，Questa One Agentic Toolkit则能自动生成验证计划和测试用例，将占据设计周期70%的验证环节推向自动化。

在论坛的媒体沟通环节，关于技术如何真正转化为生产力的讨论尤为深入。 “在使用西门子EDA过程中，工程化应用有哪些需要注意的关键点？”西门子EDA全球副总裁兼中国区总经理凌琳的回答道出了行业普遍的痛点与应对之道。

凌琳指出，前些年行业对AI的关注更多停留在某种“虚无的幻想”中，而非真正工程化地解决问题。工程化应用的关键，首先在于摆正期望值，不被宣传迷惑双眼。要认识到AI是强大的“利器”，但如何用好这把利器，需要工程人员与客户紧密协作，共同探索。中国客户的需求非常高，既要求质量又要求速度，因此双方需要共同学习，探索新的应用场景。

其次，工程师的技能结构正在发生根本性转变。现在，借助生成式AI和智能体，大量基础性、可并行的工作可以由AI代劳。工程师的核心能力转向更专业的判断力：如何清晰定义任务、如何评估智能体的输出、如何在出现问题时进行调试，以及如何确保最终结果满足设计要求。

再者，服务的定制化与灵活性至关重要。不同客户的需求千差万别，有些客户可能由于合规原因无法使用国外大模型，只能采用国产LLM。因此，EDA系统必须具备开放性，支持客户“自带模型”（BYOM），并允许接入本地模型进行定制化应用。工程团队需要根据客户的具体需求，灵活微调服务能力，帮助客户在保障信息安全的前提下，实现效率提升和流程优化。

“以前的目标是‘管好工具’，现在则是与客户‘共同学习’，利用工具达到可信的结果，一次点亮芯片，保障良率。”凌琳的总结，勾勒出工程化应用的真正内涵：技术再先进，最终价值也体现在与客户具体场景的深度结合和对实际痛点的有效解决上。

智能体AI的崛起引发了关于“工程师是否会被取代”的广泛讨论。西门子EDA全球副总裁兼亚太区技术总经理Lincoln Lee给出了一个不同视角的答案：智能体并非要替代核心引擎或工程师，其核心价值在于释放生产力，并根本性地改变工程师的技能要求与交互方式。

过去，工程师需要精通每一条EDA工具的具体英文命令，培训重点在于操作细节。现在，通过自然语言交互，工程师只需明确“做什么”并做出专业判断，具体的执行过程由智能体代为完成。

培训重心转向如何定义任务、评估智能体输出、进行调试修正以及确保设计满足要求——这些高阶的专业判断与验证能力，成为未来工程师的核心素养。

“当工具普及使得做出能工作的IC变得容易时，做出有商业价值、有市场竞争力的IC反而变得更难。”

Lincoln Lee强调。在人人皆可设计的时代，如何在架构上创造差异化优势，对工程师提出了更高门槛。

正如西门子EDA全球副总裁兼中国区总经理凌琳所言：“这不是‘硅基智能’完全取代‘碳基智慧’，而是相辅相成。”AI将处理大量重复性、并行化的基础工作，从而加速生产效率和产品上市周期，让工程师得以聚焦于最具挑战性的科学问题与差异化创新。

AI原生的EDA必然涉及大量敏感数据的处理与模型训练。如何平衡生态开放性与客户数据安全，成为行业关注焦点。

Ankur Gupta明确表示，西门子EDA的Fuse系统部署在客户本地环境，所有数据包括使用第三方工具生成的结果均保留在客户本地，绝不回传西门子。系统支持“自带模型”（BYOM），允许客户在自有安全环境中进行数据训练和微调，并严格禁止将支持性客户数据用于模型预训练。

这种本地化、开放且安全的设计，使其能够无缝集成大客户内部的AI平台。同时，通过支持模型上下文协议（MCP）等开放标准，客户可以自由混搭西门子与其他厂商的工具及技能，甚至接入本地国产大模型，满足定制化需求。这种开放性正是西门子EDA在激烈竞争中的关键差异化优势。

AI、软件定义与异构集成的融合，正将设计复杂度从芯片层面推向整个电子系统。西门子EDA不仅是芯片设计的赋能者，更是系统级创新的推动者。

通过与NVIDIA等伙伴的深度合作，利用GPU加速计算与高性能仿真平台（如Veloce），西门子EDA正在实现软硬件协同设计与预验证的左移，帮助客户在芯片流片前就能验证万亿级的仿真周期。

凌琳指出，中国客户对AI的需求处于早期且旺盛，既追求极致性能与成本效益，也关注本地模型的适配。西门子EDA正通过全球统一的产品组合与本地深耕的工程团队，与客户共同探索新的应用场景。

从工具到智能体，从操作到决策，EDA的演进正在重塑电子设计的全貌。正如Ankur Gupta所言：“我们的目标是将芯片设计周期从18个月缩短至9个月。”

在这场由AI原生设计驱动的方法论革新中，工程师的价值得以升华，创新的边界得以拓展，一个更高效、更智能、更可信的电子系统设计时代已然开启。