電子發燒友網報道（文/黃晶晶）當前，國內芯片設計企業面臨一個突出矛盾在于越使用先進EDA工具，越需要投入更多工程師，這與當前企業控制成本的訴求嚴重相悖。而通過“電子設計自主化”，EDA智能體讓客戶自助解決芯片設計難題，真正提升資深工程師效率、降低人力成本。

在ICCAD年會上，伴芯科技CEO朱允山博士接受了包括電子發燒友網在內的行業媒體采訪，就當前Agentic AI對于芯片設計的重要性、優勢以及未來趨勢等話題進行了分享。

圖：伴芯科技CEO朱允山博士

伴芯科技成立于2020年，是一家專注于大模型與芯片設計融合應用的新型EDA企業，核心團隊成員在EDA行業積累頗深，為技術落地提供了堅實保障。憑借“AI智能體+EDA”的創新路徑，伴芯科技已獲得紅杉中國、聯想創投、順為資本、弘暉基金等知名機構多輪投資，成為半導體領域備受關注的創新力量。

朱博士表示，“我們服務與傳統EDA相同的半導體設計客戶，但核心能力聚焦大模型在芯片設計中的應用，而非底層數據結構優化。傳統EDA強調電子設計自動化，而伴芯科技致力于實現電子設計自主化，通過AI智能體讓客戶自助解決芯片設計難題，真正提升資深工程師效率、降低人力成本。我們正推動EDA向Agentic EDA的新范式演進。最終實現‘芯片自主設計閉環(Autonomous Chip Design)’。”

兩大EDA智能體產品加速芯片設計

伴芯科技發布了兩款核心EDA智能體產品DVcrew與PDcrew，均聚焦數字芯片設計的關鍵痛點，且已實現可量化的效率提升。這兩款產品是Agentic EDA理念的具體實踐。

首先是DVcrew產品，旨在攻克芯片設計驗證難題。

設計驗證是芯片設計流程中公認的核心難題，功能失效是導致流片失敗的首要原因。功能驗證環節不僅占據最長的研發周期，驗證團隊規模通常也是RTL設計團隊的2至5倍，使其成為芯片設計中最嚴峻的挑戰。SoC芯片設計集成了多個處理器及數百個組件，驗證工作需確保每個組件的RTL代碼及其間所有交互的正確性，其復雜性不言而喻。設計驗證工程師表示，在芯片中發現所有bug需要99%的努力和1%的運氣，而DVcrew的目標，正是通過AI智能體將這1%的運氣成分降至最低。在芯片中發現一個bug，需要找到一個引發bug的測試向量序列，并且可觀察到checker或者斷言的觸發。DVcrew像一個高度成熟的設計驗證團隊合作伙伴，它融合了AI智能體、RTL分析、規格說明分析、仿真軌跡與形式化驗證等多種先進技術，生成適用于各種驗證環境的斷言，并高效發現深層漏洞，在設計驗證中使用DVcrew，客戶有望在提升芯片質量的同時，顯著降低整體設計驗證成本。

朱博士表示，在前端驗證領域，針對“80%時間解決20%剩余問題”的長尾曲線難題，伴芯科技的EDA智能體DVcrew產品可精準縮短驗證環節后 80% 的問題解決時間，幫助客戶突破傳統驗證流程的效率瓶頸。

PDcrew產品則是破解物理設計的不確定性。一旦前端設計人員完成RTL freeze，芯片流程的挑戰就轉移到物理設計，就是將網表轉換為代工廠能接受的GDS版圖。這一轉換是芯片設計流程中最不確定的環節，因為它深受RTL網表和芯片物理設計約束的影響。伴芯科技歷經數年時間研發新一代布局布線引擎，適用于智能體框架，旨在流程中減少人工參與，提供從網表到GDS的一站式解決方案。PDcrew也為工程變更（ECO）流程提供高效解決方案，設計師可以在盡量減少設計或掩膜更改的情況下完成變更需求。網表到GDS轉換中的自主流程智能體能夠每周7天、每天24小時運行，持續優化芯片的性能、功耗和面積（PPA）。

朱博士表示，在后端物理設計領域，針對時序收斂（Timing Closure）和ECO（Engineering Change Order）違規修復等行業痛點，AI智能體將原本需要手工處理的100個違規問題縮減至10個以內，實現ECO 修復效率10倍提升。據介紹，這一成果已在全球前20大芯片設計公司的合作中得到驗證。

伴芯科技的產品競爭力主要依托三大核心技術能力。一是于開源大模型進行監督微調（SFT, Supervised Fine Tuning）與強化學習優化，規避初創企業自主訓練千億級大模型的資源壓力。朱博士透露，關于行業普遍關注的高質量芯片數據稀缺問題，公司已通過強化學習技術實現突破。二是自主開發EDA工具接口，實現大模型與現有設計流程的深度整合；三是構建涵蓋芯片設計全流程的知識庫（ICB KnowledgeBase），并支持客戶將專屬Know-how固化為模型知識，解決ToB領域AI應用的實際難題----這正是構建實用EDA智能體的核心。

全球頭部客戶合作落地、商業模式靈活

目前，伴芯科技已在商業化領域取得顯著進展。朱博士透露，公司已與全球前20大芯片設計公司及國內外多家頭部半導體企業達成深度合作。

這種合作熱度背后，是國內外市場對產品價值的共同認可，同時也呈現出差異化需求。海外頭部企業更看重通過技術創新鞏固壟斷地位，而國內企業在經濟環境下，除了關注 PPA（性能、功耗、面積）指標，更聚焦于通過大模型提升團隊效率，在相同人力配置下承接更多項目，或直接降低人員成本。

商業模式上，伴芯科技開創了靈活適配的服務模式。針對已有GPU 服務器的大型設計公司，將模型與軟件部署于客戶本地網絡，保障數據安全。針對中小型企業，聯合投資方生態提供 “GPU服務器+EDA智能體”一體化服務，彌補傳統EDA用戶缺乏GPU算力的短板。這種模式既貼合行業數據保密需求，又降低了客戶準入門檻。

國內EDA加強生態協同

與EDA三巨頭也在布局AI相比，伴芯以其靈活高效的優勢致勝。朱博士表示，在Agentic EDA這一新興賽道上，EDA巨頭們最多比國內企業領先三年，大家基本站在同一起跑線。雖然三大家規模雄厚，但內部前端與后端團隊分屬不同 BU，協調成本高，難以實現流程化創新。而伴芯科技的優勢在于“船小好掉頭”，前端、后端、AI團隊協同高效，可快速整合全流程需求，解決大模型應用中的 “幻覺問題”等關鍵痛點。

同時，中國EDA企業能夠發揮開源大模型的本土優勢。當前美國大模型多走閉源路線，而芯片設計領域對數據安全要求高，客戶核心數據上傳至第三方平臺具有安全風險，而使用開源模型更具適配性。

朱允山博士表示，國產EDA應精準把握本土客戶痛點，加強生態協同。對于伴芯科技而言，通過眾多頂級投資機構的加持，公司也能夠接觸到眾多優秀的芯片設計企業。希望聯合芯片設計、EDA廠商、大模型企業等戰略合作伙伴，以AI智能體為核心，共同推動 Agentic EDA 的發展，開辟一條通過生態協同解決EDA卡脖子問題的新路徑。

EDA的AI時代已經到來，AI正在重構芯片設計。AI智能體對EDA必將產生深遠影響，它顯著提升了設計效率與質量，重塑設計流程與角色分工，促進技術創新與生態發展。