立即询价 EDA行业的AI智能体来了！正重构芯片设计
发布时间：2025-12-05
电子发烧友网报道（文/黄晶晶）当前，国内芯片设计企业面临一个突出矛盾在于越使用先进EDA工具，越需要投入更多工程师，这与当前企业控制成本的诉求严重相悖。而通过“电子设计自主化”，EDA智能体让客户自助解决芯片设计难题，真正提升资深工程师效率、降低人力成本。
在ICCAD年会上，伴芯科技CEO朱允山博士接受了包括电子发烧友网在内的行业媒体采访，就当前Agentic AI对于芯片设计的重要性、优势以及未来趋势等话题进行了分享。
伴芯科技成立于2020年，是一家专注于大模型与芯片设计融合应用的新型EDA企业，核心团队成员在EDA行业积累颇深，为技术落地提供了坚实保障。凭借“AI智能体+EDA”的创新路径，伴芯科技已获得红杉中国、联想创投、顺为资本、弘晖基金等知名机构多轮投资，成为半导体领域备受关注的创新力量。
朱博士表示，“我们服务与传统EDA相同的半导体设计客户，但核心能力聚焦大模型在芯片设计中的应用，而非底层数据结构优化。传统EDA强调电子设计自动化，而伴芯科技致力于实现电子设计自主化，通过AI智能体让客户自助解决芯片设计难题，真正提升资深工程师效率、降低人力成本。我们正推动EDA向Agentic EDA的新范式演进。最终实现‘芯片自主设计闭环(Autonomous Chip Design)’。”
两大EDA智能体产品加速芯片设计
伴芯科技发布了两款核心EDA智能体产品DVcrew与PDcrew，均聚焦数字芯片设计的关键痛点，且已实现可量化的效率提升。这两款产品是Agentic EDA理念的具体实践。
首先是DVcrew产品，旨在攻克芯片设计验证难题。
设计验证是芯片设计流程中公认的核心难题，功能失效是导致流片失败的首要原因。功能验证环节不仅占据最长的研发周期，验证团队规模通常也是RTL设计团队的2至5倍，使其成为芯片设计中最严峻的挑战。SoC芯片设计集成了多个处理器及数百个组件，验证工作需确保每个组件的RTL代码及其间所有交互的正确性，其复杂性不言而喻。设计验证工程师表示，在芯片中发现所有bug需要99%的努力和1%的运气，而DVcrew的目标，正是通过AI智能体将这1%的运气成分降至最低。在芯片中发现一个bug，需要找到一个引发bug的测试向量序列，并且可观察到checker或者断言的触发。DVcrew像一个高度成熟的设计验证团队合作伙伴，它融合了AI智能体、RTL分析、规格说明分析、仿真轨迹与形式化验证等多种先进技术，生成适用于各种验证环境的断言，并高效发现深层漏洞，在设计验证中使用DVcrew，客户有望在提升芯片质量的同时，显著降低整体设计验证成本。
朱博士表示，在前端验证领域，针对“80%时间解决20%剩余问题”的长尾曲线难题，伴芯科技的EDA智能体DVcrew产品可精准缩短验证环节后 80% 的问题解决时间，帮助客户突破传统验证流程的效率瓶颈。
PDcrew产品则是破解物理设计的不确定性。一旦前端设计人员完成RTL freeze，芯片流程的挑战就转移到物理设计，就是将网表转换为代工厂能接受的GDS版图。这一转换是芯片设计流程中最不确定的环节，因为它深受RTL网表和芯片物理设计约束的影响。伴芯科技历经数年时间研发新一代布局布线引擎，适用于智能体框架，旨在流程中减少人工参与，提供从网表到GDS的一站式解决方案。PDcrew也为工程变更（ECO）流程提供高效解决方案，设计师可以在尽量减少设计或掩膜更改的情况下完成变更需求。网表到GDS转换中的自主流程智能体能够每周7天、每天24小时运行，持续优化芯片的性能、功耗和面积（PPA）。
朱博士表示，在后端物理设计领域，针对时序收敛（Timing Closure）和ECO（Engineering Change Order）违规修复等行业痛点，AI智能体将原本需要手工处理的100个违规问题缩减至10个以内，实现ECO 修复效率10倍提升。据介绍，这一成果已在全球前20大芯片设计公司的合作中得到验证。
伴芯科技的产品竞争力主要依托三大核心技术能力。一是于开源大模型进行监督微调（SFT, Supervised Fine Tuning）与强化学习优化，规避初创企业自主训练千亿级大模型的资源压力。朱博士透露，关于行业普遍关注的高质量芯片数据稀缺问题，公司已通过强化学习技术实现突破。二是自主开发EDA工具接口，实现大模型与现有设计流程的深度整合；三是构建涵盖芯片设计全流程的知识库（ICB KnowledgeBase），并支持客户将专属Know-how固化为模型知识，解决ToB领域AI应用的实际难题----这正是构建实用EDA智能体的核心。
全球头部客户合作落地、商业模式灵活
目前，伴芯科技已在商业化领域取得显著进展。朱博士透露，公司已与全球前20大芯片设计公司及国内外多家头部半导体企业达成深度合作。
这种合作热度背后，是国内外市场对产品价值的共同认可，同时也呈现出差异化需求。海外头部企业更看重通过技术创新巩固垄断地位，而国内企业在经济环境下，除了关注 PPA（性能、功耗、面积）指标，更聚焦于通过大模型提升团队效率，在相同人力配置下承接更多项目，或直接降低人员成本。
商业模式上，伴芯科技开创了灵活适配的服务模式。针对已有GPU 服务器的大型设计公司，将模型与软件部署于客户本地网络，保障数据安全。针对中小型企业，联合投资方生态提供 “GPU服务器+EDA智能体”一体化服务，弥补传统EDA用户缺乏GPU算力的短板。这种模式既贴合行业数据保密需求，又降低了客户准入门槛。
国内EDA加强生态协同
与EDA三巨头也在布局AI相比，伴芯以其灵活高效的优势致胜。朱博士表示，在Agentic EDA这一新兴赛道上，EDA巨头们最多比国内企业领先三年，大家基本站在同一起跑线。虽然三大家规模雄厚，但内部前端与后端团队分属不同 BU，协调成本高，难以实现流程化创新。而伴芯科技的优势在于“船小好掉头”，前端、后端、AI团队协同高效，可快速整合全流程需求，解决大模型应用中的 “幻觉问题”等关键痛点。
同时，中国EDA企业能够发挥开源大模型的本土优势。当前美国大模型多走闭源路线，而芯片设计领域对数据安全要求高，客户核心数据上传至第三方平台具有安全风险，而使用开源模型更具适配性。
朱允山博士表示，国产EDA应精准把握本土客户痛点，加强生态协同。对于伴芯科技而言，通过众多顶级投资机构的加持，公司也能够接触到众多优秀的芯片设计企业。希望联合芯片设计、EDA厂商、大模型企业等战略合作伙伴，以AI智能体为核心，共同推动 Agentic EDA 的发展，开辟一条通过生态协同解决EDA卡脖子问题的新路径。
EDA的AI时代已经到来，AI正在重构芯片设计。AI智能体对EDA必将产生深远影响，它显著提升了设计效率与质量，重塑设计流程与角色分工，促进技术创新与生态发展
相关新闻
据最新消息，美国总统特朗普已批准英伟达向中国出口其H200人工智能芯片，但要求从销售额中抽取25%作为分成。这意味着英伟达在游说美国政府放宽对华芯片出口限制方面，取得了关键进展。此次批准被视为一种“妥协”。此前，英伟达一直希望向中国销售其更先进的Blackwell系列芯片，但美政府目前仍明确表示不赞成。H200芯片性能虽低于Blackwell，但强于此前已获准对华出口的H20芯片，主要用于AI模型
2025-12-10
2025年度芯片“性能王者”有哪些?前 TI 资深工程师、外网硬核测评博主 JohnTee给出跟随这份芯片榜单，《半导体器件应用网》对五款芯片的技术手册进行了深入研读，旨在从底层架构的演变中，解码当前微控制器芯片选型的新逻辑与核心趋势。TOP 5 MCU/SoC芯片排名第五名：Nordic(诺迪克半导体) nRF54L Series (nRF54L15) SoC芯片这款SoC芯片通过先进工艺奠定能
2025-12-29
这家端侧AI芯片企业冲刺港股IPO，AI Scaler全面出货3700万颗
端侧算力提升与多模态交互普及，使终端设备对智能显示与感控芯片性能要求更高。显示芯片要增强信号解析与图像渲染，满足AI动态视觉呈现；感控芯片需实现高精度触控识别与环境感知，支持多维度人机交互。AI演进带动这两类芯片结构升级与价值提升，成为智能生态核心。在此背景下，曦华科技凭深厚积累与创新实力，全力冲刺港股IPO。智能显示芯片和智能感控芯片定义和分类智能显示芯片作为显示系统的核心控制与处理单元，承担着
2025-12-18
