但做過芯片的人都知道，這種消息要反過來讀。寫 RTL 只是第一公里，從 RTL 到 GDSII 再到流片回來，中間隔著驗證、物理設計、signoff、制造，每一步都是坑。AI 在這些環節到底能干什么、干到什么程度，才是真正值得搞清楚的問題。
所以我想寫一個系列，把 2025-2026 年 AI EDA 的全景攤開來看。不吹也不黑，把廠商說的、學術界做的、用戶實際用的，分清楚。這一篇先定調：AI 到底把芯片設計推到哪一步了。
先說我的總體判斷。學術界最近流行用一個自動駕駛的類比來給 AI EDA 分等級——L0 是純手工，L1 是算法工具輔助，L2 是 AI 預測、人做決策，L3 是 AI 編排任務、人監控，L4 是人只定義意圖、AI 全程自主。這個類比糙但好用，至少它把"輔助駕駛"和"自動駕駛"分開了。按這個標尺，行業現在的位置是：L2 已經量產，L3 剛起步，L4 還沒有任何完整的工業級驗證。
圖：AI EDA 自主化分級示意（據 Agentic EDA 綜述概念自繪）
但我想說的是另一層：雖然 L4 還很遠，范式轉移已經開始了。
什么叫范式轉移？就是設計工作的抽象層級在往上走。過去幾十年，我們從晶體管畫版圖，走到門級網表，走到 RTL，走到 HLS——每一層抽象，人離硅都更遠一步，能駕馭的復雜度就更大一截。現在 AI 正在把抽象推到一個新的層級：意圖級。你不再描述"怎么實現"，而是描述"要什么"，剩下的交給 agent 去找實現路徑。
這不是我編的。Berkeley 的開源框架 CHIA，五個 case 一路做下來，從理解已有 RTL、到改 RTL、到優化性能、到探索架構組合，本質都是同一個動作：人給目標，agent 給實現。普林斯頓那邊更激進，用強化學習加擴散模型從零生成射頻芯片版圖，不依賴任何人類模板，產出的版圖長得像二維碼，性能卻匹敵甚至超過同期最好的手工設計。數字和模擬兩個方向同時被攻破，這不是巧合，是同一件事：設計師從執行者變成目標定義者。
這個判斷我要認真對待。它不是廠商的 PPT，是學術圈和產業同時出現、互相印證的信號。所以我把它放在系列開頭，作為全系列的基調。
但基調是范式轉移，不等于現在的產品都能自動駕駛。恰恰相反，把"方向在變"和"今天就能用"混為一談，正是這個行業最容易被帶節奏的地方。這也是我寫這個系列的原因——后面會專門有一篇拆"AI 設計芯片"的敘事水分。這一篇先把地圖畫出來。
當前推進 AI EDA 的，大致是三條路線在并行。
第一條路線是 EDA 廠商內嵌 AI。Synopsys 的 AgentEngineer、Cadence 的 ChipStack/ViraStack/InnoStack/AuraStack、Siemens 的 Fuse 代理，三巨頭在 DAC 2026 上全部推出了 agentic 平臺。這一路的特點是漸進：工具鏈沒變，AI 嵌進現有流程，幫人做參數搜索、時序收斂、驗證用例生成。DSO.ai 和 Cerebrus 是這條路線最早的量產代表，用強化學習搜 PPA 設計空間，一個累計 700 多次商業流片，一個支撐 1000+ 次。這些數字來自廠商，細節在 NDA 下，但頭部大廠確實在用、確實在流片，和概念驗證不是一個量級。
第二條路線是 AI 公司自研芯片。OpenAI 的 Jalape?o 號稱 9 個月從初始設計到流片，Google 官方稱 AlphaChip 參與了 TPU 多代布局，OpenAI 也明確說開發由自家模型輔助加速——至于 Amazon 的 Trainium、Meta 的 MTIA 用到了什么程度，外界并不清楚。
這條路線最吸引眼球，也最需要拆解。以 Jalape?o 為例，官方口徑是 9 個月從初始設計到流片、業界最快 ASIC 周期；但外界拆解指出，OpenAI 和 Broadcom 在 2025 年 10 月就已披露合作了 18 個月，這 9 個月更可能是設計凍結之后的工程周期。而且按 OpenAI 總裁 Brockman 自己的說法，AI 做的那些優化，人類工程師也都想得出來——只是排期排不到而已。方向是真的，敘事是打折的。
第三條路線是開源的 agentic 框架。CHIA 是最完整的代表，把 Chipyard、gem5、FireSim、進化搜索和 LLM 編排成一個可組合的循環，五個 case 的產出 RTL 通過了 25 萬億條 SPEC CPU2006 指令的功能驗證。這條路線目前還在學術階段，但它是唯一不依賴三巨頭、可以自由改任何環節的實驗場。它的意義在于證明了"人定義目標、agent 找實現"這條路能走通——盡管功能驗證不等于物理驗證，離流片還有距離。
三條路線不是互斥的，三巨頭在把 copilot 往 agentic 延伸，開源框架在等商業工具開放接口。但有一個共同點：真正量產的都是 RL 搜索和單點優化，LLM agent 還在 L2-L3。是噱頭還是真有用？看完后面的爭議拆解，答案可能跟你想的不一樣。
DAC 2026 給了這個判斷一個現場注腳。今年長灘的 DAC，AI 成了絕對主角——EE Times 的 DAC 工程議程主席 Frank Schirrmeister 說，AI 對芯片設計的改造第一次不是分析師幻燈片上的概念，而是展廳里看得見的東西。約 130 家廠商被他拆成一個六層的"信任供應鏈"——底層是算力基礎設施，往上是設計數據、AI 模型、經典 EDA 工具、AI 增強工具，最頂層是跨工具編排的 agent 平臺，安全和標準縱向貫穿。
這個分層有意思的地方在于，它把"AI 增強"和"Agent 編排"分成了兩層：前者是單工具內嵌 AI，后者是跨工具邊界的自主流程。這兩層的成熟度差距，正好對應 L2 和 L3 的差距。DAC 現場最活躍的，反而不是三巨頭的展臺，而是一批大用戶——Samsung 一口氣演示了六項自研 AI，IBM 用 MCP 協議把 4 人周的驗證工具壓縮到 30 分鐘，TI 用深度強化學習做模擬電路 sizing。用戶不等人，開始在自己圍墻內建 AI 堆棧，這個信號比任何廠商發布都值得注意。
創業公司這邊，據公開信息統計，2025 年 7 月到 2026 年 7 月，七家核心 AI EDA 創業公司公開融資合計約 6.68 億美元，其中 Ricursive 一家就占了一半——AlphaChip 的兩位作者出來創業，A 輪 3 億、估值 40 億，產品還沒公開。資本高度集中在少數玩家身上，說明市場認為這是贏家通吃的賽道。但創業公司面前有一堵墻：signoff 信任。三巨頭花了四十年建立的晶圓廠認證和客戶信任，不是錢能快速買到的。這堵墻會不會被 AI 推翻，我后面會專門寫一篇。
所以，把全景收攏成一句話：范式轉移的方向已經清晰，設計抽象在從 RTL 級上移到意圖級；但具體到每一家公司的每個宣稱，都要按"公司自述"四個字來讀。行業在 L2 成熟、L3 起步的位置，離 L4 的全自主，中間隔著基準、接口標準和信任工程三道坎。
這個系列我會一路拆下去：下一篇拆"AI 設計芯片"的敘事水分，再往后是大用戶 DIY、創業公司、國產 EDA 的窗口，最后落到什么能真正把行業推到 L4。
第一篇先問一個問題：你所在的設計團隊，AI 工具真的進到日常流程了嗎？是 DSO.ai/Cerebrus 那種自動搜索，還是 Copilot 式問答，還是連試用都還沒開始？評論區聊聊，這個答案可能比廠商的 PPT 更接近真相。
參考文獻
[1] The Dawn of Agentic EDA: A Survey of Autonomous Digital Chip Design, arXiv:2512.23189, 2025.
[2] Frank Schirrmeister. AI in EDA is real, it's now, and it's on show at DAC 2026. EE Times, 2026-07.
[3] Frank Schirrmeister. DAC 2026: Users are not waiting, DIY AI is now in vogue. EE Times, 2026-07.
[4] OpenAI. OpenAI and Broadcom unveil LLM-optimized inference chip Jalape?o, 2026-06.
[5] yage.ai. Behind OpenAI's 9-Month Chip: What AI Actually Does in Chip Design, 2026-06.
[6] Angela Cui et al. CHIA: An open-source framework for principled, agentic AI-driven hardware/software co-design research, arXiv:2606.27350, 2026.
[7] Kaushik Sengupta. AI Is Designing Radio Chips That Humans Couldn't Even Imagine. IEEE Spectrum, 2026-06.
[8] ChipAgents. ChipAgents Achieves State-of-the-Art Results on NVIDIA's VerilogEval Benchmark (MAGE 95.7%, VerilogCoder 94.2%), 2025-01.
[9] Cadence. COMPUTEX 2026: ChipStack AI Super Agent Level-5 發布, 2026-05.
[10] Synopsys. SNUG 2025: AgentEngineer 技術路線圖, 2025-03.
