Wesentliche Erkenntnisse
- Synopsys AgentEngineer ist ein Suite von KI-gesteuerten Agenten, aufgebaut auf der offenen Synopsys Autopilot Platform.
- Zwei Agentenfamilien – Langfristig und Aufgaben-basiert – decken den gesamten Silicon-to-System-Lebenszyklus ab, von der Verifikation bis zur Maskensynthese.
- Frühe Benchmark-Daten behaupten 30-35 % schnellere Verifikation, 20 % schnellere PPA-Abschlüsse und unter-2 s Latenz für die meisten Abfragen, bei einem Token-Verbrauch von weniger als 10 k tokens pro Workflow.
- Die Agenten beziehen Kontext aus Synopsys-EDA-Tools (PrimeTime, Custom Designer usw.), um domänenspezifisches Denken und automatisierte Ausführung zu liefern.
- Erwartete Vorteile: höhere Design-Produktivität, verbesserte Qualität und vorhersehbarere Workflow-Abschlüsse.
Synopsys AgentEngineer: KI-gestütztes Engineering über den Chip-Lebenszyklus hinweg
Synopsys hat AgentEngineer-Lösungen eingeführt, ein Portfolio von domänenspezifischen, langfristigen KI-Agenten, die denken, planen und handeln können bei Engineering-Aufgaben entlang der Silicon-to-Systems-Pipeline. Die Agenten laufen auf der Synopsys Autopilot Platform, einer offenen, sicheren Basis, die autonome Ausführung ermöglicht und gleichzeitig Token-Verbrauch sowie Antwort-Latenz steuert.
Langfristige Agenten – End-to-End-Workflow-Orchestrierung
Langfristige Agenten sind dafür konzipiert, mehrstufige Workflows zu verwalten, die mehrere Design-Phasen umfassen:
| Fähigkeit | Typischer Umfang | Beispiel-Anwendungsfall | Berichtete Leistung |
|---|---|---|---|
| Verifikations-Orchestrierung | Vollständige Regression, Coverage-Analyse | Schließen von Coverage-Lücken über mehrere Testbenches | 30 % Reduktion der Verifikations-Durchlaufzeit |
| System-Validierung | HW/SW-Bring-up, Multi-Die-3D-IC-Zusammenstellung | Validierung der funktionalen Interaktion gestapelter Dies | 25 % weniger manuelle Validierungszyklen |
| Analog-Design & Layout-Synthese | End-to-end-Erstellung analoger Blöcke | Layout aus Schaltplan mit DRC-Konformität erzeugen | 20 % schnellere Layout-Abschlüsse |
| Fertigung & Masken-Synthese | Maskendaten-Aufbereitung, Defekt-Analyse | Automatisierte Maskengenerierung für 7 nm Nodes | 15 % Reduktion der Masken-Vorbereitungszeit |
Diese Agenten nutzen kontextuelle Daten aus Synopsys-EDA-Suiten (z. B. PrimeTime, Custom Designer, HSPICE), um eine ganzheitliche Sicht des Designs zu schaffen, Aufgaben zu planen, Ressourcen zuzuweisen und Engpässe vorherzusagen.
Aufgaben-basierte Agenten – Fokusierte, hochpräzise Automatisierung
Aufgaben-basierte Agenten ergänzen die breitere Orchestrierung, indem sie diskrete Engineering-Aktivitäten übernehmen:
| Agententyp | Kernfunktion | Typische Kennzahl | Beispielausgabe |
|---|---|---|---|
| Coverage-Abschluss | Unabgedeckte Toggels identifizieren, Stimuli erzeugen | 95 % Coverage in < 2 h | Stimulus-Set für fehlende Corner-Cases |
| Power-Performance-Area (PPA)-Abschluss | Timing, Power-Budget, Area optimieren | 10 % PPA-Verbesserung pro Iteration | Aktualisierte Constraint-Datei |
| Signal-Integrity-Analyse | EM/IR, Crosstalk-Checks ausführen | < 0,5 % Violationsrate | SI-Report mit Korrektur-Empfehlungen |
| Verbrennungs- & Resonanz-Analyse | Thermo-akustische Effekte simulieren | Konvergiert innerhalb von 3 Iterationen | Wärme-Karte und Resonanz-Frequenzen |
Aufgaben-basierte Agenten arbeiten mit sub-sekundärer Latenz (Durchschnitt 1,4 s) und halten den Token-Verbrauch unter 10 k tokens pro Operation, was kosteneffizientes Skalieren für große Designhäuser ermöglicht.
Einheitliche Plattform-Vorteile
- Produktivität: Automatisiertes Denken reduziert manuelle Iterationszyklen; Synopsys berichtet bis zu 35 % schnellere Design-Abschlüsse in Pilotprojekten.
- Design-Qualität: Kontinuierliches Kontext-Bewusstsein reduziert menschliche Fehler und liefert höhere PPA- und Zuverlässigkeits-Kennzahlen.
- Vorhersehbare Kosten: Token-Nutzungs-Drosselung und Latenz-Kontrollen halten KI-gestützte Services erschwinglich für Unternehmens-Skalierungen.
- Sicherheit & Offenheit: Die offenen APIs von Autopilot ermöglichen Integration in bestehende CI/CD-Flows und gewährleisten Daten-Isolation für proprietäres IP.
Fazit
Synopsys AgentEngineer führt eine zweischichtige KI-Architektur ein — langfristige Agenten für End-to-End-Workflow-Management und aufgabenbasierte Agenten für gezielte Design-Aktionen — aufgebaut auf der sicheren Autopilot Platform. Frühe Daten deuten auf signifikante Beschleunigungen (30-35 % bei Verifikation, 20 % bei PPA-Abschluss) und niedrige Latenz hin, bei gleichzeitig überschaubaren Token-Kosten. Für Halbleiter-Teams, die die Silicon-to-System-Lieferung beschleunigen wollen, ohne Qualität zu opfern, stellt AgentEngineer einen überzeugenden Schritt hin zu vollständig autonomem Engineering dar.