ICCAD 2025：算力革命下，Agentic AI 开启芯片设计智能新纪元_Workbench_System

ICCAD 2025：算力革命下，Agentic AI 开启芯片设计智能新纪元

当半导体产业迈入算力竞争的深水区，芯片设计的复杂度与迭代速度正持续突破极限。作为产业基石的 EDA（电子设计自动化）工具，面临着前所未有的挑战。而 AI 技术的崛起，正以颠覆性力量重塑 EDA 行业的发展逻辑——从工具辅助迈向智能驱动，从单点优化演进至多智能体协同的自主化设计。AI 不仅致力于破解芯片设计中生产力与 PPA（性能、功耗、面积）的平衡难题，更推动 EDA 行业在 40 年技术演进后迎来质的飞跃。

在日前于成都举行的 ICCAD-Expo 2025 上，Cadence 数字与签核事业部资深产品总监潘安发表了题为“驱动 EDA 未来的代理式 AI：芯片设计卓越新时代”的演讲，全面阐述了 EDA 工具四十年的演进历程，并分享了 Cadence 如何通过代理式人工智能（Agentic AI）引领芯片设计迈向更高级别的自动化。Cadence 系统仿真资深产品经理吴磊则在技术论坛上，针对当前车辆 EMC/EMI 仿真面临的挑战及其创新解决方案进行了深入探讨。

Agentic AI 引领芯片设计进入自主新时代

当 ChatGPT 引发的大模型浪潮席卷千行百业，半导体产业也迎来了其智能化转型的关键节点。在算力需求爆发与设计复杂度飙升的双重压力下，传统 EDA 设计方法已难以满足日益增长的高效、高质设计需求。在这一背景下，人工智能正从“辅助工具”逐步演变为“核心驱动力”，推动芯片设计范式发生根本性变革。

回顾 EDA 行业 40 年的演进历程，潘安强调，行业始终以设计抽象化为核心路径提升研发效率。从最初的晶体管级手动布局，逐步演进至自动化单元布局布线、RTL 综合，再到如今的高级别设计阶段，每一次技术跃迁都带来了芯片设计生产力的飞跃，这一过程始终围绕着提升设计抽象层次和优化仿真算法两条主线展开，而如今人工智能已成为推动行业进入下一个发展阶段的关键力量，Agentic AI 技术的崛起正成为 EDA 行业发展的全新引擎。

行业数据印证了这一趋势。潘安展示的研究数据显示，2020 年，AI 在先进芯片设计中的作用尚微乎其微；而如今，约一半的先进芯片已借助 AI 进行设计。随着 Agentic AI 在行业的加速落地，预计到 2028 年，超过 90% 的先进芯片设计都将离不开 AI 的加持。

他强调，代理式 AI 的兴起将进一步释放设计潜力，不仅能够提升芯片设计效率与质量，还将显著缩短产品上市时间。AI 已不再仅仅是工具，而是正在成为能够执行复杂任务、协同多个子系统的“设计伙伴”，推动设计流程向着自主化方向稳步迈进。

支撑 Agentic AI 落地的，是两大积极趋势。首先是 AI 模型“多快好省”的发展。从 GPT-3 到 GPT-4，模型性能实现质的飞跃，部分模型得分已超越人类专家。更关键的是，模型在性能提升的同时，参数规模和硬件成本也在优化。潘安以 Llama Nemotron 49B 模型为例，指出其开启推理功能后，在复杂问题回答和专业代码生成的任务中出错率降低逾半，满分完成率提升数倍，证明优化后的小模型同样能胜任专业推理。

其次是新型智能体互联协议的涌现。单个智能体再强大，也难以独立完成复杂芯片设计。而通过模型上下文协议（MCP）、A2A 协议等标准，可以实现不同工具、平台甚至用户自有智能体之间的“插拔式”协作，构建起复杂的智能体工作流。

EDA 技术架构的全面升级适时地拥抱了变革。潘安详细阐释了 Cadence 如何将传统 EDA 核心技术与最新 AI 成果深度融合，这种能力在 Cadence 推出的统一 AI 平台——JedAI 上得到了集中体现。该平台作为数据和 AI 的统一框架，能够摄取、分析并迭代来自数字、模拟、验证、PCB/3D-IC 及多物理场等各平台工具的数据。它支持多种主流大模型和协议，可根据客户需求灵活配置，实现了从“一刀切”到“量体裁衣”的转变。通过 JedAI，用户可以构建基于智能体的工作流，使用标准协议连接多个产品，实现复杂任务的自动化管理。

例如，基于互联的智能体生态系统协议，Cadence 打造了涵盖物理设计智能体、布局规划智能体、 SDC 智能体、形式验证智能体等在内的全流程数字设计解决方案，实现了 Innovus、Tempus、Jasper、Xcelium 等核心工具的无缝协同，为客户提供端到端的智能设计服务。

在 EDA 自主设计演进路径上，Cadence 为行业描绘了一条清晰的演进路径：从优化 AI、对话式 LLM，经复杂推理、智能体工作流，最终实现完全自主设计。目前，行业正处于从 Level 2 向 Level 3 过渡的关键阶段，部分领先客户已开始体验 Level 4 能力。潘安强调，Cadence 的目标直指 L5 的全流程自动化。

在实践层面，优化 AI 是 Cadence 过去五到十年一直在部署，并已经涵盖了数字设计领域的 Cerebrus、数字验证领域的 VERISIUM，以及 Virtuoso、Optimality 等等。同时 Cadence 已将 AI 代理能力落地于多个设计场景。例如，Allegro X 支持通过自然语言直接生成 SKILL 代码；VS Code 扩展能够自动生成 SVA 断言与辅助验证代码，进一步通过与 Jasper 的交互以帮助迭代；而今年推出的 Cerebrus AI Studio 更成为业界首个达到代理式 AI 第四级的物理设计系统，具备多智能体协同完成从规划、布局到时序收敛的全流程能力。

演讲最后，潘安表示，完全自主设计不是一蹴而就的，而是一个渐进式的成熟过程。他坚信 AI 不会取代芯片设计工程师。原因在于，首先，在很长一段时间内，行业仍需持续投入夯实核心 EDA 算法，这是高级别自动化的基础；其次，EDA 的初衷永远是辅助客户，以更短时间、更低成本设计出性能更优的芯片，这将改变工程师的工作方式，而非取代他们。

随着 Agentic AI 技术的持续演进与落地，Cadence 将持续推动芯片设计向更高效率、更高质量、更低成本的方向发展，引领行业迈入自主设计的全新纪元，为全球半导体产业的创新发展注入强劲动力。

汽车智能化催生电磁仿真新挑战

在 EDA 与 IC 设计服务技术论坛上，Cadence 系统仿真资深产品经理吴磊，以《基于 ANSA 与 Clarity 3D Solver 的整车电磁仿真》为题，系统介绍了当前车辆 EMC/EMI 仿真面临的挑战及其创新解决方案。

随着汽车智能化、网联化水平的持续提升，整车电磁环境日趋复杂。从驾驶舱的影音娱乐、手势控制，到 L2/L3 级自动驾驶的雷达图像处理、碰撞预警，再到 5G、Wi-Fi 等多元连接技术，以及电驱动系统、底盘电子控制等核心部件，使得车身电磁环境愈加错综复杂，EMC/EMI 合规成为汽车研发的关键诉求，相关标准遵循 ISO11451 及 GB/T 33012 规范。吴磊指出，新一代车辆的电子设备数量显著增加，电子设备之间的干扰及抗干扰问题日益凸显。同时，面对缩短开发周期的挑战，需要仿真工具来指导设计，在设计早期识别风险，消除隐患，或者在测试中采用仿真与实测相结合的方式处理电磁兼容性问题。

然而，传统仿真方法在几何处理、计算资源与精度控制方面存在瓶颈，整车级 EMC/EMI 仿真面临四大挑战：

首先是脏几何问题。电磁仿真输入通常来自车身几何模型，但因应用领域不同，几何模型常存在公差、穿透等缺陷，导致网格生成失败。

其次是大尺寸问题。整车结构尺寸约为 5×2×2 米，含天线时可达 8×3×3 米。以 1GHz 频率（波长约 0.33 米）为例，整车电尺寸巨大，对计算资源要求极高，易因内存不足导致仿真失败。

此外，复杂细节处理也构成挑战。大尺寸结构包含丰富内部细节，网格划分需兼顾整体与局部，平衡精度与效率。

最后是散射问题，需考虑物体间相互影响以准确计算场分布。

与电子行业相比，汽车仿真流程虽同样分为前处理、求解和后处理，但通常采用多工具组合，且分工不同：建模团队负责前处理，仿真团队负责电磁求解。这种分工加剧了仿真难度，常导致三大可用性问题：几何修复与仿真工具间多次迭代耗时过长；计算资源不足导致失败；为简化模型而牺牲精度，使结果不可靠。

在此背景下，Cadence 公司推出的 Clarity^™3D Solver 作为新一代电磁仿真平台，展现出显著优势。该平台基于真实的 3D 有限元法求解麦克斯韦方程，具备弹性计算架构与自动分区能力，支持近乎无限的扩展性与分布式并行计算，能够在保持高精度的同时，实现近线性加速，显著提升仿真效率。

吴磊通过仿真流程演示，介绍了 Clarity^™ 3D Solver 通过软硬件协同创新实现的三大突破：

一是高效几何预处理。ANSA 提供自动化几何清理、穿透修复、搭接处理等功能，将繁琐的 CAD 模型优化流程标准化，大幅降低时间成本，输出高质量中面模型，专为整车 EMC/EMI 仿真定制。

二是超强求解器性能。Clarity 3D Solver 基于真 3D 有限元法求解麦克斯韦方程，具备弹性计算架构与自动分区能力，支持分布式并行计算，实现近乎线性的扩展性。在保持测试设备级精度（误差<0.02）的同时，仿真速度提升 10 倍，可轻松处理千万级网格的整车模型。

三是双界面灵活适配。Clarity 3D Layout 提供 2D 界面，适配 PCB 与封装等层状结构；Clarity 3D Workbench 则为 3D 界面，支持任意三维结构创建与编辑。两者共享同一求解内核，兼顾专业性与灵活性。

在仿真流程方面，ANSA 作为前处理工具，负责中面模型的生成、几何清理与网格划分，并输出“.aem”文件供 Clarity 调用。Clarity 则在此基础上完成边界条件设定、材料赋值、参数设置、网格优化与求解计算，其内置的 Mesh Issue Locator 功能可有效定位网格错误，提升仿真成功率。通过 ANSA 与 Clarity 的深度融合，工程师能够在统一平台中完成从模型准备到结果可视化的全流程操作，大幅缩短设计周期，提升工程效率。

最后，吴磊在总结中强调，Clarity 3D Solver 在性能、容量与精度方面实现了“前所未有的突破”，结合 ANSA 强大的前处理能力，为整车级 EMC/EMI 仿真提供了可靠、高效且易于使用的完整解决方案，为汽车行业应对智能化带来的电磁挑战提供了有力支撑。未来，Cadence 将持续深耕电磁仿真技术，助力汽车企业提升研发效率与产品合规性，推动智能网联汽车产业高质量发展。

来源：Cadence楷登

使用ANSA映射流体分析结果之MapXYZResults方法

在仿真分析中，结果映射对于仿真耦合具有关键作用，它可以实现仿真及计算结果的跨模型传递。具体来说，当完成一个阶段的流体仿真模型计算后，可利用结果映射工具，将得到的关键计算结果数据，如速度、压力等，映射到下一个新的或相关的模型中，作为初始边界条件输入。这能有效避免重复计算，节省仿真时间与资源，尤其适用于复杂流体系统的多阶段仿真或模型迭代优化场景，提高仿真效率与准确性，助力工程师高效完成复杂流体工程设计与分析任务。本文将对ANSA中的结果映射工具之MapXYZResults方法进行简单介绍。当用户获得求解结果后，可以利用Meta中的Results功能导出指定的结果数据为CSV文件。接着，使用ANSA中的Map Results功能对CSV文件进行读取并根据其坐标位置将计算结果映射到目标网格模型上。此外，还可以通过Convert to Loads功能快速将流体仿真结果转换为结构分析中的载荷。 1.在META中导出结果文件本文使用Fluent求解得到的Smart小车外流场仿真结果进行结果映射，下图是其压力结果云图。图 1 Smart小车外流场仿真压力云图在META v25版本中，结果导出工具位于CFD菜单栏下的OUTPUT> Results。该工具可以导出网格单元对应的XYZ坐标及其标量或矢量结果数据为CSV文件。图 2 META v25版本中的Results工具在v24版本中，用户需要激活User Toolbars选项下的CFDPost工具，并选择该工具下的Tools>Output Results选项调用该工具。图 3 META v24版本中的结果导出工具在v25版本中，该功能的选项窗口显示如下。用户可以指定想要导出的模型和时间步结果，并通过选择结果标签指定导出的结果。需要注意的是，结果必须已经预先导入到Meta中才能在此处进行选择。此外，用户还可以指定导出所有结果或仅对可见实体进行操作，以及导出面网格或体网格的结果。最后，点击Output CSV选项，指定相应的文件名和存储位置后即可导出结果的CSV文件。图 4 Results工具选项窗口2.ANSA中的结果映射此章节以Smart小车外流场仿真的同一网格模型作为示例。图 5 Smart小车外流场仿真网格模型ANSA中的Map Results功能可以加载标量结果或矢量结果的CSV文件。当结果为标量时，其结果格式为：X，Y，Z（各方向的坐标值）和标量值。而结果为矢量时，其结果格式为：X，Y，Z（各方向的坐标值），和dx，dy，dz（各方向的矢量分量）。加载的结果会被映射到当前模型的网格上，并在ANSA中通过云图的方式进行显示。在ANSA v25版本中，该工具位于CFD菜单栏下Results>Map Results。图 6 ANSA v25版本中的Map Results工具在v24版本中，用户需通过Tools>Script>USFs调出User Scripts Buttons，并点击MapXYZResults调用该工具。图 7 ANSA v24版本中的MapXYZResults工具以v25版本为例，该功能的选项窗口如下图所示。图 8 Map Results工具选项窗口在进行结果映射时，用户首先需要选择结果文件（通过META导出的CSV文件）所在路径，然后指定长度单位的缩放因子（例如：此处1000代表将输入文件的米转换为毫米输出）。随后，点击Select entities并在ANSA GUI窗口中选择将被映射结果的实体，最后点击Apply应用。如果点击Create Points，ANSA还将根据结果文件中的坐标点创建3D点，方便用户进行后续的自定义操作。以压力场为例，映射完成后，用户可以直接在ANSA中查看结果。下图展示了ANSA和META中的结果对比。图 9 a)META中的压力云图 b)ANSA中压力场的映射结果3.将CFD结果转化为结构分析的载荷结果当结果映射完成后，ANSA还支持快速将CFD结果转化为结构分析的载荷结果并创建对应的关键字。该工具位于CFD菜单栏下Results>Convert to Loads。图 10 Convert to Loads工具该工具的选项窗口如图所示。目前，该工具支持将压力结果和热结果一键转化为载荷结果。图 11 Convert to Loads工具的选项窗口以Smart小车的压力结果为例，使用Convert to Loads工具转化为NASTRAN PLOAD2的效果如图所示。图 12 压力结果转化为NASTRAN PLOAD2结果在ANSA GUI窗口左侧的Database中，可以查看创建的对应的NASTRAN关键字。图 13 Database中的NASTRAN 关键字总结以上介绍了ANSA中的结果映射工具之MapXYZResults方法，包括如何从META中导出CSV格式的结果文件，如何在ANSA中对结果进行映射，以及如何将CFD结果转化为结构分析的载荷。该方法有效实现了多学科仿真结果的传递与耦合，提升了工程分析效率。END作者 | 李梓月BETA CAE 工程师来源：Cadence楷登