Siemens og NVIDIA vil gøre AI-agenter selvkontrollerende i chipdesign

Det er en vigtig forskel fra en almindelig generativ AI-assistent. Modellen kan komme med et forslag, men den kan ikke selv udstede den endelige godkendelse til såkaldt tapeout – det punkt, hvor chipdesignet sendes videre til fremstilling. Den beslutning skal fortsat understøttes af deterministiske, fysikbaserede kontroller .

Sådan fungerer den selvverificerende arkitektur

Siemens integrerer NVIDIA-teknologier som CUDA-X-bibliotekerne, Physics NeMo og Nemotron direkte i EDA-stakken . NVIDIA’s NeMo Gym står for reinforcement learning-sløjfen, som træner agenterne. Ifølge den fremlagte beskrivelse har systemet opnået en tidobling af bibliotekdækningen . Workflowet kobles desuden til Siemens’ Intelligence Center X .

I praksis er processen tænkt sådan:

1. Agenten fortolker designkrav og begrænsninger.
2. Den udfører en opgave eller genererer en mulig reparation.
3. Forslaget kontrolleres af Calibre eller Questa One.
4. Først efter et godkendt resultat kan agenten gå videre.

Dermed forsøger Siemens at lukke det tillidsmæssige hul mellem AI’ens fleksible forslag og de værktøjer, som chipindustrien allerede bruger til den endelige verificering. AI’en skal altså kontrollere sit arbejde – men mod regler, simuleringer og fysiske modeller, som ikke afhænger af modellens egen vurdering .

Fem opkøb skal føre Siemens længere ind i chipudviklingen

Den selvverificerende AI-strategi kommer samtidig med, at Siemens udvider sin EDA-portefølje både tidligere og senere i chipdesignets livscyklus. De fem handler, der fremhæves i forbindelse med 2026, er:

• ASTER Technologies – annonceret i februar. Tilføjer software til testverificering og udvikling af PCB-samlinger .
• Canopus AI – annonceret i februar. Bidrager med AI-baseret beregningsmæssig måleteknik og inspektion til halvlederproduktion .
• Insight EDA – en løsning inden for kredsløbspålidelighed, som er integreret i Calibre-platformen .
• Precision Innovations – aftalen blev annonceret i juli og ventes afsluttet i tredje kvartal. Teknologien bygger på open source-rammen OpenROAD og tilfører AI-baseret chipplanlægning og tidlig designudforskning .
• Defacto Technologies – aftalen blev annonceret i juli og tilfører automatiseret SoC-design på register-transfer-niveau (RTL) .

De to sidstnævnte opkøb er særligt relevante for AI-strategien. Precision Innovations giver Siemens en stærkere position i arkitektur- og planlægningsfasen, mens Defacto automatiserer dele af selve SoC-udviklingen. Begge dele flytter Siemens længere op i designforløbet – før layout og fysisk verificering – hvor AI kan hjælpe med at undersøge flere arkitekturer og designvalg .

Agentisk AI var DAC 2026’s store tema

Siemens beskrev på forhånd agentisk AI som et af konferencens største samtaleemner . En særskilt TechTalk, “From Hype to Impact: Where Agentic AI Actually Delivers Value in Chip Design Today”, skulle samtidig skelne mellem målbare tekniske fremskridt og mere optimistiske løfter .

Siemens var dog langt fra den eneste EDA-leverandør, der arbejdede med autonome agenter:

• Synopsys præsenterede en åben og interoperabel agentisk AI-stak til autonome workflows. Virksomheden annoncerede også to EDA-workflows udviklet sammen med Microsoft og anvendt af AMD, som kunne evalueres via Microsoft Discovery . Demonstrationen viste specialiserede agenter, der fordelte opgaver mellem blandt andet design, verificering og analyse .
• Cadence demonstrerede Cadence ChipStack sammen med NVIDIA OpenShell. Her blev autonome RTL-verificeringssløjfer præsenteret som en måde at reducere verificeringstiden fra uger til timer .
• Bronco AI lancerede et produktionsorienteret benchmark for AI til designverificering baseret på anvendelser fra blokniveau til komplette SoC-design .
• ChipAgents og andre startups viste live-demonstrationer og holdt tekniske sessioner om autonomt chipdesign .

Branchen tester, hvem der kan levere tillid

Den fælles tendens er tydelig: EDA-branchen forsøger at bevæge sig væk fra isolerede AI-demoer og hen imod produktionsklare, verificerbare agent-workflows.

Leverandørerne vælger dog forskellige veje. Siemens satser på en obligatorisk port mellem AI-agenten og fysikmotorerne i Calibre og Questa. Synopsys fremhæver en åben og interoperabel platform, mens Cadence fokuserer på GPU-accelererede agent-sløjfer.

Det afgørende konkurrenceparameter er derfor ikke kun, hvor hurtigt en AI-agent kan generere et forslag. Det handler også om, hvorvidt resultatet kan dokumenteres, gentages og accepteres i de etablerede designflows. Cadence, Synopsys og Siemens EDA kontrollerer i forvejen centrale flows, formater og foundry-certificeringer – og især den signoff-tillid, som nye AI-orchestratorer skal opbygge .

Siemens’ model er indtil videre det mest eksplicitte forsøg på at bevare denne tillid: AI’en må gerne arbejde autonomt, men ingen beslutning kan gå videre uden et bestået resultat fra de værktøjer, der afgør, om designet faktisk holder.