Miten Synopsys, Cadence ja Siemens kilpailevat sirusuunnittelun agenttien hallinnasta

DAC 2026 teki agenttipohjaisesta tekoälystä elektroniikan suunnitteluautomaation eli EDA:n uuden alustakilpailun. Synopsys, Cadence ja Siemens EDA eivät esitelleet tekoälyä enää vain keskusteluapurina, joka kirjoittaa RTL-koodia tai etsii tietoa dokumentaatiosta. Niiden kehittelemät järjestelmät pyrkivät pilkkomaan insinöörin tavoitteen osatehtäviksi, kutsumaan vakiintuneita EDA-työkaluja, tulkitsemaan mittaustuloksia ja toistamaan prosessia, kunnes tavoite saavutetaan. 217

Tämä muuttaa myös kilpailuasetelmaa. Johtoon ei välttämättä nouse toimittaja, jolla on kyvykkäin yleiskäyttöinen kielimalli, vaan se, joka osaa yhdistää agentin suunnitteludataan, deterministisiin ratkaisimiin, varmennustuloksiin, tietoturvakontrolleihin ja tuotannon hyväksyntävaiheeseen.

Mitä DAC 2026:ssa muuttui?

Perinteinen EDA-työkalu suorittaa tarkasti määritellyn tehtävän: synteesin, simuloinnin, formaalisen verifioinnin, sijoittelun ja reitityksen, ajoitusanalyysin tai fyysisen allekirjoituksen eli signoff-tarkistuksen. Agenttipohjainen EDA lisää näiden työkalujen ympärille suunnittelu- ja koordinointikerroksen.

Tyypillisessä työnkulussa agentti:

1. tulkitsee suunnittelutavoitteen tai havaitun virheen;
2. valitsee tarvittavat työkalut ja osatehtävät;
3. tuottaa tai muuttaa RTL-koodia, rajoitteita, testejä tai asetuksia;
4. suorittaa deterministiset simuloinnit, formaalit tarkistukset tai fyysisen analyysin;
5. lukee mittarit, lokit, aaltomuodot tai vastaesimerkit; ja
6. ehdottaa uutta muutosta ja toistaa kierroksen.

Agenttipohjaista fyysistä suunnittelua käsittelevässä tutkimuksessa kuvataan hyvin samanlainen malli: agentti tulkitsee luonnollisen kielen tavoitteen, kutsuu EDA-työkaluja, analysoi niiden tuloksia, muuttaa asetuksia tai lähdekoodia ja parantaa ratkaisua mitatun tuloksen perusteella. 1

Ero copilotiin eli avustajaan on olennainen. Copilot ehdottaa seuraavaa askelta, kun taas agenttipohjainen työnkulku voi hallita pitkää työvaiheiden ketjua — kuitenkin insinöörin määrittelemien tavoitteiden ja suunnittelutyökalujen rajaamana.

Synopsys rakentaa autonomiaportaita AgentEngineerin ympärille

Synopsys jäsentää strategiaansa L1–L5-autonomiaportaina. Ajatuksena on edetä avustamisesta ja ohjatusta automaatiosta kohti yhä itsenäisempiä työnkulkuja, jotka ulottuvat lopulta useille suunnittelun osa-alueille. Tasot ovat Synopsysin oma etenemismalli, eivät koko alan yhteinen standardi tai sertifiointijärjestelmä.

Käytännön keskiössä on AgentEngineer. DAC:ssa Synopsys kuvasi koordinaattoria, joka voi jakaa verifiointitavoitteen pienempiin tehtäviin, ohjata erikoistuneita agentteja, kutsua EDA-työkaluja, tutkia tuloksia ja jatkaa työtä suljetussa palautesilmukassa. Synopsys ja NVIDIA kuvasivat työnkulkuja täysin autonomisiksi ja pitkäkestoisiksi. 314

Synopsys korosti autonomista verifiointia, juurisyyn analyysiä ja debuggausta. Yhtiön ilmoittamissa esimerkeissä validoidun RTL:n saavuttamiseen väitettiin kuluneen parhaimmillaan 50 kertaa vähemmän aikaa ja kattavuuden parantuneen 20 prosenttia. Nämä ovat toimittajan omia väitteitä, eivät riippumattomien vertailutestien tuloksia. 19

Microsoft Discoveryn kanssa kehitetty erillinen Synopsys-työnkulku raportoi alustavasti 25–40 prosentin lyhennyksen debuggaussykliin. Myös tätä tulosta on syytä pitää varhaisena arviointina, ei yleispätevänä tuotantotason vertailuarvona. 17

RTL:stä lämpösimulointiin

Synopsys laajentaa samaa agenttipohjaista ideaa digitaalisen logiikan ulkopuolelle. DAC-strategiaan kuuluvat fysiikkaa vaativat elektroniikkajärjestelmien työnkulut, kuten lämpösimulointi. Agentti voi auttaa simuloinnin valmistelussa, suorittaa sen, arvioida tulokset ja tarkentaa prosessia. Ansys-portfolio vahvistaa yhtiön laajempaa ”piistä järjestelmiin” -asemointia, joka ulottuu RTL–GDS-prosessia pidemmälle. 1417

Synopsysin mahdollinen etu on laajuus: jos sama koordinointikerros pystyy toimimaan sekä verifioinnissa että järjestelmätason fysiikassa, agenttipohjainen EDA voidaan esittää yhtenä jatkuvana insinööriympäristönä erillisten apureiden kokoelman sijaan.

Cadence panostaa erikoisagentteihin ja pysyvään suunnittelukontekstiin

Cadence lähestyy asiaa eri kulmasta. Yhtiön julkisessa viestinnässä korostuu erikoistuneiden agenttien hierarkia, jota koordinoi ylemmän tason tekoälysuperagentti. Raportoinnissa esiintyvät nimet AgentStack ja ChipStack AI Super Agent ovat saatavilla olevien aineistojen perusteella varovaisempia viittauksia kuin johdonmukaisesti vahvistamaton AuraStack-nimi. 218

Cadencen omaleimaisin käsite on Mental Model. Agentin ei ole tarkoitus nojata vain kulloiseenkin kehotteeseen, vaan säilyttää rakenteinen, suunnittelukohtainen käsitys projektin rajoitteista, historiasta, tavoitteista ja aiemmista päätöksistä.

Tämä on sirusuunnittelussa tärkeää. Paikallisesti järkevä muutos voi rikkoa ajoitusbudjetin, paketoinnin rajoitteen, tehonkulutustavoitteen tai aiemman arkkitehtuuripäätöksen. Pysyvä konteksti auttaa agenttia tarkastelemaan muutosta osana koko järjestelmää.

Cadence painottaa lisäksi monifysiikan kiihdytystä. Tavoitteena on, että agentit voivat huomioida sähköiset, lämpöön liittyvät, mekaaniset ja fluidistiset vaikutukset. Näin suunnittelupäätöstä voidaan arvioida järjestelmätason seurauksia vasten, ei vain digitaalisten mittareiden perusteella. 1718

Strategisesti Cadence kilpailee arkkitehtuurin kattavuudella ja kontekstilla: agentin pitäisi ymmärtää suunnittelu pysyvänä, keskenään vuorovaikuttavien rajoitteiden järjestelmänä.

Siemens hakee luottamusta itsevarmennuksesta

Siemens EDA erottautuu Fuse EDA AI Agent -ratkaisullaan luottamuksen kautta. Keskeinen ajatus on itsevarmennuksen silmukka: agentin ehdottama toimenpide tarkistetaan Siemensin deterministisillä, fysiikkaan perustuvilla moottoreilla ennen kuin tulos pääsee etenemään. 2

Fuse perustuu skaalautuvaan Model Context Protocol -arkkitehtuuriin eli MCP:hen. Se tarjoaa yhteisen tavan yhdistää koordinointikerros työkaluihin ja insinööritietoon RTL:n, verifioinnin, analogia- ja custom-suunnittelun, sijoittelun ja reitityksen sekä fyysisen signoffin kaltaisilla alueilla. 2

Lähestymistapa vastaa yhteen autonomisen suunnittelun keskeisistä riskeistä: kielimalli voi tuottaa uskottavalta vaikuttavan suunnitelman, joka on fyysisesti mahdoton. Itsevarmentavassa työnkulussa ratkaiseva tarkistus tulee toimialueen omasta työkalusta. Jos ajoitus, geometria, fysiikka tai muu formaali rajoite hylkää ehdotuksen, agentti voi käyttää tätä näyttöä suunnitelmansa korjaamiseen.

Siemens näkee mahdollisuuden myös laajemmassa digitaalisessa säikeessä. Agenttipohjainen työnkulku voi yhdistää suunnittelupäätökset valmistuksen suunnitteluun ja toimitusketjun aikataulutukseen. Erottava tekijä ei siis ole vain autonomia, vaan teolliseen näyttöön ja myöhempään toteutukseen sidottu autonomia.

NVIDIAsta muodostuu yhteinen infrastruktuurikerros

NVIDIA ei syrjäytä EDA-jättejä perinteisenä EDA-toimittajana. Sen sijaan yhtiö tarjoaa useita kerroksia, joille uusi agenttipohjainen kokonaisuus voi rakentua — ja samalla mahdollisen riippuvuuspisteen koko alustalle.

NVIDIA sijoitti 2 miljardia dollaria Synopsysiin osana laajennettua monivuotista yhteistyötä, jonka tavoitteena on kehittää tekoälypohjaista insinöörityötä ja nopeuttaa EDA-kuormia. 13

Infrastruktuuri kattaa useita tehtäviä:

• Kiihdytetty laskenta: Grace Blackwellia käytetään simulointiin ja tekoälyn päättelyyn. Synopsys raportoi NVIDIA NIM -päättelymikropalvelujen kaksinkertaistaneen sen generatiivisen tekoälycopilotin tiedonsaantinopeuden. NVIDIA puolestaan ilmoitti Fluent-aerodynamiikkasimulaation saavuttaneen 34-kertaisen nopeusedun CPU-vertailuun nähden. Tulokset koskevat ilmoitettuja käyttötapauksia, eivät kaikkia EDA-työnkulkuja. 1516
• Mallit ja orkestrointi: Synopsysin DAC-työnkulussa käytettiin NVIDIA Nemotronia, NVIDIA Agent Toolkitia ja OpenShell-ajoympäristöä agenttien suorittamiseen ja hallintaan. 314
• Fysiikan kiihdytys: NVIDIA CUDA-X- ja PhysicsNeMo-kirjastot on tarkoitettu tukemaan simulointipainotteisia insinöörityönkulkuja. 2
• Suoritin- eli CPU-teho: Vera-suoritin kohdistuu laskentaintensiivisiin ja peräkkäisiin työkuormiin, jotka ovat edelleen tärkeitä perinteisessä EDA:ssa. NVIDIA kertoo työskentelevänsä Cadencen ja Synopsysin kanssa sovellusten optimoimiseksi. Raportoiduissa testeissä Cadence Jasperin ja Synopsys VCS:n suorituskyky parani noin 1,5-kertaiseksi, mutta luvut ovat toimittajan ilmoittamia. 45

Tuloksena on kerroksellinen kilpailu. EDA-yhtiöt hallitsevat suunnittelutietokantoja, toimialueen työkaluja ja signoff-prosesseja, kun taas NVIDIA tarjoaa laskentaa, malleja, orkestrointikomponentteja ja ajoitusinfrastruktuuria. Asiakkaat voivat saada nopeampia työnkulkuja, mutta samalla herää kysymys siitä, kuinka riippuvaiseksi tuleva insinööripino muodostuu yhteisestä laitteisto- ja ohjelmistoalustasta.

Mitä Kimi K3:n kokeilu osoittaa — ja mitä ei?

Kimi K3:n demonstraatio tarjoaa hyödyllisen vastakohdan suurten EDA-toimittajien julkistuksille. Kimin omien aineistojen mukaan malli suunnitteli, optimoi ja verifioi 48 tunnin autonomisessa ajossa nanomallille tarkoitetun sirun avoimen lähdekoodin EDA-työkaluilla ja Nangate 45 nanometrin kirjastolla. Suunnittelu vei noin 4 neliömillimetriä, ja simuloinnissa ajoitus saatiin suljettua 100 megahertsiin. 17

Tämä on merkittävä osoitus siitä, että LLM-pohjainen agentti voi koordinoida rajattua päästä päähän -suunnittelusykliä. Arkkitehtuuri, RTL:n tuottaminen, optimointi, verifiointi ja ajoitusanalyysi voidaan yhdistää yhdeksi autonomiseksi prosessiksi suotuisissa olosuhteissa.

Kokeilu ei kuitenkaan osoita kaupallisten EDA-työkalujen tai kokeneiden sirusuunnittelutiimien muuttuneen tarpeettomiksi. Käytössä oli kypsä 45 nanometrin referenssivirtaus, joka on johtavasta prosessiteknologiasta noin kaksi vuosikymmentä jäljessä. Tulos ei kerro suorituskyvystä nykyaikaisilla prosessikirjastoilla ja PDK-paketeilla, edistyneessä ajoitus- ja tehosulussa, analogiasuunnittelussa, design-for-test-ratkaisuissa, IP-integraatiossa, luotettavuusanalyysissä, valmistusrajoitteissa tai tuotannon signoffissa.

Kokeilu paljastaa myös näyttöön liittyvän ongelman. Tulos on projektin omiin materiaaleihin perustuva tekninen demonstraatio, ei riippumattomasti toistettu tuotantotason vertailutesti. Väitteitä siitä, että suunnitelman suorituskyky olisi 20–30 kertaa heikompi kuin nykyaikaisilla piireillä, ei siksi pidä käsitellä kontrolloituna vertailuna ilman vahvempaa näyttöä.

Varovainen johtopäätös on kapeampi: avoimen lähdekoodin työkalut pystyvät vaikuttavaan demonstraatioon kypsällä prosessisolmulla, mutta kilpailukykyiset ja valmistettavat johtavan tason piirit ovat edelleen vahvasti riippuvaisia valmistajien aineistoista, prosessikirjastoista, kypsistä signoff-työnkuluista ja erikoistuneesta insinööriosaamisesta.

Miksi tämä avaa mahdollisuuden kiinalaisille EDA-yhtiöille?

Agenttipohjainen tekoäly antaa kiinalaisille EDA-toimittajille mahdollisuuden kilpailla työnkulun tasolla sen sijaan, että niiden pitäisi jäljitellä jokaista kypsää yksittäistä työkalua. Mahdollisuus on erityisen kiinnostava verifioinnissa, debuggaamisessa, kotimaisessa käyttöönotossa, edistyneessä paketoinnissa ja suurille kielimalleille suunnitelluissa käyttöliittymissä. DAC-raportoinnin mukaan agenttipohjainen tekoäly ulottuu RTL:n tuottamisesta ja testipenkkien rakentamisesta simulointiin, formaaliseen verifiointiin ja debuggaamiseen. 17

Saatavilla olevassa tutkimuksessa mainitaan esimerkiksi:

• Xpeedic, jonka signaali- ja tehon eheyden työkalut voidaan yhdistää agenttipohjaiseen järjestelmä-, paketti- ja edistyneen paketoinnin analyysiin.
• XEPIC, joka on julkistanut XEPIC Intelligent System -perustan sekä älykkäitä verifiointi- ja suunnittelujärjestelmiä ja nopeamman simulointiratkaisun. 17
• UniVista, joka on kuvannut agenttipohjaisen suunnittelualustan, joka koordinoi RTL-suunnittelua, verifiointia, korjauksia ja optimointia kotimaisesti kehitetyn EDA-arkkitehtuurin päällä. 17
• Chips Z, Banxin ja Zhiwei Chuangxin, jotka edustavat laajempaa pyrkimystä kotimaisesti hallittuihin työkaluketjuihin, erikoistuneisiin suunnittelu- ja verifiointiagentteihin sekä LLM-natiiveihin insinöörikäyttöliittymiin.

Uskottavin tuotekuvio on näyttöön perustuva silmukka: agentti tuottaa hypoteesin tai korjauksen, suorittaa simuloinnin tai formaalisen verifioinnin, tutkii vastaesimerkin tai laatumittarin ja syöttää näytön takaisin agentille. Tämä on uskottavampaa kuin pyytää yleiskäyttöistä mallia suunnittelemaan siru ja luottaa tulokseen ilman toimialueen tarkistuksia.

Usein toistettu arvio, jonka mukaan insinöörit käyttävät noin 60 prosenttia ajastaan debuggaamiseen ja prosessipainotteiseen työhön, on syytä käsitellä alan arviona, ei universaalina mittauksena. Perusmahdollisuus on silti selvä: toistuva tapausten lajittelu, jäljitysanalyysi, testien luominen, juurisyyn paikantaminen ja regressioiden korjaaminen sopivat automaation kohteiksi. 17

Todellinen EDA-kilpailu käydään näytöstä

DAC 2026:n tärkein viesti ei ollut, että autonominen sirusuunnittelu olisi jo ratkaistu. Viesti oli, että suuret EDA-toimittajat näkevät agenttipohjaiset työnkulut seuraavana tapana laajentaa alustojensa etuja.

Synopsys korostaa autonomiaportaita, AgentEngineeriä, verifioinnin sulkemista ja piistä järjestelmiin ulottuvaa kattavuutta. Cadence korostaa erikoisagenttien koordinointia, pysyvää suunnittelukontekstia ja monifysiikkaa. Siemens painottaa itsevarmennusta, MCP-pohjaista työkalujen integrointia ja laajempaa teollista digitaalista säiettä.

Kaikkien yhteinen haaste on luottamus. Hyödyllisen EDA-agentin on pystyttävä kertomaan, mitä se muutti, toistamaan työnkulku, säilyttämään suunnittelutavoite ja osoittamaan deterministisesti, että tulos täyttää olennaiset rajoitteet.

Lyhyellä aikavälillä voittaja ei todennäköisesti ole toimittaja, jolla on sujuvimmin puhuva malli. Voittaja on se, jonka agentit toimivat turvallisesti asiakkaiden nykyisissä data-, IP-, tietoturva-, simulointi- ja signoff-prosesseissa — ja muuttavat jokaisen autonomisen toimenpiteen tarkastettavaksi insinöörinäytöksi.