Synopsys, Cadence en Siemens willen de chipontwerper laten werken met autonome AI-agents

DAC 2026 maakte duidelijk dat agentic AI niet langer alleen een handige assistent voor chipontwerp is. Synopsys, Cadence en Siemens EDA presenteerden systemen die een technisch doel kunnen opdelen, bestaande EDA-tools aanroepen, meetresultaten interpreteren en de cyclus opnieuw starten totdat een gewenste uitkomst is bereikt. 217

Daarmee verandert ook de strategische vraag. De winnaar wordt waarschijnlijk niet de leverancier met het meest overtuigende algemene taalmodel, maar degene die een agent betrouwbaar kan verbinden met ontwerpdata, deterministische solvers, verificatiebewijzen, beveiligingsmaatregelen en de formele sign-off van een productieflow.

Van copilot naar gesloten engineeringlus

Traditionele EDA-software voert afgebakende taken uit, zoals synthese, simulatie, formele verificatie, plaatsing en routing, timinganalyse en fysieke sign-off. Een agentic EDA-systeem legt daar een plannings- en coördinatielaag bovenop.

Een typische workflow ziet er als volgt uit:

1. de agent interpreteert een ontwerpdoel of foutmelding;
2. hij selecteert de relevante tools en deelt het werk op in subtaken;
3. hij genereert of wijzigt RTL, constraints, tests of configuraties;
4. hij voert deterministische simulaties, formele controles of fysieke analyses uit;
5. hij leest metrics, logs, golfvormen of tegenvoorbeelden; en
6. hij stelt een volgende wijziging voor en herhaalt de cyclus.

Onderzoek naar agentic physical design beschrijft een vergelijkbaar proces: natuurlijke-taaldoelen interpreteren, EDA-tools aanroepen, de uitvoer analyseren, configuraties of broncode aanpassen en itereren op basis van gemeten kwaliteit. 1

Het verschil met een copilot is wezenlijk. Een copilot suggereert doorgaans de volgende stap. Een agentic workflow kan een langere reeks acties uitvoeren, binnen de grenzen van engineeringtools en door mensen vastgelegde doelen.

Synopsys: een autonomiepad rond AgentEngineer

Synopsys ordent zijn strategie rond een schaal van L1 tot L5. Die loopt van assistentie en begeleide automatisering naar steeds zelfstandiger opererende engineeringflows, uiteindelijk over meerdere ontwerpgebieden heen. De precieze betekenis van de niveaus is geen universele industrienorm, maar het eigen raamwerk van Synopsys om autonomie te beschrijven.

Het praktische middelpunt is AgentEngineer. Synopsys beschreef op DAC een orchestrator die een verificatiedoel kan opsplitsen in kleinere opdrachten, gespecialiseerde agents kan coördineren, EDA-tools kan aanroepen, resultaten kan inspecteren en in een gesloten lus kan doorwerken. Samen met NVIDIA presenteerde het bedrijf dit als een volledig autonome, langdurige workflow voor chip- en elektronicadesign. 314

Synopsys legde de nadruk op autonome verificatie, analyse van de hoofdoorzaak en het sluiten van debugcycli. Het bedrijf rapporteerde demonstraties met tot 50 keer kortere tijd tot gevalideerde RTL en 20 procent extra coverage. Dat zijn bedrijfsclaims, geen onafhankelijk gereproduceerde benchmarkresultaten. 19

Een afzonderlijke workflow die Synopsys met Microsoft Discovery ontwikkelde, meldde voorlopige verkortingen van 25 tot 40 procent in de debugcyclus. Ook dat resultaat moet worden gezien als een vroege evaluatie, niet als een algemene productiestandaard. 17

Van RTL tot thermische simulatie

Synopsys beperkt agentic AI niet tot digitale logica. De strategie op DAC omvat ook fysisch intensieve workflows voor elektronische systemen, zoals thermische simulatie. Een agent kan daar helpen een simulatie op te zetten, uit te voeren, de uitkomst te beoordelen en de workflow verder te verfijnen. Dankzij de Ansys-activiteiten reikt de positionering van het bedrijf verder dan alleen een RTL-tot-GDS-flow: van silicium tot complete systemen. 1417

De mogelijke strategische voorsprong is breedte. Als één orkestratielaag zowel verificatie als fysische systeemanalyse kan bedienen, kan Synopsys agentic EDA presenteren als één doorlopende engineeringomgeving in plaats van als een verzameling losse assistenten.

Cadence: gespecialiseerde agents met blijvende ontwerpcontext

Cadence kiest een andere invalshoek. De publieke positionering draait om een hiërarchie van gespecialiseerde agents die worden aangestuurd door een hoger gelegen AI-superagent. In de beschikbare berichtgeving komen daarbij namen als ChipStack AI Super Agent, AgentStack en AuraStack voor. Omdat de naamgeving niet overal consistent wordt bevestigd, zijn ChipStack AI Super Agent en AgentStack de voorzichtigere verwijzingen. 218

Het meest onderscheidende concept van Cadence is het Mental Model. De agent zou niet uitsluitend moeten vertrouwen op de meest recente prompt, maar op een gestructureerde, projectspecifieke context met ontwerpbeperkingen, voorgeschiedenis, intentie en eerdere beslissingen.

Dat is belangrijk omdat chipontwerp sterk afhankelijk is van context. Een lokaal logische wijziging kan elders een timingbudget, verpakkingsbeperking, vermogensdoel of eerder architectuurbesluit schenden.

Cadence benadrukt daarnaast versnelling van multiphysics. Agents moeten kunnen redeneren over elektrische, thermische, mechanische en vloeistofeffecten, zodat ontwerpkeuzes niet alleen op digitale metrics worden beoordeeld, maar ook op hun gevolgen voor het totale systeem. 1718

Strategisch concurreert Cadence dus op architectonische volledigheid en context. Het doel is niet alleen één ontwerpfase automatiseren, maar de agent laten begrijpen als onderdeel van een blijvend systeem waarin verschillende eisen elkaar beïnvloeden.

Siemens: vertrouwen door zelfverificatie

Siemens EDA onderscheidt zijn Fuse EDA AI Agent met een nadruk op vertrouwen. Het uitgangspunt is een zelfverificerende lus waarin een voorgestelde actie wordt getoetst aan deterministische, op fysica gebaseerde Siemens-engines voordat het resultaat verdergaat. 2

Fuse gebruikt een schaalbare architectuur op basis van het Model Context Protocol (MCP). Dat protocol biedt een gestandaardiseerde manier om een orkestratielaag te verbinden met tools en engineeringinformatie voor onder meer RTL, verificatie, analoog en custom design, plaatsing en routing en fysieke sign-off. 2

Deze aanpak adresseert een kernrisico van autonome engineering: een taalmodel kan een plausibel plan produceren dat fysiek ongeldig is. In een zelfverificerende workflow komt de gezaghebbende controle van de domeintool. Als timing, geometrie, fysica of een andere formele beperking de voorgestelde actie afwijst, kan de agent die informatie gebruiken om zijn plan aan te passen.

Siemens ziet bovendien kansen in een bredere digitale thread. De agentische visie kan ontwerpbeslissingen verbinden met productieplanning en supplychainplanning. De differentiator is dan niet alleen autonomie, maar autonomie die wordt begrensd door industriële bewijzen en downstream-uitvoering.

NVIDIA wordt de gedeelde infrastructuurlaag

NVIDIA vervangt de gevestigde EDA-leveranciers niet als traditionele EDA-producent. Het bedrijf levert juist meerdere lagen die de nieuwe agentic stack mogelijk maken. Daardoor ontstaat tegelijk een potentieel afhankelijkheidspunt voor het platform.

NVIDIA investeerde 2 miljard dollar in Synopsys als onderdeel van een uitgebreid meerjarig partnerschap rond AI-gedreven engineering en versnelde EDA-workloads. 13

De infrastructuur bestaat uit verschillende onderdelen:

• Versnelde computing: Grace Blackwell wordt ingezet voor simulatie en AI-inferentie. Synopsys meldde dat NVIDIA NIM-inference microservices de time-to-information van zijn generatieve-AI-Copilot verdubbelden. NVIDIA rapporteerde voor een toepassing rond aerodynamische Fluent-simulaties een versnelling van 34 keer ten opzichte van CPU's. Dit zijn resultaten uit specifieke use-cases, geen universele EDA-benchmarks. 1516
• Modellen en orkestratie: de DAC-workflow van Synopsys gebruikte NVIDIA Nemotron, de NVIDIA Agent Toolkit en de OpenShell-runtime voor uitvoering en governance van agents. 314
• Versnelling van fysica: de CUDA-X- en PhysicsNeMo-bibliotheken zijn bedoeld voor simulatie-intensieve engineeringflows. 2
• CPU-prestaties: de Vera-CPU richt zich op rekenintensieve en sequentiële workloads die ook in conventionele EDA belangrijk blijven. NVIDIA zegt met Cadence en Synopsys aan optimalisaties te werken; tests rapporteerden ongeveer 1,5 keer hogere prestaties voor Cadence Jasper en Synopsys VCS. Ook deze cijfers zijn afkomstig van de leveranciers. 45

Zo ontstaat een gelaagde concurrentiestrijd. EDA-bedrijven bezitten de ontwerpdatabases, domeintools en sign-offflows; NVIDIA levert compute, modellen, orkestratiecomponenten en runtime-infrastructuur. Klanten kunnen profiteren van snellere workflows, maar zullen zich ook afvragen hoeveel van de toekomstige engineeringstack van één hardware- en softwareplatform afhankelijk wordt.

Wat de Kimi K3-demo wel en niet bewijst

De demonstratie met Kimi K3 vormt een nuttige tegenhanger van de aankondigingen van de gevestigde spelers. Volgens de technische materialen van het project ontwierp, optimaliseerde en verifieerde Kimi K3 in één autonome run van 48 uur een chip voor een nanomodel. Daarbij gebruikte het model open-source EDA-tools en de Nangate-bibliotheek op 45 nm. Het gerapporteerde ontwerp besloeg ongeveer 4 mm² en haalde in simulatie timing op 100 MHz. 17

Dat is betekenisvol bewijs dat een LLM-agent een beperkte end-to-end-ontwerpcyclus kan coördineren. Architectuur, RTL-generatie, optimalisatie, verificatie en timinganalyse kunnen onder gunstige omstandigheden in één autonome workflow worden verbonden.

Het bewijst niet dat commerciële EDA-tools of gespecialiseerde chipontwerpteams overbodig zijn. De proef gebruikte een volwassen 45nm-referentieflow, ongeveer twee decennia verwijderd van de modernste procestechnologie. De resultaten zeggen niets over moderne process design kits, geavanceerde timing- en vermogenssluiting, analoog ontwerp, design-for-test, IP-integratie, betrouwbaarheidsanalyse, productiebeperkingen of productiesign-off.

Ook de bewijsbasis verdient aandacht. Het gerapporteerde resultaat komt uit de eigen technische materialen van het project en is niet onafhankelijk gereproduceerd als productiebenchmark. Claims dat het ontwerp 20 tot 30 keer slechter presteert dan hedendaagse chips moeten daarom niet als gecontroleerde vergelijking worden behandeld zonder sterker bewijs.

De voorzichtige conclusie is smaller: open-source tools kunnen een indrukwekkende demonstratie op een volwassen procedé ondersteunen, terwijl concurrerende en produceerbare ontwerpen op geavanceerde nodes sterk afhankelijk blijven van foundrydata, procesbibliotheken, volwassen sign-offflows en gespecialiseerde engineeringkennis.

Waarom dit kansen creëert voor Chinese EDA-leveranciers

Agentic AI geeft Chinese EDA-bedrijven de mogelijkheid om op workflowniveau te concurreren, in plaats van elk afzonderlijk volwassen point tool opnieuw te moeten bouwen. Vooral verificatie, debugging, binnenlandse implementatie, geavanceerde verpakking en LLM-native interfaces bieden aanknopingspunten. Verslaggeving vanaf DAC beschrijft agentic AI in de volledige keten, van RTL-generatie en het maken van testbenches tot simulatie, formele verificatie en debugging. 17

Voorbeelden uit het aangeleverde onderzoek zijn:

• Xpeedic, waarvan de mogelijkheden rond signaal- en power-integriteit kunnen worden gekoppeld aan agentic analyse van systemen, packages en advanced packaging.
• XEPIC, dat de basis van het XEPIC Intelligent System aankondigde, met intelligente ontwerp- en verificatiesystemen en een snellere simulatieoplossing. 17
• UniVista, dat een agentic designplatform heeft beschreven voor het coördineren van RTL-ontwerp, verificatie, correctie en optimalisatie op een binnenlands ontwikkelde EDA-architectuur. 17
• Chips Z, Banxin en Zhiwei Chuangxin, die de bredere beweging illustreren richting binnenlands beheerde toolchains, gespecialiseerde ontwerp- en verificatieagents en LLM-native engineeringinterfaces.

Het meest verdedigbare productpatroon is een evidence-loop: genereer een hypothese of oplossing, voer simulatie of formele verificatie uit, analyseer het tegenvoorbeeld of de kwaliteitsmetric en geef dat bewijs terug aan de agent. Dat is geloofwaardiger dan een algemeen model vragen een chip te ontwerpen en de uitvoer zonder domeincontroles te vertrouwen.

De vaak genoemde schatting dat engineers ongeveer 60 procent van hun tijd aan debugging en proceswerk besteden, moet worden gezien als een industriële schatting en niet als universeel gemeten cijfer. De onderliggende automatiseringskans is wel duidelijk: repetitieve triage, trace-analyse, het maken van tests, het lokaliseren van hoofdoorzaken en het herstellen van regressies zijn aantrekkelijke doelen. 17

De echte EDA-strijd gaat om bewijs

Het belangrijkste signaal van DAC 2026 was niet dat autonoom chipontwerp al is opgelost. Wel werd zichtbaar dat de grote EDA-leveranciers agentic workflows zien als de volgende manier om hun platformvoorsprong uit te bouwen.

Synopsys zet in op een autonomiepad, AgentEngineer, verificatieafsluiting en breedte van silicium tot systemen. Cadence legt de nadruk op coördinatie tussen gespecialiseerde agents, blijvende ontwerpcontext en multiphysics. Siemens bouwt zijn onderscheid rond zelfverificatie, MCP-gebaseerde toolintegratie en een bredere industriële digitale thread.

Hun gezamenlijke uitdaging is vertrouwen. Een bruikbare EDA-agent moet kunnen uitleggen wat hij heeft gewijzigd, de workflow reproduceerbaar maken, de ontwerpintentie behouden en deterministisch bewijs leveren dat het resultaat aan de relevante beperkingen voldoet.

De winnaar op korte termijn wordt daarom waarschijnlijk niet de leverancier met het meest vloeiende model. Het wordt de partij waarvan agents veilig kunnen werken binnen bestaande data-, IP-, beveiligings-, simulatie- en sign-offflows — en die elke autonome actie kan vertalen naar controleerbaar engineeringbewijs.