Cadence用Agentic AI顛覆芯片設計

公眾號記得加星標??，第一時間看推送不會錯過。

本周在圣克拉拉舉行的Cadence年度用戶大會上，英偉達CEO黃仁勛與Cadence CEO Anirudh Devgan一同登臺，為與會者致開幕詞，現場氣氛熱烈。在正式開始爐邊談話前，兩人短暫地在一臺計算機架上簽名，這一幕近乎儀式般的舉動，體現了兩家公司深厚的合作關系。

這種關系起源于半導體設計，Cadence 的 EDA 工具一直支持 Nvidia 的芯片開發，并穩步擴展到仿真、系統設計以及現在的 AI 驅動的工作流程等領域。

在討論中，黃指出，過去兩年人工智能的發展歷程是從生成模型向能夠推理和行動的系統演進，這種轉變正在重新定義工程工作的完成方式。

黃說：“我們現在已經到了智能體能夠預見未來、推理并執行計劃的階段。人工智能從無所不知、能夠輸出各種知識和信息，發展到現在能夠使用工具。”

黃仁勛表示，英偉達內部智能體的使用量激增，這些系統能夠推理問題，然后依靠現有工具完成工作。他指出，芯片設計就是一個典型的例子，隨著智能體在驗證、模擬電路設計和后端工作流程中扮演越來越重要的角色，對Cadence的EDA工具的需求可能會大幅增長。

黃仁勛的評論駁斥了人工智能可以取代傳統工程軟件的說法。在芯片設計等領域，黃仁勛闡述了底層算法如何經過嚴格驗證并深度嵌入生產工作流程。這些系統并非旨在取代現有工具，而是旨在調用這些工具，從而確保輸出結果的可驗證性，并與既定的設計流程保持一致。

黃還討論了公司歷史上如何受到可用 ASIC 設計師數量的限制，并指出代理系統可以通過允許工程師同時協調多個專業代理來擴展這種能力。

此次合作公告進一步強化了雙方此前的討論， Cadence 概述了與英偉達的擴展合作，合作內容將涵蓋智能體人工智能、基于物理的仿真以及用于半導體設計、物理人工智能系統和人工智能工廠的數字孿生技術。Cadence 表示，此次合作將結合其設計軟件和仿真產品組合與英偉達的加速計算、CUDA-X、Omniverse 和人工智能物理技術。

黃將物理人工智能描述為兩家公司的下一個前沿領域，并認為該行業現在正在進入超越語言模型的新階段。

“正如我們經歷了 ChatGPT 的出現，即語言生成式人工智能的時代，我們現在也迎來了機器人生成式人工智能的時代。它被稱為 VLA：視覺語言動作模型，其基本原理是感知輸入，動作輸出，”他說道。

黃教授表示，感知、推理和行動的結合使機器能夠像人類一樣，將陌生場景分解成更簡單的步驟來處理。他指出，結合機器人硬件的快速發展，這種方法正在催生出更多通用系統，使其能夠在各種物理環境中運行。

這種思路延續到了 Devgan 隨后的主題演講中，他在演講中重點介紹了 Cadence 如何為其平臺做好準備，迎接人工智能驅動工程的下一個階段。

Cadence 的發展路線圖：AgentStack 及芯片設計以外的擴展

Devgan 在深入探討 Cadence 的最新產品路線圖時提到，他仍然認為 EDA 和 IP 是公司的核心業務，但現在他以更廣泛的視角看待這項業務，從芯片設計擴展到全棧工程平臺和自動化。

路線圖的重要組成部分是 AgentStack，這是 Cadence 推出的一個編排環境，旨在連接其新興的“超級代理”在整個設計流程中的作用。 今年早些時候推出的ChipStack 用于 RTL 設計和驗證，標志著 Cadence 向代理驅動的設計工作流程邁出了第一步。

AgentStack 在 ChipStack 的基礎上，將其“心智模型”和多智能體方法從 RTL 和驗證階段擴展到設計流程的后期階段，包括物理和模擬設計。它旨在協調多個智能體之間的長時間運行任務，并直接連接到運行在 Nvidia 基礎設施上的 Cadence 底層 EDA 平臺。

在主題演講中，德夫根表示，公司正在將這種方法擴展到模擬電路設計和后端實現領域，每個超級代理都能調用與現有 Cadence 工具關聯的更專業的子代理。德夫根并沒有將這些系統視為獨立的 AI 助手，而是將其描述為構建在 Cadence 底層引擎之上的全新自動化層。在隨后的問答環節中，他指出 Cadence 的優勢在于其針對芯片設計的領域特定“心智模型”，以及對工具 API 和軟件內部機制的更深入訪問，這使得公司能夠比通用模型提供商或客戶構建的代理更精細地協調工作流程。

德夫根由此描述了他所看到的AI應用的三個階段：基礎設施AI、物理AI和科學AI。他表示，雖然第一階段仍在擴展，但下一階段將聚焦于與物理世界交互的系統，包括機器人和自動駕駛汽車。德夫根指出，科學AI，包括藥物研發和材料研究等領域，已經啟動，但仍處于發展初期。這種AI應用的發展進程正在積極影響著Cadence的路線圖，推動其在仿真、數字孿生以及旨在建模和優化從AI數據中心到現實世界系統等各種工具方面的投資。總而言之，Cadence的主要戰略是將其在工程軟件方面的核心優勢應用于更廣泛的應用場景。

Cadence 的分層式智能體人工智能方法詳解

如果說 Devgan 的主題演講描繪了路線圖，那么 Cadence 高級副總裁兼系統驗證部門總經理 Paul Cunningham 則更詳細地描繪了該公司認為人工智能將如何改變設計流程中的工程工作。

在下午的主題演講中，坎寧安表示，機遇遠不止于在現有軟件中添加聊天界面。為了說明這一點，他描述了Cadence戰略中三個不同的AI層面：直接嵌入核心引擎的優化AI、簡化工程師與現有軟件交互方式的工具代理，以及正如德夫根所提到的，旨在執行整個設計流程端到端任務的“超級代理”。

坎寧安將這種方法與他認為幾十年來一直塑造著Cadence的兩個理念聯系起來：抽象和重用。他表示，過去，Cadence通過引導工程師們擺脫手工繪制的布局，轉向使用高級設計語言，從而提高了芯片設計的抽象水平。如今，借助人工智能，該公司看到了再次提升抽象水平的機會，使系統能夠從人類設計文檔（例如規格說明、框圖和架構描述）開始項目，并將其轉化為可運行的設計。

坎寧安指出，重用也因此有了新的含義。傳統的EDA（工程設計自動化）通常會重用設計層級和重復結構，而AI則創造了任務重用的可能性。他表示，人工智能不再需要強迫工程師重復相同的分析、腳本編寫、調試和迭代流程，而是可以以更自動化的方式捕獲和重放這些工作。

這種邏輯塑造了Cadence的分層AI戰略。Cunningham表示，優化AI，例如嵌入在Cerebrus和Verisium等Cadence產品中的強化學習系統，是加速物理設計和驗證的途徑之一。他將工具代理描述為另一種途徑，因為它們通過將常見交互轉化為對話式和上下文感知的工作流程，使現有環境的使用更加便捷。他指出，超級代理代表了下一步：它們結合了LLM（邏輯邏輯模型）、領域特定知識圖譜和結構化工作流程，以更高的一致性執行更復雜的設計任務。

“我們已經可以看到，超級智能體的復雜程度正朝著與我們一些最先進的探索性數據分析工具一樣復雜的方向發展。超級智能體本身就是一段計算軟件，”坎寧安說道。

坎寧安表示，復雜性源于執行實際設計任務所需的信息量。他指出，與更簡單的編碼用例不同，芯片設計涉及數百萬個結構化數據標記，遠遠超出單個模型指令的處理能力。為了解決這個問題，Cadence 正在構建代理，這些代理能夠構建設計的中間“知識圖譜”，在將任務傳遞給 AI 模型之前，捕獲設計的結構、層次結構和意圖。

他還探討了另一個挑戰：一致性。他指出，由于LLM（邏輯學習模型）具有概率性，因此要生成可重復且可用于生產環境的結果，需要額外的控制層。Cadence的方法依賴于他所說的“技能”和結構化工作流程，引導模型逐步完成復雜任務，從而確保輸出結果的可預測性和可驗證性。Cunningham表示，這種級別的協調正是超級智能體區別于通用人工智能工具的關鍵所在。

要點總結

CadenceLIVE 的總體信息是，該公司如今已遠不止是一家 EDA 軟件公司，而這三位主題演講則向與會者展示了這一轉變的全貌。黃先生提醒我們，人工智能正在從單純生成信息的模型發展到能夠通過工具執行操作的智能體系統。德夫根先生展示了 Cadence 如何通過將其軟件棧擴展到更多設計流程以及物理人工智能等其他領域來支持這一發展。坎寧安先生則闡述了公司如何通過將分層智能體人工智能直接嵌入到其工具和工作流程中來實踐這一轉變。簡而言之，EDA 軟件不會很快消失。恰恰相反，它正在成為構建這些新型人工智能系統的基礎。

（來源：編譯自hpcwired）

*免責聲明：本文由作者原創。文章內容系作者個人觀點，半導體行業觀察轉載僅為了傳達一種不同的觀點，不代表半導體行業觀察對該觀點贊同或支持，如果有任何異議，歡迎聯系半導體行業觀察。

今天是《半導體行業觀察》為您分享的第4383內容，歡迎關注。

加星標??第一時間看推送

求推薦