從 Copilot 到 AI Agents：EDA 智慧自動化進入新階段

西門子 EDA 副總裁、台灣暨東南亞區總經理 林棨璇

半導體與印刷電路板（PCB）設計正迎來新一波智慧化轉型。這場轉型由兩股力量共同推動：一方面，機器學習、強化學習與 GPU 加速等技術持續提升 EDA 核心引擎效能；另一方面，產業也開始運用 AI 簡化設計流程，協助工程師提升生產力。

過去，生成式 AI Copilot 多半用於查詢文件、產生程式碼或執行單點任務。然而，隨著晶片與 PCB 設計日益複雜，工具、資料與工程角色不斷增加，個別 AI 功能與人工腳本已難以支援完整的設計流程。工程師需要的不只是能回答問題的 AI，而是能理解設計意圖、規劃多步驟任務，並依據執行結果調整下一步行動的 AI Agents。

這正是代理式（Agentic）AI 帶來的轉變。AI 從單點輔助走向流程協作，從提供建議走向執行任務，並在工程師設定的權限與規則下，協調橫跨不同工具與設計階段的工作流程。

五大門檻，決定 EDA AI 能否規模化導入

晶片與 PCB 設計建立在高度專業的工程知識、設計方法與簽核標準之上，通用型 AI 難以直接套用。若要讓 AI Agents 從單點輔助走向跨流程協作，產業必須跨越五項關鍵門檻。

一、領域知識

晶片與 PCB 設計涉及電路、物理、材料、製程與驗證等專業知識。通用型 AI 即使能產生程式碼或腳本，也未必理解工具應如何設定、流程應如何安排，以及結果是否符合設計與量產要求。因此，EDA AI 必須建立在可信賴的領域知識與工程方法之上。

二、既有運算環境與資料流程

EDA 工作通常運行於企業內部或安全隔離的運算環境，且設計與驗證任務可能持續數小時甚至更久。AI Agents 必須能在企業既有環境中管理任務、銜接排程系統並處理大量資料，而非要求企業重新建置整套基礎架構。