智慧代理助力繁瑣設計流程　Siemens EDA打造「AI原生」工具鏈

人工智慧（AI）帶動新一波半導體需求，也同步提高晶片與系統設計難度。從AI加速器、軟體定義系統到異質整合，設計團隊不只要反覆權衡功耗、效能與面積（PPA）相關參數，更須處理橫跨晶粒、封裝、電路板及整個系統的電、熱與機械效應。面對快速增加的複雜度、縮短上市時間的壓力與工程人才缺口，生成式AI及代理式AI正逐漸成為EDA業者提升設計生產力的重要方向。

在日前舉行的Siemens EDA Forum Taiwan 2026中，Siemens EDA資深副總裁暨人工智慧策略長Amit Gupta以「AI-Native Design：Engineering Tomorrow’s Silicon and Systems」為演講主題，說明該公司如何將AI從單一工具內的輔助功能，擴展為可跨工具規劃、執行及驗證工作的工程代理。其目標並非讓大型語言模型獨立產生晶片，而是結合既有EDA引擎、AI Agent與工程師經驗，建立可長時間自主運作，並具備可信賴度的設計與驗證工作流程。

Gupta指出，台灣生產全球超過73%的純晶圓代工晶圓，並製造逾九成最先進製程晶片，是Siemens EDA相當重要的市場。目前全球前30大半導體公司中，有29家採用Siemens軟體；隨著AI無所不在、軟體定義系統、異質整合及永續需求四股力量同時加速，晶片設計也需要更全面的自動化與協同方法。

(圖片來源：Siemens EDA)

三大支柱回應設計週期與人才壓力

Gupta指出，Siemens EDA的AI原生設計工具的三大策略支柱，是實現「更快的引擎」（Faster Engines）、「更智慧的執行」（Smarter Execution）與「可信賴的成果」（Trusted Outcomes）。第一層利用GPU、Arm CPU、機器學習及強化學習加速EDA核心引擎；第二層導入大型語言模型、生成式AI與代理式AI，讓工程師能以自然語言描述設計意圖，由AI Agent完成工具設定、執行、結果分析與初步除錯；第三層則要求Agent持續呼叫確定性、物理基礎EDA引擎，檢查產出能否符合設計規則與簽核（Signoff）要求。