DAC 2026: els agents autònoms arriben a l'enginyeria de xips
Tres pilars que canvien el disseny de semiconductors
La conferència DAC 2026 ha girat al voltant de tres temes que dominaran els pròxims anys: la IA agèntica com a nova capa d'automatització, la física computacional com a coll d'ampolla fonamental, i els estàndards oberts com a cola que fa escalable tot això. No són canvis menors. La indústria ha passat de parlar d'agents en demostracions a desplegaments reals a mans de clients.
El primer és entendre què significa "agèntica" en aquest context. No és un chatbot que respon preguntes. Són fluxos de treball autònoms a llarg termini que orquestren eines de verificació, anàlisi tèrmica i implementació, interpreten fitxers de log, decideixen què intentar a continuació i mantenen context durant setmanes d'execució contínua. Ravi Subramaniam, cap de producte de Synopsys, ho resumeix així: la indústria ha passat d'interaccions breus impulsades per xat a càrregues de treball que duren dies, cosa que permet que els agents mantinguin autonomia real sense perdre el fil del que estan fent.
Tim Costa, VP de Nvidia, ho planteja des de l'angle de l'enginyer: avui el límit en el desenvolupament d'un producte no és quants experts podeu contractar, sinó quant de còmput hi podeu dedicar a una cadena d'eines orquestrades per agents. En teoria allibera els enginyers de les tasques repetitives i els retorna al que els va portar a l'enginyeria: pensar en sistemes, no en com usar una eina concreta. Un enginyer de motorsport vol pensar en velocitat i aerodinàmica, no en els botons d'un programari.
Física com a frontera
Però els agents només són tan bons com les eines i models que orquestren. D'aquí que la física computacional sigui la segona pota del triangle. Startups com Vinci entrenen models de física que pretenen reemplaçar setmanes de simulació amb anàlisi automatitzada darrere del tallafocs corporatiu. El seu fundador i CEO, Hardik Kabaria, ho diu sense embuts: "Som el ChatGPT de la física, però desplegat en producció, no com a hobby". Al·lega una acceleració de tres ordres de magnitud en anàlisi de paquets reals davant dels fluxos actuals.
El problema que resolen és conegut: d'una economia de hardware de 4 bilions de dòlars, només hi ha un milió d'enginyers que realment saben fer física. Kabaria afegeix que la física no desapareix, sinó que es democratitza. Al costat del disseny analògic, Maieutic Semiconductors fa servir IA "socràtica" que qüestiona els enginyers i investiga dades internes per extreure el coneixement tribal dels dissenyadors sèniors. Com diu el seu cofundador Ashish Lachhwani, "en digital hi va haver automatització i dades compartides fa anys. En analògic, un circuit de cinc transistors pot portar anys a perfeccionar".
Silvaco, sota el seu nou CEO Wally Rhines, veu la revolució en un angle diferent: agents autònoms que actuen com a democratitzadors entre fabricants i dissenyadors. En lloc d'obligar un enginyer de fab a convertir-se en expert en TCAD, un agent pot consultar bessons digitals en llenguatge natural, fer disseny d'experiments a gran escala per diagnosticar anomalies de rendiment i optimitzar passos del procés en temps real. Com diu Rhines, "els agents són els grans igualadors. Busquen la millor solució, recullen les millors dades. Si hagués de ser expert en TCAD, hauria d'anar a l'equip de TCAD. Ara tinc un agent amb interfície en anglès que pot buscar-ho per mi".
El coll d'ampolla real: estàndards i interoperabilitat
Intel, de la mà de Lalitha Immaneni, ofereix una perspectiva clara: els equips de disseny encara salten sovint "a cegues" a stacks complexos sense guia de física multidomini o dades estandarditzades. Les dades de densitat de coure mal formades forcen els equips mecànics de la fab a passar tres o quatre setmanes netejant la base de dades abans d'altres tres o quatre d'anàlisi. "Això no és acceptable amb aquesta complexitat", diu.
La resposta d'Intel és la co-optimització sistema-tecnologia (STCO) basada en kits de disseny d'empaquetatge (PADKs), l'equivalent al PDK però per a empaquetatge. Els PADKs agrupen regles de disseny, fluxos de referència, materials d'entrenament i scripts de verificació específics d'Intel per a tecnologies com EMIB i TSV. Però el punt clau és que la verificació no pot ser tardana: cal validar i modelar des del principi.
La veritable escala requereix estàndards oberts. Lu Dai, president d'Accellera, explica el rol de la seva organització: publicar especificacions llegibles per màquines i interoperables. Una d'aquestes és l'esborrany de l'estàndard Functional Safety Language (FSL) 1.0, que situa la intenció de seguretat funcional entre eines i equips de forma automàtica i traçable. FSL és metadades, com el format de potència unificat (UPF), de manera que les eines poden raonar sobre requisits de seguretat i cobertura directament.
Sense interoperabilitat, cap flux agèntic realista pot creuar foundries, proveïdors d'IP i venedors d'eines. Paul Penzes, VP d'enginyeria a Qualcomm, ho expressa clar: "No ens podem permetre un sistema tancat perquè no aconseguirem l'èxit. En mòbil cada mil·límetre compta i necessitem un sistema obert on experimentar per treure el millor xip".
El canvi de model de negoci
Prith Banerjee, SVP d'innovació a Synopsys, planteja una pregunta que defineix els reptes venidors: en un món d'eines de diferents proveïdors, hi haurà un marc agèntic obert? La resposta de la indústria és sí, però això obliga a canviar els models de negoci. La venda de llicències perpetues o anuals no funciona amb fluxos basats en consum de tokens. Si un flux agèntic crema tokens segons l'ús al teu site, no té sentit cobrar un preu pla. El model ha de ser consum real, però la indústria encara no ho ha articulat amb claredat.
Startups com Agentrys i Normal Computing exploren capes noves. Agentrys, liderada per Mark Ren (exdirector de recerca en automatització de disseny de Nvidia), proposa que l'artefacte de disseny del futur no sigui RTL sinó els agents mateixos, redefinint la pila d'automatització de disseny. Normal Computing aparella eines EDA amb hardware "no convencional" com motors de matriu analògica i xips estocàstics, apuntant a millores d'eficiència de dos ordres de magnitud.
Per què això importa en hardware conversacional
A bitbitbla el cervell agèntic de la nostra plataforma fa una cosa que reconeixerà qui ha entès l'article: processa la intenció de l'usuari, raona, pren decisions i identifica context segons l'entorn. Creua transcripció d'àudio amb l'estat actual de dispositius per resoldre ordres ambigües —"apaga això" a la zona correcta— i usa RAG per enriquir intenció amb documentació tècnica i executar comandaments complexos. Des del Dashboard es defineix la personalitat de l'agent, les eines que usa via MCP, els payloads JSON i webhooks que connecten amb la infraestructura del client, tot per configuració remota sense reprogramar el hardware.
El que succeeix a DAC 2026 en enginyeria de xips és el mateix patró: agents que entenen context multidomini, que raonen sobre constraints i estat, que prenen decisions autònomes mantenint la intenció de l'usuari com a brúixola. La diferència d'escala és enorme, però el problema és anàleg. Per això l'article d'EE Times tira un pont doble: no només és que la IA agèntica sigui el nou motor en EDA, sinó que qualsevol sistema embegut que requereixi prendre decisions complexes al dispositiu està navegant exactament les mateixes aigües.
Font: EE Times.