DAC 2026: agenții autonomi ajung în ingineria chipurilor

Trei piloni care schimbă proiectarea semiconductorilor

Conferința DAC 2026 s-a învârtit în jurul a trei teme care vor domina următorii ani: IA agentică ca nouă strat de automatizare, fizica computațională ca gât de sticlă fundamental și standardele deschise ca lipici care face totul scalabil. Nu sunt schimbări minore. Industria a trecut de la a vorbi despre agenți în demonstrații la deployment-uri reale în mâinile clienților.

Mai întâi trebuie înțeles ce înseamnă „agentică” în acest context. Nu este un chatbot care răspunde la întrebări. Sunt fluxuri de lucru autonome pe termen lung care orchestrează instrumente de verificare, analiză termică și implementare, interpretează fișiere de log, decid ce să încerce în continuare și mențin contextul pe parcursul săptămânilor de execuție continuă. Ravi Subramaniam, head of product la Synopsys, rezumă astfel: industria a trecut de la interacțiuni scurte conduse de chat la sarcini de lucru care durează zile, ceea ce le permite agenților să mențină autonomie reală fără a pierde firul a ceea ce fac.

Tim Costa, VP la Nvidia, o pune din unghiul inginerului: azi limita în dezvoltarea unui produs nu este câți experți puteți angaja, ci câtă putere de calcul puteți dedica unui lanț de instrumente orchestrat de agenți. În teorie eliberează inginerii de sarcinile repetitive și îi întoarce la ceea ce i-a adus la inginerie: să gândească în sisteme, nu cum să folosească un instrument anume. Un inginer de motorsport vrea să se gândească la viteză și aerodinamică, nu la butoanele unui software.

Fizica ca frontieră

Dar agenții sunt la fel de buni ca instrumentele și modelele pe care le orchestrează. De aceea fizica computațională este a doua latură a triunghiului. Startup-uri precum Vinci antrenează modele de fizică care pretind să înlocuiască săptămâni de simulare cu analiză automatizată în spatele firewall-ului corporativ. Fondatorul și CEO Hardik Kabaria o spune fără ocolișuri: „Suntem ChatGPT-ul fizicii, dar deployat în producție, nu ca hobby”. Susține o accelerare de trei ordine de mărime pe analiza pachetelor reale față de fluxurile actuale.

Problema pe care o rezolvă este cunoscută: dintr-o economie de hardware de 4 trilioane de dolari, există doar un milion de ingineri care știu cu adevărat să facă fizică. Kabaria adaugă că fizica nu dispare — se democratizează. Pe partea de design analogic, Maieutic Semiconductors folosește IA „socratică” care întreabă inginerii și cercetează date interne pentru a extrage cunoașterea tribală a designerilor senior. Cum spune cofondatorul Ashish Lachhwani: „În digital a existat automatizare și date partajate acum ani. În analogic, un circuit cu cinci tranzistoare poate dura ani să fie perfecționat”.

Silvaco, sub noul CEO Wally Rhines, vede revoluția dintr-un unghi diferit: agenți autonomi care acționează ca democratizatori între fabricanți și designeri. În loc să forțeze un inginer de fab să devină expert TCAD, un agent poate interoga gemeni digitali în limbaj natural, face design of experiments la scară mare pentru a diagnostica anomalii de yield și optimiza pași de proces în timp real. Rhines: „Agenții sunt marii egalizatori. Caută cea mai bună soluție, adună cele mai bune date. Dacă ar trebui să fiu expert TCAD, ar trebui să merg la echipa TCAD. Acum am un agent cu interfață în engleză care poate căuta pentru mine”.

Adevăratul gât de sticlă: standarde și interoperabilitate

Intel, prin Lalitha Immaneni, oferă o perspectivă clară: echipele de design sar încă deseori „orb” în stack-uri complexe fără ghidare de fizică multi-domeniu sau date standardizate. Datele de densitate a cuprului malformate forțează echipele mecanice din fab să petreacă trei sau patru săptămâni curățând baza de date înainte de alte trei sau patru de analiză. „Asta nu este acceptabil la această complexitate”, spune ea.

Răspunsul Intel este co-optimizarea sistem-tehnologie (STCO) bazată pe packaging design kits (PADK), echivalentul PDK pentru packaging. PADK-urile grupează reguli de design, fluxuri de referință, materiale de training și scripturi de verificare specifice Intel pentru tehnologii precum EMIB și TSV. Dar punctul cheie: verificarea nu poate fi târzie — trebuie validat și modelat de la început.

Adevărata scară cere standarde deschise. Lu Dai, președinte Accellera, explică rolul organizației: publicarea specificațiilor citibile de mașini și interoperabile. Una dintre ele este draftul standardului Functional Safety Language (FSL) 1.0, care plasează intenția de siguranță funcțională între instrumente și echipe în mod automat și trasabil. FSL este metadate, ca Unified Power Format (UPF), astfel încât instrumentele pot raționa direct asupra cerințelor de siguranță și coverage.

Fără interoperabilitate, niciun flux agentic realist nu poate traversa foundry-uri, furnizori de IP și vendori de instrumente. Paul Penzes, VP engineering la Qualcomm, o spune clar: „Nu ne putem permite un sistem închis pentru că nu vom reuși. În mobil fiecare milimetru contează și avem nevoie de un sistem deschis unde să experimentăm pentru a scoate cel mai bun chip”.

Schimbarea modelului de business

Prith Banerjee, SVP innovation la Synopsys, pune o întrebare care definește provocările viitoare: într-o lume de instrumente de la vendori diferiți, va exista un cadru agentic deschis? Răspunsul industriei este da, dar asta forțează schimbarea modelelor de business. Vânzarea de licențe perpetue sau anuale nu funcționează cu fluxuri bazate pe consum de tokeni. Dacă un flux agentic arde tokeni după uzul de pe site-ul vostru, un preț fix nu are sens. Modelul trebuie să fie consum real, dar industria încă nu a articulat asta clar.

Startup-uri precum Agentrys și Normal Computing explorează straturi noi. Agentrys, condus de Mark Ren (fost director de cercetare în design automation la Nvidia), propune ca artefactul de design al viitorului să nu fie RTL, ci agenții înșiși, redefinind stiva de automatizare a designului. Normal Computing împerechează instrumente EDA cu hardware „neconvențional” precum motoare de matrice analogică și chipuri stochastice, țintind câștiguri de eficiență de două ordine de mărime.

De ce contează asta pentru hardware conversațional

La bitbitbla creierul agentic al platformei noastre face ceva ce va recunoaște oricine a înțeles articolul: procesează intenția utilizatorului, raționează, ia decizii și identifică contextul după mediu. Încrucișează transcrierea audio cu starea actuală a dispozitivelor pentru a rezolva comenzi ambigue — „stinge aia” în zona corectă — și folosește RAG pentru a îmbogăți intenția cu documentație tehnică și a executa comenzi complexe. Din Dashboard se definește personalitatea agentului, instrumentele via MCP, payload-urile JSON și webhook-urile care conectează la infrastructura clientului, totul prin configurare remote fără a reprograma hardware-ul.

Ce se întâmplă la DAC 2026 în ingineria chipurilor este același tipar: agenți care înțeleg context multi-domeniu, raționează asupra constraint-urilor și stării, iau decizii autonome menținând intenția utilizatorului ca busolă. Diferența de scară este enormă, dar problema este analogă. De aceea articolul EE Times aruncă un pod dublu: nu doar că IA agentică este noul motor în EDA, ci orice sistem embedded care trebuie să ia decizii complexe pe dispozitiv navighează exact aceleași ape.

Sursă: EE Times.