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。
Siemens EDA 舉辦年度 IC 設計技術論壇「Siemens EDA Forum 2026」，聚焦 AI 原生設計如何深度整合至整體電子設計流程與產品生命週期，打造未來晶片與系統。(圖片來源：Siemens EDA)
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。
(圖片來源：Siemens EDA)
Gupta在演講後的媒體團訪中表示，目前客戶普遍希望將設計週期縮短約五成，例如把18個月壓縮至9個月，或由9個月縮短至4個半月。然而，晶片與多物理分析的複雜度持續增加，產業又面臨工程人才不足，單靠增加人力或提高傳統工具速度已難以滿足需求。因此，Siemens一方面利用CPU與GPU異質運算加速底層求解器，另一方面則以Agentic AI提高工程師使用工具的效率。
兩年前啟動研發 Fuse隨客戶需求快速演進
其實Gupta與將AI導入EDA工具的發展淵源頗深：他在2005年於加拿大共同創立Solido Design Automation並擔任總裁暨執行長。當時生成式AI尚未出現，Solido便率先運用機器學習與人工智慧演算法，處理類比、混合訊號及客製IC設計中的製程變異、特性描述與高Sigma驗證問題，在有限模擬次數下預測極端Corner及失效風險，以改善晶片的功耗、效能、面積與良率。Solido因此成為EDA產業較早將機器學習實際導入生產流程的公司之一。Gupta曾說明，創立Solido的核心方向，就是利用機器學習及AI演算法改善晶片的PPA。
Siemens EDA於新竹舉辦年度技術論壇與會後媒體團訪，照片左起為Siemens EDA 副總裁/台灣暨東南亞區總經理林棨璇，以及Siemens EDA資深副總裁暨人工智慧策略長Amit Gupta、Siemens EDA全球副總裁暨亞太區技術總經理 Lincoln Lee。(圖片來源：Siemens EDA)
Siemens EDA於2017年透過旗下Mentor收購Solido時，Solido的機器學習產品已在全球超過40家主要企業投入生產使用，相關技術隨後納入Mentor的類比與混合訊號驗證產品組合。Siemens當時表示，這項收購旨在補強變異感知設計與元件庫特性描述能力。Gupta加入Siemens EDA後持續領導Solido與中央AI團隊，目前也負責Fuse EDA AI系統的策略與發展。因此，Siemens EDA近年從機器學習、生成式AI推進至Agentic AI，並不是完全從零開始，而是建立在Solido長期累積的AI模型、EDA領域知識與客戶生產經驗之上。
在此技術基礎上，Siemens EDA約於兩年前組成大型研發團隊啟動Fuse平台開發。Gupta透露，團隊當時已判斷大型語言模型將為EDA帶來實際價值，因此決定投入共同資料架構、模型整合及工具介面；Fuse後續再隨客戶需求，由文件問答與工具內生成式AI，快速演進至跨工具Agent，以及可長時間運作的自我驗證流程。
2025年6月，Siemens首先推出Fuse EDA AI System，將多模態EDA資料湖、資料整合、大型語言模型及工具內生成式AI能力導入產品組合。平台支援地端部署與自備模型（Bring Your Own Model），並提供權限控制、稽核與追溯機制，以因應晶片設計資料的機密性。
2026年3月，Siemens再推出Fuse EDA AI Agent，透過模型情境協定（Model Context Protocol，MCP）與技能檔案（Skills Files），把AI從「工具內」擴展到「工具之間」。Fuse可理解工程師以自然語言輸入的目標，規劃所需步驟並呼叫不同EDA工具。例如，工程師可以要求Fuse設定及執行Questa Lint工作，再由Agent整理錯誤、警告與修正建議；在Aprisa實體設計流程中，Agent則可分析布局階段的時序問題，再啟動AI設計探索以改善PPA與時脈樹結果。
而Gupta強調，Fuse並非經過數年封閉研發後一次推出完整平台，而是在與客戶反覆合作的過程中逐步演進。他表示，一年前客戶最希望獲得的功能仍是「工具文件摘要」，也就是對說明文件提出問題，再由AI提供答案；僅僅一年後，客戶的期待已轉變為能夠自主操作工具、執行長時間工作的Agent。
「我們不是躲到角落開發三年，最後才拿出成品，而是讓研發團隊直接參與客戶專案，針對實際使用案例持續迭代；」Gupta表示。這種開發模式使Siemens能在建立共同AI基礎架構的同時，逐步把功能導入Questa One、Aprisa、Calibre及Solido等產品，讓客戶不必等到完整跨流程平台完成後才開始取得效益。
從跨工具協作邁向長時間自我驗證
到了2026年DAC，Siemens與NVIDIA進一步發表可長時間運作、自我驗證的Agentic AI工作流程。相較於過去仍需要工程師持續對話，新的Agent可在收到一項自然語言指令後，自主執行數小時的工作，過程中自行規劃、呼叫工具、處理錯誤並驗證結果。
底層架構整合NVIDIA Nemotron模型、NeMo Gym、OpenShell安全執行環境及GPU加速運算。MCP負責讓Agent與EDA工具溝通，技能檔案則記錄各項工作的執行方法；OpenShell提供受控的沙盒、權限與稽核環境，NeMo Gym及Nemotron則用於改善Agent的準確度、推理能力與Token使用效率。
Siemens以Solido元件庫特性描述（Library Characterization）為例：工程師只須要求Agent完成所有製程、電壓與溫度（PVT）條件下的元件特性描述，產生並驗證Liberty檔案，後續即可暫時離開。Agent會自行分析技能檔案、產生設定、執行SPICE模擬、選擇代表性Corner、處理錯誤，最後將產出與Golden Data比較。展示流程約需90分鐘運作時間，Siemens宣稱可使整體特性描述速度提升十倍，並降低模型Token成本。
Gupta強調，「自我驗證」並不是讓AI自行判定其答案正確，而是由Agent透過MCP呼叫具備Signoff品質的EDA引擎，再以工具產出的結果作為判斷依據。Agent的執行過程也必須對工程師完全透明，包括採取什麼行動計畫、呼叫哪些工具以及取得何種結果。若Agent偏離正確方向，工程師可立即介入修正，新的處理方式也會被保存為技能檔案，供後續任務使用。
Agent重新分配工程師工作 研發下一步跨越產品線
這種運用AI實現的技能累積機制，也可能改變EDA知識的傳承方式。過去許多操作技巧及設計判斷集中在資深工程師個人經驗中；Fuse則試圖把這些方法轉換為企業內部可共享的技能檔案，讓Agent及較資淺的工程師共同使用。不過Gupta也強調，Siemens EDA的目的不是要以AI工具來取代工程師，而是讓寶貴的人力將更多時間從工具設定、反覆執行及初步除錯，轉移到架構設計、結果判斷與風險控制。
Gupta也透露，Fuse下一階段將不只在個別產品線內建立Agentic Workflow，而是進一步串接不同產品線。他舉例指出，未來可望涵蓋「設計規格、RTL產生、實體實作、物理驗證到設計規則修正」的連續流程，再延伸至3D IC、多物理模擬及Siemens Digital Industries Software的其他工程工具。
Siemens近期宣布收購Defacto Technologies與Precision Innovations。Gupta表示，Defacto的技術可補強SoC建立、RTL整合、早期實作評估、驗證與Signoff流程；Precision Innovations則利用AI Agent與開源工具進行早期架構探索及設計最佳化，並讓分析結果與Siemens的商用EDA工具相互對應。兩項收購將進一步強化Siemens在數位及實體實作領域的產品組合。
Gupta也觀察到，Agentic AI可能改變EDA市場既有的競爭方式。過去工程師選擇工具，有一部分來自長期累積的操作習慣，包括對圖形介面、指令及快捷鍵的熟悉；當Agent可以代替使用者呼叫及操作不同工具後，這類使用門檻將逐漸降低。他認為，未來客戶評估EDA工具時，將更重視底層引擎的執行速度、準確性、擴充能力與Signoff品質，而這也正是Siemens持續投資「更快引擎」與可信驗證能力的重要原因。
本文轉載自合作媒體Silicon Press|矽島通訊社，歡迎關注！
- 智慧代理助力繁瑣設計流程 Siemens EDA打造「AI原生」工具鏈 - 2026/08/12
- AI將如何改寫EDA競爭版圖？ - 2026/08/03
- 台灣搶攻後矽時代半導體關鍵技術 - 2026/07/30
訂閱MakerPRO知識充電報
與40000位開發者一同掌握科技創新的技術資訊！
