伴芯科技在ICCAD-Expo 2025期间发布了两款EDA智能体新产品，揭晓了“AI+EDA”的新面纱。

“我们既可以说是EDA公司，也可以不是EDA公司。”伴芯科技CEO 朱允山博士在接受《半导体制造》在内的媒体采访时表示，“我们聚焦的是大模型在芯片设计中的应用能力，而不是传统EDA公司做底层数据结构优化。我们正通过AI智能体推动Agentic EDA这一新范式。”

伴芯科技CEO 朱允山博士

成立于2020年的伴芯科技此前鲜有露面，在产品正式发布之前，伴芯科技已与全球前20大芯片设计公司及国内外多家头部半导体企业达成深度合作，朱允山认为芯片行业对大模型的渴望已经显现，大模型在软件行业产生了极大的影响。

“伴芯科技是一家新型EDA企业，我们要发挥好中国的社区优势，这是解决现阶段EDA卡脖子问题的新路径。”

AI智能体破解数字芯片设计难题

伴芯科技主要聚焦于数字芯片设计。数字芯片设计分为前端与后端设计，前端聚焦逻辑功能正确，后端聚焦物理实现。
朱允山表示，伴芯科技推出的两款EDA智能体产品分别针对前端设计验证与后端布局布线等核心问题。

前端验证是确保RTL代码实现的功能与需求完全一致的过程，也是芯片设计流程中公认的核心难题。功能验证环节不仅占据最长的研发周期，验证团队规模通常也是RTL设计团队的2至5倍。

“前端验证有非常明显的长尾曲线特征，可能80%的问题出现在了前20%的时间内，余下20%的问题要耗费80%的时间去寻找。”朱允山说，“利用EDA智能体，可以报出潜在的设计错误，缩短后面80%的验证时间，”

此次发布的DVcrew像一个高度成熟的设计验证团队合作伙伴，它融合了AI智能体、RTL分析、规格说明分析、仿真轨迹与形式化验证等多种先进技术，生成适用于各种验证环境的断言，并发现深层漏洞，可以显著降低整体设计验证成本。

后端物理设计是将前端生成的门级网表转化为物理版图的过程，核心目标是在 “PPA（性能、功耗、面积）” 三者间找到平衡。这一过程深受RTL网表和芯片物理设计约束的影响，是芯片设计流程中最不确定的环节。

朱允山指出，后端设计环节面临最大的问题是时序收敛，在芯片设计基本完成的情况下，Critical Path（关键路径）作为时序收敛核心的优化对象需要手动调试。

类似需要手动调试修复的还有ECO（Engineering Change Order，工程变更单）阶段的DRC Violation，即经过布局布线等核心流程后，芯片仍残留的不符合设计规范与签核要求的各类违例问题。

PDcrew搭载伴芯科技的研发新一代布局布线引擎，适用于智能体框架，旨在流程中减少人工参与，提供从网表到GDS的一站式解决方案。PDcrew也为ECO流程提供高效解决方案，设计师可以在尽量减少设计或掩膜更改的情况下完成变更需求。网表到GDS转换中的自主流程智能体能够每周7天、每天24小时运行，持续优化芯片的PPA。

朱允山表示，在伴芯科技与客户的合作案例中，利用PDcrew可以将原先需要手动修复的上百个DRC问题缩减到10个以内，极大提升了后端设计的效率。

知识库体系，打造独特技术壁垒

伴芯科技的EDA智能体基于开源大模型，背后是伴芯科技搭建的一套知识库体系，这个指导性知识库经过芯片设计与EDA专家经验的锻炼，用于为大型语言模型提供任务指引，确保其在特定任务中进行分析的准确性。

朱允山解释道，对于初创企业而言，没有能力去训练一个千亿级别的大模型，伴芯科技的核心能力是匹配最优秀的开源大模型，做一些针对性数据的强化学习。

他指出，将大语言模型（LLM）和EDA工具进行整合，本身需要对EDA工具有一定的理解，也需要对整个芯片设计流程有深入的了解。这正是实现Agentic EDA落地的关键。

伴芯科技的做法是将自己的KnowledgeBase和其他芯片设计企业自身的know-how结合，固化成model KnowledgeBase。

在这种“分析-验证-优化”的迭代模式下，EDA智能体能够有效避免幻觉，直至精准完成任务。DVcrew与PDcrew内部集成了多个AI智能体，协同自主解决芯片设计的各项挑战。

值得一提的是，伴芯科技还提供客户专属知识库，允许客户将私有的技术经验及设计规范注入EDA智能体流程，形成独特的技术壁垒。

“我们的模型是放在用户的网络里，一些成熟的设计公司有自己的GPU服务器，我们就把模型装在他们的服务器上，这个商业模式与传统的EDA接近。”朱允山说，“我们也有针对小型企业的服务，提供EDA智能体+GPU服务器的模式。”

AI+EDA时代下的新路径

世界EDA三大巨头也正布局AI Agents，面对它们的竞争，朱允山坦言，三大家发展时间长，底子深厚，团队规模也庞大，这其实是整个中国EDA产业面临的共性问题。

但他认为，国产EDA的发展要因地制宜。在Agentic EDA这一新兴赛道上，大家处于同一起跑线。

国外的头部企业关注延续产品的垄断地位，而国内公司除PPA之外还关注一次性成本问题。“用先进工具，就要投入更多的工程师，这是大量芯片企业所不愿意看到的。”朱允山指出，“英伟达可以不计成本做芯片，但国内企业不能，所以要抓住这一痛点。”

他表示，要发挥中国在开源大模型上的领先优势。

“芯片设计领域一定要走开源，客户不允许宝贵的数据上传到云端，因此中国的大模型在芯片设计领域具有潜在优势，我们要利用好，探索一些新的发展思路，而不是走别人的老路，卷同样的东西。”朱允山最后总结道，通过AI智能体实现Agentic EDA，正是这样一条值得探索的新路径。