Siemens/Nvidia
KI-Agenten sollen EDA-Ergebnisse selbst überprüfen
KI-Agenten sollen in der EDA künftig nicht nur komplexe Aufgaben selbstständig bearbeiten, sondern ihre Ergebnisse auch fortlaufend überprüfen. Dafür verbindet Siemens seine EDA-Werkzeuge mit KI-Technologien von Nvidia – vom Custom-IC-Design bis zur digitalen Verifikation.
Pünktlich zur DAC erweitert Siemens seine strategische Partnerschaft mit Nvidia, um KI-Agenten stärker in EDA-Workflows einzubinden. Die neuen Funktionen bauen auf dem kürzlich vorgestellten Fuse EDA AI Agent von Siemens auf und integrieren zusätzliche KI-Technologien von Nvidia. Damit sollen KI-Agenten komplexe Aufgaben beim Halbleiter- und Leiterplattendesign selbstständig bearbeiten und die Ergebnisse ihrer Entscheidungen fortlaufend anhand deterministischer, physikbasierter EDA-Engines überprüfen können.
Mit den Erweiterungen will Siemens zudem die Qualität der Ergebnisse verbessern, Entwicklungszeiten verkürzen und dafür sorgen, dass die KI-Agenten die benötigten EDA-Werkzeuge zuverlässiger aufrufen. Auch der Rechenaufwand für lang laufende KI-gestützte Entwicklungsprozesse soll sinken, unter anderem durch einen effizienteren Umgang mit Tokens.
Fuse EDA AI Agent ist außerdem in das neue Intelligence Center X von Siemens integriert. In dieser industriellen KI-Umgebung lassen sich KI-Agenten erstellen und koordinieren sowie in übergreifende Prozesse einbinden.
»Indem autonome EDA-KI-Agenten ihre Entscheidungen kontinuierlich anhand bewährter Engineering-Werkzeuge überprüfen, können wir unseren Kunden helfen, die Entwicklung zu beschleunigen und die Designqualität zu verbessern«, erklärt Amit Gupta, Senior Vice President und Chief AI Strategy Officer bei Siemens EDA.
So sollen die EDA-Agenten funktionieren
Für die technische Umsetzung kombiniert Siemens mehrere Nvidia-Technologien, die unterschiedliche Aufgaben innerhalb der agentenbasierten EDA-Umgebung übernehmen:
Mit der offenen Bibliothek Nvidia NeMo Gym für Agentenumgebungen lassen sich EDA-Agenten optimieren, um Ergebnisqualität, Geschwindigkeit und Token-Effizienz beim Halbleiter- und Leiterplattendesign zu verbessern. Nach Angaben von Siemens sollen die so optimierten, selbstüberprüfenden Agenten aus jedem Projekt lernen, ihre Ausführungsstrategien automatisch verbessern, Workflows optimieren und bereits aufgebauten Kontext besser nutzen können.
Nvidia OpenShell stellt eine abgesicherte und kontrollierte Laufzeitumgebung bereit, in der große Entwicklungsteams autonome Agenten über ihre gesamte EDA-Umgebung hinweg einsetzen können. Zugriffskontrollen, Audit-Trails und weitere Sicherheitsmechanismen sollen dabei einen kontrollierten Einsatz in Unternehmensumgebungen gewährleisten.
Die aktuellen Nvidia-Nemotron-Modelle und Switchyard stellen die Reasoning-Funktionen bereit, mit denen die KI-Agenten komplexe technische Zielkonflikte analysieren und entsprechende Entscheidungen treffen sollen. Gleichzeitig sollen sie die Performance und Token-Effizienz bei komplexen EDA-Workflows verbessern.
Nvidia Accelerated Computing und die CUDA-X-Bibliotheken sollen sowohl die Reasoning-Prozesse der KI-Agenten als auch die EDA-Engines beschleunigen. Nach Angaben von Siemens sollen Entwicklungsteams dadurch Ergebnisse in Signoff-Qualität innerhalb von Stunden statt Tagen erzielen können, ohne Einbußen bei der Genauigkeit hinnehmen zu müssen.
Zusammen sollen diese Funktionen eine sichere und tokeneffiziente Multi-Agent-Koordination, Echtzeit-Feedback und eine verbesserte Konvergenz über Halbleiter- und Leiterplattendesign- und Verifizierungsabläufe hinweg ermöglichen, wodurch Kunden zuverlässige technische Ergebnisse erzielen können.
Ziel: End-to-End-Designautomatisierung
Fuse EDA AI Agent soll in Zukunft also nicht auf einzelne Schritte des Designprozesses beschränkt bleiben. Vielmehr sollen spezialisierte KI-Agenten über verschiedene Entwicklungsphasen hinweg zusammenarbeiten – von Synthese und Verifikation über die physische Implementierung bis zur abschließenden Signoff-Verifikation. Siemens integriert den Ansatz dafür in sein EDA-Portfolio für Halbleiter, 3D-ICs und Leiterplatten.
KI-Agenten für das Custom-IC-Design
Ein konkretes Einsatzgebiet für die KI-Agenten ist die Solido Characterization Suite. Dort sollen sie die Charakterisierung von Standardzellen-, Speicher- und Custom-IP-Bibliotheken automatisieren. Dazu erzeugen und überprüfen sie Liberty-Dateien und greifen auf verschiedene Solido-Werkzeuge zurück. Nach Angaben von Siemens lassen sich die Durchlaufzeiten bei der Charakterisierung damit um mehr als den Faktor zehn verkürzen und die Token-Kosten um den Faktor fünf bis zehn reduzieren.
Mit dem neuen Solido Layout Analyzer weitet Siemens die KI-Funktionen zudem auf weitere Bereiche des Custom-IC-Designflows aus. Das Werkzeug dient dazu, parasitäre und layoutabhängige Effekte in Post-Layout-Designs zu visualisieren, zu untersuchen und zu analysieren. In Verbindung mit Fuse EDA AI Agent können Entwickler dafür Anweisungen in natürlicher Sprache verwenden, Ergebnisse analysieren lassen, Korrekturvorschläge erhalten und Berichte erstellen.
STMicroelectronics will den Solido Layout Analyzer im Bereich nichtflüchtiger Speicher testen. »Anstatt layoutabhängige Effekte erst spät im Prozess zu entdecken, bringt Solido Layout Analyzer diese Analyse früher in den Designflow«, erklärt Gianbattista Lo Giudice, Non-Volatile Memory Design Manager bei STMicroelectronics. Dadurch erhofft sich das Unternehmen eine höhere Designsicherheit und einen geringeren Zeitaufwand bei der Fehlersuche in komplexen Designblöcken. STMicroelectronics will diese Vorteile im laufenden Designbetrieb testen und validieren.
KI-Agenten für die digitale Verifikation
Ein weiteres Einsatzgebiet ist die digitale Verifikation, auf die laut Siemens bis zu 70 Prozent der Entwicklungszeit und -komplexität entfallen können. Aufbauend auf dem Questa One Agentic Toolkit integriert Siemens dafür das Reasoning-Modell Nemotron 3 Ultra von Nvidia, das für komplexe, länger laufende KI-Agenten ausgelegt ist.
Die autonomen Agenten sollen damit unter anderem technische Zielkonflikte bewerten und Designs während der Verifikation kontinuierlich anhand einer definierten Referenz-Testumgebung überprüfen. Dadurch sollen sich Fehler früher erkennen und Verifikationsprozesse schneller abschließen lassen. Beim agentenbasierten RTL-Benchmarking mit dem ACE-RTL-Agenten liegt Nemotron 3 Ultra nach Angaben von Siemens unter den getesteten offenen Modellen an führender Position.
»Wir befinden uns an einem Wendepunkt, an dem die Komplexität von KI-Chips, Chiplets und 3D-ICs herkömmliche Verifizierungsmethoden übertroffen hat«, sagt Abhi Kolpekwar, Senior Vice President und General Manager Digital Verification Technologies, Siemens EDA, Siemens Digital Industries Software. »Agentische KI ist der natürliche Weg nach vorn, der mit dieser Komplexität skaliert werden kann – wir verfügen nun über Agenten, die Multi-Domain-Verifizierungen orchestrieren, über Milliarden von Testszenarien hinweg argumentieren und Ergebnisse in Produktionsqualität in Zeitrahmen liefern können, die vor nur zwei Jahren noch unmöglich waren.«
Verfügbarkeit
Die erweiterten KI-gestützten EDA-Funktionen von Siemens werden in den kommenden Releases des KI-nativen EDA-Portfolios von Siemens verfügbar sein.