基于物理的验证：可信 Agentic EDA 的基石

这是探讨构建面向生产环境的 EDA 智能体所需条件的系列文章的第三篇。第一篇探讨了智能体在生产环境中可靠运行所需的架构决策。第二篇考察了在智能体化 EDA 工作流中“自验证”的含义：智能体如何在工作过程中持续检查自己的决策，而不是等到整个运行结束后才检查。

但是，这些决策究竟是以什么为依据来验证的呢？

答案是物理。更具体地说，是那些决定设计是否正确的确定性、基于物理的 EDA 引擎。自验证的智能体会检查自己的工作，而经过物理验证的工作流则确认这些工作是正确的。

半导体设计受物理规律支配

芯片设计始终面临基于物理的约束。每一个晶体管、每一条连线、每一条时序路径、每一个温度梯度都受固定的物理定律支配，无论设计是如何创建的。这就是为什么流片是非黑即白的：硅片要么能用，要么不能用。

当 AI 进入这个领域时，这一物理现实并不会改变。关键问题不是 AI 系统能否对物理进行推理，而是它产生的输出是否已经由强制执行这些物理规律的引擎所确认。

这一区别将能够对物理进行推理的模型，与经过物理验证的工作流区分开来。

物理验证意味着什么

物理验证的工作流是指：在下一步开始之前，智能体的每一个决策都要通过与确定性、基于物理的 EDA 引擎对照来确认。验证并非只在工作流结束时或整个运行完成后才进行，而是持续进行，在每一步都对照工程师们数十年来一直信赖的引擎进行验证。

智能体执行一步操作，由引擎判定结果是否满足设计的物理约束。如果不满足，智能体会识别问题、解决问题，然后继续。物理验证意味着引擎——而非模型——才是正确性的权威。

为什么在流片时至关重要

在半导体设计中，未经验证的决策没有任何容错余地。流片日期是固定的，重新流片代价高昂，而错过的市场窗口不会再来。

对于大规模部署智能体化 AI 的工程组织来说，关键问题不仅仅是工作流是否够快，而是其产生的结果是否可信，无需工程师手动重新验证每一个自主决策。

一个对物理推理正确、但未对照基于物理的引擎验证其输出的智能体化工作流，会在每一个自主步骤中引入风险。工作流在没有验证的情况下运行得越久，设计在错误暴露之前偏离正确性的程度就可能越远。

在一个跨多个工具、多个物理领域运行数小时且无需人工干预的长时间自主工作流中，未经验证的决策可能会不断累积。持续的基于物理的验证可以防止这些错误在工作流中扩散。

3D-IC 设计：一个多物理场挑战

在第 2 部分中，我描述了一种自主的库表征工作流，其中智能体持续将其工作结果与基于物理的 EDA 引擎进行核对。该工作流在特定任务层面展示了这一原则。当工作流跨越多个工具和物理领域时，对持续验证的需求会增加，3D-IC 设计正说明了原因。它是对物理学的终极考验，也是“半导体设计即物理学”的最清晰例证。

AI 工厂要求在日益受限的物理空间内获得更高的算力、内存带宽和散热性能。随着单片裸片上的功耗、性能和面积扩展达到实际极限，基于芯粒的 2.5D 和 3D 架构使算力和内存能够通过高度集成的封装实现扩展。

这种集成程度使物理设计问题复杂得多。堆叠的有源裸片使散热和温度相互作用更难预测，而封装可能引入机械应力。电气、电源、热和机械效应相互关联，某一区域的变化会影响其他区域。通过手动、割裂且依赖大量工具的工作流来处理这些效应，会造成频繁的工程交接，减缓迭代速度，并限制团队可评估的设计备选方案数量。

面向 3D-IC 设计的自主工作流

西门子开发了一种可自主协调 3D-IC 设计与分析的智能体化工程工作流。面向不同 EDA 工具的 MCP 服务器和技能文件连接到 Fuse EDA AI Agent，后者充当 MCP 聚合器，可连接到任意选定的编码智能体。在这个具体示例中，Claude Code 被用作智能体化编码 IDE，编排了一个横跨七款西门子 EDA 工具的九阶段电热工作流，在 12 个多小时内运行了 100 到 200 个智能体回合。

每个阶段执行一项独特的工程任务，从布局规划、库表征和功耗分析，到热签核、系统级热仿真、寄生提取以及考虑功耗和温度的 SPICE 仿真。每个阶段都使用签核级、基于物理的求解器进行验证。

该工作流自主运行，执行分析、评估结果、识别未达成的目标，并继续改进设计。团队可以在每个周期内对传热系数（HTC）边界、功耗预算和材料堆叠进行扫描，覆盖 200 到 500 多个设计点。这使团队配置工具的速度最高提升 20 倍，工程投入最多减少 95%，且相比传统手动流程可评估多达 50 倍的设计方案。

下面的演示展示了电热工作流的实际运行：

如何判断我的工作流是否经过物理验证？

在评估智能体化 EDA 工作流时，有一个问题可以决定其架构是否经过物理验证：在每一步，智能体的输出在工作流继续之前，是否都经过确定性的、基于物理的 EDA 引擎确认？

如果答案是肯定的，那么该工作流就是经过物理验证的。引擎是仲裁者，每个自主决策都要对照设计的物理现实进行确认。

定义 EDA 中的可信自主

综上所述，本系列的三篇文章定义了可用于生产的智能体化 EDA 的要求：为真实工程环境而设计的架构、持续核查智能体决策的自验证机制，以及决定这些决策是否正确的物理验证标准。

这就是西门子 EDA 在 Fuse EDA AI 智能体中内置的架构标准。其结果是可信赖的自主性：工作流的每一步都有经过验证的工程成果。

阅读本系列的前两篇文章：

第一部分：生产级 EDA AI 智能体背后的架构决策
第二部分：智能体 EDA 工作流中的自我验证意味着什么，以及为什么它很重要