华大九天：本土特色EDA垂直大模型智能系统的一种解题思路

随着芯片规模的不断扩张，达到数十亿乃至数万亿逻辑门的级别，传统EDA技术正在接近极限，传统方法已难以应对日益增长的复杂性，特别是在架构日益异构化、开发周期不断缩短的当下。这一现状为新工具和方法的出现提供了机遇。例如，AI代理可以集成到现有的EDA工具之上。它并非旨在取代现有的工具链，而是通过智能代理来增强功能：从规格到RTL代码和测试平台的生成、波形输出的解释、调试追踪，以及根据内部代码库和命名规范提供适应性建议。

EDA生产力的未来不仅在于更高层次的语言或新的验证框架，而是在于与工程师协同工作的AI代理，它能够提供指导、增强和加速，并具备特定领域的智能。这不仅仅是自动化处理琐碎任务，而是帮助工程师更深入地理解问题、获取相关上下文、做出架构权衡决策——更快、更自信。

为了实现万亿门级别的真正可扩展性，EDA行业必须超越脚本和模板，构建能够自主整合代码库、历史设计和演进规格上下文的智能系统。

应该说，EDA正经历由AI引发的深刻变革，诸如DeepSeek等大型模型的发展，正逐渐显现出对EDA行业的推动作用。AI技术通过机器学习算法，能够优化芯片设计流程，提升设计的效率与精确度。例如，AI算法可应用于EDA工具的仿真验证、布局布线等环节，加速设计进程并减少错误发生。

目前，AI技术与工业软件的融合正逐步深入到集成电路设计、制造、封装测试等多个环节。在EDA领域，业界普遍认为，EDA与AI之间存在一种互利的双向赋能关系。

在集成电路设计生产过程中，EDA工具集成AI算法后，能够更加智能地处理复杂数据、优化布局布线、加速仿真验证等环节。

同时，EDA工具通过提供高精度、高效率的设计方案，有助于AI芯片在算力、能效比等关键性能指标上的提升。

在应用场景持续创新与演变的背景下，AI大模型已经实现了从基础能力到通用能力再到行业能力的持续演进。

在EDA工具中部署AI技术的进展方面，国际头部三家企业均在大力投资全流程智能化和LLM应用平台，而反观中国本土EDA企业的AI导入，“国内还在忙于补链串链，当前只有点工具的AI应用，AI+EDA有大幅落后风险。”近日，在苏州举办的第五届中国集成电路设计创新大会暨IC应用生态展（ICDIA 2025）上，华大九天副总经理郭继旺表示。

华大九天副总经理郭继旺

EDA行业大模型智能系统

要在AI可能带来EDA行业新变革的当下不落后于人，中国本土EDA产业需要打开思路大胆破局，“我们要把全流程智能系统做起来，另一方面是不是可以同步启动我们EDA的垂直大模型，在上面加载点工具，加速本土特色全流程智能系统的打造并不断闭环迭代优化。”郭继旺给出华大九天的一种解题思路，即EDA行业大模型智能系统的概念，这其中EDA行业的垂直大模型主要起到两大作用，一方面是帮助串链，包括自主规划工作流、自主调用EDA工具、全流程智能迭代优化、智能Benchmark，以及反馈指导点工具改进，另一方面则是通过大模型进行代码生成和分析，而基于这个垂直大模型的智能问答也将更加准确、高效。

在郭继旺的介绍中我们了解到，华大九天已经启动了这一EDA行业大模型智能系统的相关工作，在华大九天看来，“这个垂直大模型谁来做比较好？EDA作为一种工业软件，一定是做工业软件的企业来做比较好，而不是大模型厂家去做这个事。”郭继旺用了一个形象的比喻，“切菜的一定是厨师，而不是卖菜刀的。”

而发展这个行业大模型智能系统的必要要素包括要具备开放的AI+EDA平台生态，广泛的AI+EDA技术合作，雄厚的AI+EDA技术积累，优质的EDA平台，丰富的AI+EDA落地场景等。

作为本土EDA的头部企业，华大九天责无旁贷要承担起这份使命和责任。在郭继旺展示的华大九天的技术路线图中，围绕AI技术和行业大模型智能系统的诸多工作都在开展中。包括：

底层EDA行业大模型平台的开发，PyAether（Python API接口），大模型EDA知识智能专家，以及针对点工具的AI技术导入包括针对模拟设计中PDK设计的大模型生成PDK PCell和Model智能搜索功能，针对模拟芯片版图设计和仿真的RF设计智能生成技术、PowerMOS智能生成技术和模拟设计智能生成技术等，其中Python API接口技术PyAether已经发布，这一工作可以让即将推出的EDA行业大模型平台具备足够的开放性，成为全定制设计平台和生态平台，也让更多EDA点工具厂商可以通过统一的API接口加入进来，目前这一技术还在持续改进完善中；

此外，还在布局规划中的有针对模拟芯片版图设计和数字芯片物理设计的LLM/RL驱动的全流程智能设计功能，针对数字芯片逻辑设计和验证的RTL芯片设计智能生成功能，针对数字芯片时序功耗分析的AI加速时序功耗分析流程，以及针对芯片制造环节的利用AI进行现金工业的OPC光刻模型建模功能和利用AI进行制造缺陷的高效检测和分类功能，针对芯片封测强化学习Driven的Chiplet全流程智能设计功能等；

加上华大九天目前已经较为成熟的针对模拟芯片版图设计和仿真环节的基于机器学习的像素单元性能预测技术和AI加持的异构Spice仿真功能，以及针对数字芯片设计标准单元库的基于机器学习的高效时序特征化技术。

通过以上系统性布局，华大九天志在不断深化在AI技术方面的研究和开发，提升自身和本土EDA行业的AI竞争力。

那些待解问题

这种EDA行业大模型智能系统不失为解决当下本土EDA产业面临的AI困局的一种方法，华大九天的很多规划部署背后也有更深层的举国意志因素推动，在政策层面会赢得很多支持和助力，但郭继旺也坦言，这一项目要顺利推进，仍需解决几大问题，包括：

1. 补链。数据显示，目前国内EDA工具的产品覆盖率为80%左右，即仍有20%左右的EDA工具链路处于空白状态，没有可选项，也无法形成完整的全流程芯片设计工具链，这部分缺失的工具更多集中在数字芯片设计的部分环节。如果不能补齐这些工具，那么即便有我们的行业大模型智能系统，也无法形成全流程的工具链。

2. 接口标准。这也是国内EDA行业要打通点工具形成全流程工具链要面临的现实问题，即不同企业的点工具在数据规范上存在很大差异，很难彼此真正打通无缝衔接。

3. 垂直大模型。由于EDA本土的技术门槛，要建立垂直行业大模型也不是那么容易的事，如郭继旺所言，“目前国内还是以通用大模型为主，做通用大模型的企业又不懂EDA，或者说也不屑于懂，”因此在构建EDA行业大模型时，华大九天要找到合适的合作方是个问题，基于华大九天已经有跟国内很多合作伙伴联合开展了AI相关技术开发的经验，“我们发现有共同语言能一起做些事的，更多是科研院所的AI团队。”可以理解，因为很多科研院所本身也有集成电路的研究方向，对EDA技术有基本的认知，同时在做人工智能的跨学科研究，大家有共同的目标，这种合作推进会更加水到渠成。

“从国家和产业层面，都希望本土EDA产业能在AI技术上不落后于人快速发展起来，我们也衷心的向大家向同行业发出倡议，从促进本土集成电路行业发展的角度，大家目标是一致的，我们要把自己的工具做好优化，要形成互通互联的机制和模式，在AI和行业大模型的加持下同步发展，彼此呼应，双向奔赴，通过EDA垂直领域大模型智能系统跨维度共同解决为本土集成电路产业提供有力的EDA工具支撑的困局。”郭继旺最后强调。