Synopsys e NVIDIA ampliam agentes autônomos para projetar chips

A Synopsys ampliou, em parceria com a NVIDIA, suas capacidades de IA agentiva voltadas ao desenvolvimento de semicondutores. A proposta é usar agentes autônomos para executar e coordenar tarefas em áreas como verificação de chips, projeto analógico e engenharia térmica, partes do processo que normalmente exigem ciclos sucessivos de simulação, revisão e intervenção de especialistas.

O anúncio, reportado pela EE Times Asia, insere a colaboração em uma disputa mais ampla para incorporar inteligência artificial às ferramentas de automação de projeto eletrônico, conhecidas pela sigla EDA. Nesse mercado, pequenas melhorias no tempo de validação ou na qualidade das decisões de projeto podem ter impacto relevante, porque os chips modernos combinam bilhões de transistores e precisam atender simultaneamente a restrições de desempenho, consumo, custo e confiabilidade.

Onde os agentes entram no fluxo de projeto

Na verificação, agentes podem ajudar a formular estratégias de teste, analisar resultados de simulações, identificar padrões de falha e sugerir novas execuções. Em vez de apenas responder a um comando isolado, um sistema agentivo tende a dividir um objetivo em etapas, acompanhar o estado do trabalho e ajustar a sequência conforme os resultados. A fonte, porém, não detalha quais dessas funções já foram implementadas pela Synopsys e pela NVIDIA.

O projeto analógico apresenta um desafio diferente. Circuitos analógicos dependem de relações contínuas entre componentes, ruído, variações de fabricação e condições de operação. A automação precisa considerar compromissos de engenharia que nem sempre são capturados por regras simples. Agentes podem acelerar a exploração de alternativas, mas as escolhas finais continuam sujeitas à validação de projetistas e às limitações dos modelos utilizados.

Na engenharia térmica, a IA pode apoiar a avaliação de pontos de aquecimento, distribuição de energia e efeitos do empacotamento sobre a dissipação. Essa frente ganhou importância com aceleradores de alto desempenho e sistemas cada vez mais densos. Ainda assim, não foi informado se os agentes atuam em modelos térmicos completos, em análises preliminares ou em uma combinação de ferramentas.

A combinação das plataformas das duas empresas

A Synopsys fornece ferramentas amplamente usadas no projeto e na verificação de semicondutores, enquanto a NVIDIA oferece hardware e software para computação acelerada e desenvolvimento de modelos de IA. A integração entre as companhias pode permitir que tarefas de engenharia sejam executadas com maior capacidade computacional e que diferentes etapas do fluxo compartilhem contexto e resultados.

Essa integração também pode aproximar a IA da infraestrutura real usada por equipes de chips. O valor comercial não dependerá apenas da capacidade de gerar sugestões, mas da compatibilidade com bibliotecas, regras de fabricação, ambientes de simulação, requisitos de segurança e processos de aprovação já adotados por cada empresa.

Promessa de produtividade vem acompanhada de riscos

A principal promessa é encurtar o tempo entre uma hipótese de projeto e sua validação. Agentes capazes de operar várias ferramentas poderiam reduzir trabalho repetitivo e liberar engenheiros para decisões de arquitetura e análise de problemas mais complexos. Em projetos com prazos apertados, isso pode influenciar o custo de desenvolvimento e a velocidade de lançamento de novos produtos.

Por outro lado, erros silenciosos representam um risco elevado. Uma recomendação aparentemente plausível pode violar uma restrição elétrica, térmica ou de fabricação e só ser descoberta em uma etapa posterior. Também há questões sobre rastreabilidade: as equipes precisarão saber quais dados orientaram cada decisão, quais experimentos foram executados e em que momento um profissional autorizou a continuidade do fluxo.

• A confiabilidade das sugestões precisa ser medida em projetos reais e não apenas em demonstrações.
• Os resultados devem ser verificáveis por ferramentas tradicionais e por engenheiros responsáveis.
• Dados proprietários de projetos e bibliotecas exigem controles rigorosos de acesso e governança.
• A adoção dependerá da integração com fluxos EDA e processos de fabricação existentes.

Outro ponto é a dependência de dados e modelos especializados. Sistemas treinados ou ajustados com informações inadequadas podem reproduzir vieses de projeto, priorizar objetivos incorretos ou apresentar desempenho desigual entre diferentes processos tecnológicos. Em semicondutores, uma solução que funciona em uma família de nós ou em um tipo de circuito não necessariamente se transfere para outro ambiente.

A fonte original confirma a expansão dos recursos e os domínios técnicos envolvidos, mas não apresenta números públicos sobre redução de tempo, melhoria de desempenho, economia de energia ou taxa de aceitação das recomendações. Também não estão confirmados o calendário de lançamento, o formato de acesso, os clientes participantes e o grau de autonomia permitido em ambientes de produção.

Os próximos passos devem envolver avaliações com projetos industriais, definição de mecanismos de supervisão e demonstração de ganhos mensuráveis. Caso a integração avance, a competição entre fornecedores de EDA tende a se concentrar não apenas em algoritmos, mas na capacidade de conectar agentes a simuladores, verificadores, bibliotecas e dados proprietários sem comprometer a confiabilidade do tape-out.

Fonte: EE Times Asia