Zrychlování nástrojů přestává stačit

Polovodičový průmysl zažil v posledních dekádách ohromný pokrok ve výkonu nástrojů pro elektronický design — takzvané EDA (Electronic Design Automation). Simulátory běží na clustrech stovek serverů, formální nástroje ověřují miliardy stavů a emulátory dokážou napodobit chování celého systému na čipu ještě před jeho výrobou. Přesto se produktivita verifikačních týmů zlepšuje stále pomaleji.

Důvod je prostý: RTL verification — ověřování návrhu na úrovni popisu přenosu mezi registry (Register-Transfer Level) — už dávno není lineární proces. Specifikace se mění během vývoje, návrhy rostou do obřích rozměrů a každá iterace odhaluje nová rizika. „Největší problém dnes není výpočetní výkon jednotlivých nástrojů, ale složitost celého workflow,“ píše Harry Foster, hlavní vědecký pracovník pro verifikaci ve společnosti Siemens EDA.

Podle odhadů průmyslových analytiků dnes verifikace pohlcuje 60–70 % času a nákladů na vývoj integrovaného obvodu. Zatímco sama simulace může trvat hodiny, rozhodování, co simulovat, jak interpretovat výsledky a jak upravit testovací plán, zabírá týdny.

Co je agentní AI a čím se liší od klasické automatizace

Klasická automatizace funguje jako dopravní pás: má pevně dané vstupy, předvídatelné kroky a jediný výstup. Vývoj čipů ale takto nefunguje. Návrhy se vyvíjejí, požadavky se mění a mezivýsledky často odhalují nové problémy, které nikdo nečekal.

Agentní AI (agentic AI) představuje odlišný přístup. Místo izolovaných skriptů a samostatných nástrojů operují inteligentní agenti napříč celým workflow. Agenti sledují aktuální stav návrhu, plánují omezené akce, provádějí úkoly a sumarizují výsledky. Klíčové je, že se nejedná o černou skříňku — efektivní systémy jsou navrženy tak, aby člověk zůstal v kontrole.

Foster zdůrazňuje, že AI, která sedí mimo řetězec nástrojů a pouze parsuje logy nebo generuje skripty, může naopak zvýšit režii a snížit důvěru inženýrů. Řešením je těsná integrace: agenti musí používat stejné modely pokrytí, sémantiku a kontrolní mechanismy, které jsou nutné pro finální schválení (sign-off) čipu.

Questa One Agentic Toolkit: konkrétní řešení od Siemens EDA

Společnost Siemens EDA, jeden ze tří globálních gigantů v oblasti EDA spolu s Cadence a Synopsys, představila koncept Questa One Agentic Toolkit. Jde o rozšíření její verifikační platformy Questa One o agentní workflow zaměřená na člověka.

Nástroj má čtyři pilíře:

• Engine-native context — agenti komunikují přímo s jádry nástrojů, nikoliv přes nestrukturované logy. Mohou spouštět simulace, dotazovat se na pokrytí (coverage) a analyzovat selhání přímo přes řízená rozhraní.
• Goal-driven agents — agenti jsou řízeni cílem, ne jen předem definovaným skriptem. Dokáží například upravit testovací plán, když se změní specifikace návrhu.
• Human-in-the-loop — inženýři schvalují klíčová rozhodnutí. AI akceleruje exekuci a analýzu, ale pravomoc nad závěrečným schválením zůstává člověku.
• Open integration — toolkit podporuje otevřenou integraci s existujícími pracovními postupy a nástroji třetích stran.

Tento přístup podle Siemens přináší „měřitelné zvýšení produktivity bez kompromisu v důvěryhodnosti“.

Kde agentní AI už dnes pomáhá

První nasazení agentních systémů v RTL verifikaci už přinášejí hmatatelné výsledky v několika oblastech:

RTL vývoj a úpravy kódu

AI-asistenti dokážou generovat nebo upravovat kód tak, aby lépe odpovídal verifikačním požadavkům, a odchytit problémy dříve, než se dostanou do simulace. To šetří hodiny ručního přepisování.

Lint a statická analýza

Statické nástroje často generují stovky či tisíce varování, z nichž většina není kritická. Agentní systémy umějí inteligentně filtrovat hluk a zaměřit pozornost inženýra na skutečná rizika.

Clock domain crossing (CDC)

Přenos signálů mezi částmi obvodu s různým taktováním je jednou z nejčastějších příčin selhání čipů v terénu. Iterativní analýza a zpřesňování návrhu s pomocí AI urychluje konvergenci k robustnímu asynchronnímu řešení.

Plánování verifikace

Agenti mohou překládat vyvíjející se specifikace do strukturovaných testovacích plánů, které se automaticky přizpůsobují změnám v návrhu. Tím se eliminuje řada manuálních revizí dokumentace.

Debug a kořenová analýza

Korelace vlnových průběhů, asercí a logů napříč běhy simulace dokáže exponenciálně zrychlit nalezení příčiny chyby. Co dříve trvalo dny, lze nyní zúžit na několik hodin.

Člověk zůstává pánem situace

Navzdory rychlému pokroku AI není plná autonomie v oblasti RTL verifikace ani realistická, ani žádoucí. „Cílem není nahradit inženýry, ale snížit manuální koordinaci, aby se mohli soustředit na rozhodování a mitigaci rizik,“ upozorňuje Foster.

Verifikační rozhodnutí často závisí na neúplných specifikacích, implicitních předpokladech a kompromisech, které vyžadují lidské zkušenosti. Určit, kdy jsou výsledky „dostatečně dobré“, je vzácně černobílá záležitost. Proto efektivní agentní systémy obsahují explicitní body schválení — AI navrhuje a urychluje, člověk schvaluje.

Pro zachování důvěry a odpovědnosti jsou klíčové tři principy:

• Omezené akce (bounded actions) — agenti mohou dělat pouze to, co je předem definováno.
• Kvalifikace výstupů — výsledky AI procházejí stejnými validačními mechanismy jako výstupy lidí.
• Povinné lidské review — u klíčových rozhodnutí musí být zapojen člověk.

Co to znamená pro Česko a Evropu

Pro české čtenáře je důležité uvědomit si, že jde o enterprise nástroje určené především pro polovodičový průmysl. Nejsou dostupné jako běžná SaaS řešení pro koncové uživatele a jejich licencování probíhá individuálně, často v řádech desítek až stovek tisíc korun ročně v závislosti na rozsahu nasazení.

Přesto má vývoj relevance i pro českou technologickou scénu. V Česku působí významné vývojářské centra firem jako ON Semiconductor nebo STMicroelectronics, která se zabývají návrhem čipů. Pro ně mohou být agentní workflow klíčovým faktorem při zkracování času uvedení produktů na trh. Evropská snaha o technologickou suverenitu v oblasti čipů — podpořená například Evropským zákonem o čipech (European Chips Act) — závisí mimo jiné na efektivitě vývojářských týmů. Agentní AI v EDA může být jedním z nástrojů, jak dohnat náskok Asie a USA.

Zároveň platí, že Česká republika i Evropa celkově čelí nedostatku kvalifikovaných inženýrů v oblasti návrhu čipů. Agentní AI, která zvyšuje produktivitu jednotlivce, může částečně zmírnit tento tlak a umožnit menším týmům řešit složitější návrhy.

Kam směřuje vývoj

Agentní AI v EDA je stále v rané fázi. Aktuální zaměření je na redukci tření v plánování, exekuci a analýze při zachování pevné kontroly inženýrů. Dlouhodobě se očekává širší orchestrace workflow, ale jen za podmínky transparentnosti a robustní validace.

Jak roste složitost návrhů, největší přínos nebude plynout z toho, jak rychle nástroje běží, ale z toho, jak efektivně se práce organizuje. Agentní AI představuje posun směrem k tzv. workflow intelligence — pomáhá týmům postupovat rychleji, aniž by se snížila rigorozita potřebná pro schválení čipu k výrobě.

Pro verifikační týmy, které dnes bojují s rostoucí režií iterací, tento posun nemůže přijít dost brzy.