新智元報道

編輯：LRST

【新智元導(dǎo)讀】從「會寫Tcl」，到「能真正推進(jìn)設(shè)計優(yōu)化流程」，大模型正第一次以Agent形態(tài)進(jìn)入真實EDA工具鏈。

大模型正在快速進(jìn)入工程研發(fā)現(xiàn)場。

但在 EDA（電子設(shè)計自動化）領(lǐng)域，真正難的從來不是「生成一段腳本」，而是讓模型能夠穩(wěn)定接入真實工具、持續(xù)調(diào)用原子能力、理解分析結(jié)果，并據(jù)此推進(jìn)下一步優(yōu)化。

行業(yè)真正需要的，不是一個「會聊天的腳本助手」，而是一個能夠圍繞目標(biāo)持續(xù)分析、執(zhí)行、糾偏和迭代的EDA Agent。

近日，浙江大學(xué)集成電路學(xué)院卓成團(tuán)隊構(gòu)建了OpenClaw + FluxEDA聯(lián)合架構(gòu)：以前者作為大模型 Agent 的編排層，以后者作為面向真實EDA shell的統(tǒng)一執(zhí)行底座，打通從Skills、MCP到端到端優(yōu)化閉環(huán)的關(guān)鍵鏈路。

論文鏈接：https://arxiv.org/pdf/2603.25243v1

這套系統(tǒng)已經(jīng)能夠穩(wěn)定接入時序分析、邏輯綜合、仿真驗證和物理實現(xiàn)等典型EDA工具，并在Post P&R 自動化ECO、標(biāo)準(zhǔn)單元庫子庫優(yōu)化等任務(wù)中，完成連續(xù)分析與優(yōu)化閉環(huán)。

一句話概括：EDA，終于開始從「AI 輔助寫命令」，走向「Agent自主推進(jìn)流程」。

為什么這件事會首先發(fā)生在浙大？

這背后并不是一支只做「LLM + 腳本生成」的團(tuán)隊。浙江大學(xué)集成電路學(xué)院卓成團(tuán)隊長期深耕電子設(shè)計自動化（EDA）、AI for EDA、設(shè)計技術(shù)協(xié)同優(yōu)化（DTCO）以及集成電路智能制造等核心領(lǐng)域。

團(tuán)隊曾在 EDA 國際頂級會議 ICCAD 上斬獲最佳論文獎，實現(xiàn)了中國內(nèi)地高校作為第一完成單位在該獎項上零的突破。

更關(guān)鍵的是，團(tuán)隊的研究有著完整、真實的產(chǎn)業(yè)中試級支撐。依托吳漢明院士牽頭的全國唯一12 英寸CMOS集成電路產(chǎn)教融合公共創(chuàng)新平臺，很多研究不再停留在 benchmark、腳本 demo 或?qū)嶒炇依锏母拍铗炞C，而是能夠直接放到真實工藝、中試和流片鏈路中去做閉環(huán)驗證。

正是基于這些真實的產(chǎn)業(yè)場景，團(tuán)隊前期已成功推出 FabGPT 等代表性成果，探索了多模態(tài)大模型在晶圓缺陷檢測、根因分析及工藝知識問答中的深度應(yīng)用。如果說FabGPT是團(tuán)隊在AI 賦能制造領(lǐng)域的深厚積累，那么文中介紹的 OpenClaw與FluxEDA，則進(jìn)一步將探索前沿推進(jìn)到了AI賦能 EDA的底層智能執(zhí)行基礎(chǔ)設(shè)施與閉環(huán)優(yōu)化層面。

這是一條扎根真實產(chǎn)線、面向智能 EDA 未來、不斷向前延伸的硬核研究路線。

為什么EDA真的需要Agent底座？

過去幾年，LLM+EDA相關(guān)工作層出不窮，但很多還停留在三個層面：

• 生成Tcl / Python腳本；

• 做一個能問答的 EDA 助手；

• 在 benchmark 上完成局部優(yōu)化 demo。

這些工作有價值，但距離真實工業(yè)流程還有明顯距離。因為真正的數(shù)字芯片設(shè)計流程，不是調(diào)用一次命令就結(jié)束，而是一個跨工具、跨步驟、跨上下文的持續(xù)執(zhí)行閉環(huán)。

現(xiàn)實問題也很直接：

• 工具入口分散，Tcl / Python / Shell交織；

• 接口不統(tǒng)一，能力邊界不清晰；

• 運(yùn)行狀態(tài)難維護(hù)，長上下文難持續(xù)；

• 工具環(huán)境復(fù)雜，直接暴露給模型風(fēng)險極高。

這也是為什么「讓模型寫腳本」并不等于「讓模型做EDA」。

圖1：FluxEDA范式轉(zhuǎn)變

OpenClaw + FluxEDA：給 EDA Agent 裝上「大腦」和「神經(jīng)系統(tǒng)」

圍繞這一目標(biāo)，團(tuán)隊提出了OpenClaw + FluxEDA的聯(lián)合架構(gòu)：

• OpenClaw扮演「大腦」角色，負(fù)責(zé)基于 Skills 組織流程、維持全局上下文、做任務(wù)編排與策略決策；

• FluxEDA則像「神經(jīng)系統(tǒng)」，負(fù)責(zé)把真實 EDA 工具鏈轉(zhuǎn)化為 Agent 可以穩(wěn)定調(diào)用、可發(fā)現(xiàn)能力、可持續(xù)運(yùn)行的執(zhí)行環(huán)境。

FluxEDA并不是簡單「包一層 API」。它打通了從TCL gateway、Socket RPC 協(xié)議、Python/C++ SDK、CLI 到MCP Server的完整鏈路，將散落在不同 shell 中的工具能力整理成結(jié)構(gòu)化、可注冊、可調(diào)用的原子 API，讓上層 Agent可以通過統(tǒng)一的api_*接口持續(xù)驅(qū)動真實工具流程。

更關(guān)鍵的是，它解決了一個現(xiàn)實問題：如何讓大模型安全地操作真實 EDA 工具？

FluxEDA并不直接向模型暴露 EDA shell，而是通過MCP + Skill機(jī)制，對可調(diào)用能力進(jìn)行顯式約束。模型只能調(diào)用預(yù)先聲明的原子接口，在真實工具與 Agent 之間建立一層能力沙箱。

這帶來兩個直接收益：

• 保證流程穩(wěn)定運(yùn)行，降低直接操作復(fù)雜工具帶來的風(fēng)險；

• 把復(fù)雜EDA上下文「關(guān)進(jìn)籠子里」，節(jié)省Context空間，讓模型更聚焦于策略規(guī)劃與優(yōu)化決策。

圖2：FluxEDA系統(tǒng)框架圖

圖3：FluxEDA+OpenClaw——大模型「自主接管」真實芯片設(shè)計和優(yōu)化迭代流程

實戰(zhàn)一

Post P&R自動化 ECO

在真實的 Post P&R 時序分析流程中，F(xiàn)luxEDA 驅(qū)動的 Agent 已經(jīng)能夠完成一整套連續(xù)操作：

• 讀取設(shè)計；

• 設(shè)置propagated_clock和case_analysis；

• 生成baseline timing報告；

• 抽取setup / hold關(guān)鍵路徑；

• 判斷問題成因與可能修復(fù)方向。

真正值得關(guān)注的，不是它「調(diào)用了幾個命令」，而是它已經(jīng)形成了圍繞真實post-P&R timing問題的連續(xù)分析閉環(huán)。

根據(jù)材料中的實驗結(jié)果，Agent 在迭代過程中展現(xiàn)出了清晰的戰(zhàn)術(shù)意識：

• 優(yōu)先集中修復(fù)setup違例；

• 當(dāng)收益趨于平臺期時及時止損；

• 再轉(zhuǎn)入hold清理；

• 在保持核心時序收益的同時完成最終收尾。

最終結(jié)果也相當(dāng)亮眼：

• Setup TNS從-37.36提升到-34.78；

• Hold THS從-1.329降到0.000；

• Hold違例路徑從4條降為0條。

這意味著，Agent 已經(jīng)不只是「能看報告」，而是開始具備圍繞真實后端 ECO 任務(wù)做連續(xù)判斷和修復(fù)推進(jìn)的能力。

圖4：FluxEDA驅(qū)動的自動P&R后ECO修復(fù)

實戰(zhàn)二

Cell 種類直降76%

如果說自動化ECO展示的是Agent 的「連續(xù)修復(fù)能力」，那么標(biāo)準(zhǔn)單元庫子庫優(yōu)化展示的則是它的「結(jié)構(gòu)洞察能力」。

在工藝和設(shè)計早期，工程師往往需要先定義標(biāo)準(zhǔn)單元庫的spec。一個非常實際的問題是：

能否針對某個具體電路，裁剪出一個極簡子庫，讓Cell Family類型盡可能少，同時面積和性能盡量接近全庫結(jié)果？

在這個案例中，F(xiàn)luxEDA配合綜合與時序分析工具，讓Agent從最小化子庫出發(fā)，以面積為目標(biāo)展開探索；隨后再從面積較優(yōu)的候選方案出發(fā)，繼續(xù)做時序恢復(fù)與候選比較。

關(guān)鍵在于，Agent并不是盲目堆單元、機(jī)械試錯。它能夠讀取PrimeTime關(guān)鍵路徑報告，并基于路徑結(jié)構(gòu)識別設(shè)計中的關(guān)鍵薄弱點(diǎn)，例如前端驅(qū)動偏弱、局部閉合能力不足以及部分低頻單元冗余，再據(jù)此做有針對性的補(bǔ)強(qiáng)與剪枝。

最終交付結(jié)果很有沖擊力：

• 相比全庫baseline，網(wǎng)表Cell種類從128種降到30 種；

• 種類壓縮幅度達(dá)到76%；

• 總面積從14651縮減到13659；

• WNS 僅出現(xiàn)輕微折損。

這說明，Agent已經(jīng)不只是「會跑綜合」，而是開始具備面向設(shè)計結(jié)構(gòu)的分析和搜索能力。

圖5：FluxEDA驅(qū)動的自動標(biāo)準(zhǔn)單元庫子庫優(yōu)化

這件事真正重要在哪？

今天我們討論大模型進(jìn)入EDA，最容易陷入的誤區(qū)是：把「會寫命令」誤認(rèn)為「會做流程」。

但對EDA來說，真正稀缺的能力從來不是單點(diǎn)命令生成，而是：

• 對真實工具環(huán)境的穩(wěn)定接入；

• 對分析結(jié)果的持續(xù)理解；

• 對復(fù)雜流程的跨步驟編排；

• 對優(yōu)化方向的動態(tài)調(diào)整；

• 對任務(wù)目標(biāo)的連續(xù)推進(jìn)。

而FluxEDA的意義，恰恰就在于它把這些原本割裂的部分組織成了一個統(tǒng)一的系統(tǒng)層，讓上層Agent不再直接面對分散的shell和雜亂的工具入口，而是能夠在Skills和MCP支撐下，圍繞完整任務(wù)持續(xù)執(zhí)行。

這意味著，端到端 EDA 不再只是停留在概念層面的愿景。至少在若干代表性的分析與優(yōu)化任務(wù)上，大模型 Agent 已經(jīng)開始真正進(jìn)入真實工具鏈，并承擔(dān)主要執(zhí)行閉環(huán)。

從「會寫腳本」到「能真正執(zhí)行流程」

FluxEDA并不是又一個泛泛而談的 「AI+EDA」 概念包裝，而是一套已經(jīng)打通關(guān)鍵系統(tǒng)鏈路、并在真實案例中驗證過代表性流程的Agent執(zhí)行底座。

結(jié)合OpenClaw，這套系統(tǒng)完成了三件關(guān)鍵事情：

• 用Skills組織 EDA 流程；

• 用MCP打通標(biāo)準(zhǔn)化調(diào)用；

• 用FluxEDA承接真實工具執(zhí)行。

它推動的，不只是一次接口改造，而是一種工作流范式轉(zhuǎn)變：

從「能寫腳本」，走向「能真正執(zhí)行流程」；從單點(diǎn)能力，走向系統(tǒng)能力；從隨機(jī)試錯，走向結(jié)構(gòu)洞察驅(qū)動的自動化優(yōu)化。

面向未來，這套 Agentic EDA 工作流還有望進(jìn)一步引入跨域協(xié)同與 physically-aware 的高階探索能力，繼續(xù)推動設(shè)計制造一體化技術(shù)發(fā)展。

對于IC行業(yè)來說，一個更值得期待的時代或許正在到來：大模型不再只是坐在工具鏈外「出主意」，而是開始真正走進(jìn)芯片設(shè)計現(xiàn)場，成為流程中的執(zhí)行者。

結(jié)語

真正的分水嶺，從來不是模型能不能說得更像工程師，而是它能不能真正做工程師在做的事。

現(xiàn)在，F(xiàn)luxEDA給出的答案已經(jīng)很明確：Agent進(jìn)入真實IC行業(yè)，不再只是想象。

參考資料：

https://arxiv.org/pdf/2603.25243v1