謝至恩西門子 EDA 正把 AI 從單點工具功能，推向可跨越多項電子設計自動化流程的代理式工作模式。面對 Chiplet 、 3DIC 、異質整合與系統級驗證帶來的設計複雜度，西門子 EDA 提出 AI 原生設計策略，透過加速核心引擎、讓 AI 代理人執行設計流程，並以既有 sign-off 工具驗證結果，試圖同時提升工程效率與設計成果的可信度。
西門子 EDA 在新竹舉辦 Siemens EDA Forum 2026，聚焦 AI 原生 (AI-Native) 設計如何整合至電子設計流程與產品生命週期。西門子 EDA 資深副總裁暨人工智慧策略長 Amit Gupta 表示，產業正走向 Chiplet 架構、軟體定義系統與 AI 驅動的自主化工程，傳統設計方法已難以因應晶片到系統 (Silicon-to-System) 的複雜性，也難以滿足市場對開發速度與工程效率的要求。
從加速引擎到可信成果，AI 原生 EDA 分三路推進
西門子 EDA 將 AI 原生策略分為更快速的工程引擎 (Faster Engines) 、更智慧的設計執行 (Smarter Execution) 及更可信的設計成果 (Trusted Outcomes) 三個方向。
第一個方向是加速 EDA 核心引擎。除了使用 GPU 、 Arm 架構 CPU 及 CPU 與 GPU 混合運算，西門子 EDA 也把機器學習與強化學習導入引擎，依工作負載將適合平行處理的運算交由 GPU 執行。 Amit Gupta 指出，相關加速技術在特定工作負載下最高可達 1000 倍效能提升。
第二個方向則是以大型語言模型、生成式 AI 與 AI 代理人提升工程師生產力，讓使用者不必逐一操作工具、設定參數與反覆檢查執行結果。西門子 EDA 觀察，以大型語言模型驅動 EDA 工具，可在特定使用情境帶來 10 至 50 倍的生產力提升。
第三個方向是可信成果。 AI 代理人產生的設計不能只停留在看似合理的建議，而必須經由既有 EDA 引擎檢查，確認是否符合設計規則、時序、功耗與可製造性等條件。西門子 EDA 全球副總裁暨亞太區技術總經理 Lincoln Lee 表示，產業尋求的已不只是更快的單點工具，而是設計方法論的底層革新。西門子 EDA 因此將代理式 AI 與多年來用於驗證及 sign-off 的工具結合，讓 AI 負責規劃與執行，設計結果仍由工程工具驗證。
FUSE 代理人可長時間執行、除錯與驗證流程
西門子 EDA 於 2025 年推出 FUSE EDA AI System，先把生成式 AI 及代理式功能導入各項工具；2026 年 3 月再發表 FUSE EDA AI Agent，將能力延伸至跨工具協作。最新階段則是長時運行、自我驗證的 AI 代理人，工程師可用自然語言說明目標，由代理人規劃步驟、呼叫工具、處理錯誤並檢查結果。
以 Liberty 時序模型特性化為例，工程師可要求代理人針對不同製程、電壓與溫度條件產生並驗證 Liberty 檔案。代理人收到需求後，能自行拆解工作、選擇工具並持續執行約 90 分鐘。 Amit Gupta 表示，該案例將特性化時間縮短 10 倍，token 成本也降低 10 倍。
這種模式改變的並非只有工具介面，而是工程工作的分工。過去工程師必須持續調整參數、查看錯誤並重新執行；導入代理人後，工程師設定設計意圖與驗收條件，代理人負責執行、除錯及驗證，再由工程師判斷結果是否符合需求。
Amit Gupta 強調，AI 代理人並非取代設計人員。隨著代理人接手重複性操作，工程師可把時間移至架構、規格與結果判讀等工作，同時仍須辨識 AI 產出的設計是否合理，以及是否需要加入更多限制條件。
AI 設計能否量產，關鍵仍在驗證與可追溯性
AI 在設計探索過程中，可能找到人類過去未曾嘗試的方案，但達到部分效能指標，不代表設計即可量產。例如，若最佳化流程缺少功耗測試條件，AI 可能產出效能較高、卻超出功耗規格的結果；版圖若未通過 Calibre 設計規則檢查，同樣無法進入後續製造流程。
西門子 EDA 的作法，是讓代理人透過 MCP 伺服器呼叫 Calibre 、 Tessent 、 Solido 及 Questa 等 EDA 工具，而不是由 AI 模型單獨判斷結果。設計人員可查看代理人建立的行動計畫、呼叫哪些工具及工具回傳的結果；若發現流程有誤，也能要求代理人修改步驟，並把修正後的作法保存為 skills files 。
這些 skills files 也可成為企業內部的工程知識庫。資深工程師能把工具操作經驗、設計流程與判斷原則轉換為代理人可使用的操作指引，降低知識只存在個人經驗中的風險，讓新進工程師與其他團隊在相同規範下使用工具。不過，工具操作門檻降低後，工程師更需要具備判讀能力，知道結果是否合理、能否重現，以及是否符合量產要求。
兩起收購補強 SoC 設計流程
西門子於 2026 年 7 月接連宣布收購 Precision Innovations Inc. 與 Defacto Technologies 的協議，交易條件均未公開。前者以開原 OpenROAD 框架發展 AI 晶片規劃與設計探索技術，協助團隊在 SoC 設計前期評估 PPA；後者則專注 RTL 自動化設計建立與整合。兩起收購將補強西門子 EDA 從前期架構探索、 SoC 建立到實作與驗證的工作流程。
隨著 AI 代理人逐步接手工具操作，EDA 市場的競爭也可能由介面熟悉度轉向工具本身的速度、準確性、擴充性及 sign-off 能力。對西門子 EDA 而言，AI 原生設計的重點不只是讓模型回答問題，而是讓代理人能在可信任的工程工具上執行工作，並保留工程師檢查、修正與追溯結果的能力。