作者：电子创新网张国斌
在过去三十年里，EDA 行业的进化方式几乎是“反 AI 直觉”的——算法演进、流程高度工程化、核心能力牢牢绑定在人类专家的经验上。
这是一个对“黑盒”天然警惕、对确定性极度苛刻的行业。
但现在，这条延续了数十年的技术路径，正在被 AI 强行改写。
而更值得警惕的是：这并不是一次简单的效率提升，而是一场被严重低估的产业级范式变革。
在1月8日贸泽电子芯英雄联盟直播间，深圳鸿芯微纳技术有限公司副总裁冯春阳博士分享了EDA与AI融合的大趋势，并与众多网友互动，探讨了EDA与AI融合的技术细节。
一、EDA与AI融合第一阶段已经结束
冯春阳博士表示，目前，“给 EDA 加点 AI”，已经是过去式，过去几年，行业谈论“AI+EDA”，大多停留在点状优化：
用机器学习调 P&R 参数
预测 DRC hotspot
加速时序收敛
提前估算功耗、拥塞、风险点
这些方法有没有价值？有，而且价值不小。但它们有一个共同特征：不改变设计范式，只是在既有流程上提速。
EDA 的角色没有变，工程师的工作方式也没有变，AI 只是“更聪明的助手”。
这一阶段，已经结束了。
真正的转折点要来了，AI 正在进入“设计决策层”
当前正在发生的，是第二阶段。
EDA × AI 的角色，正在从局部工具优化器，“跃迁为跨阶段、跨目标、跨约束的设计决策参与者。”他指出，“一个极其重要的变化是EDA 正在从 Tool-level，走向 Flow-level AI。AI 不再只参与 placement、CTS 或 routing 的某一个环节，而是开始跨越：
架构选择
工艺节点评估
IP 组合策略
芯片/封装协同路径
优化目标，也从单一指标，升级为PPA + 成本 + 风险 + 设计周期 的全局最优
这意味着什么？这意味着工程师不再只是“调工具”，而是开始与系统共同决定设计路径本身。
二、生成式 AI，已正式进入 EDA 主流程
很多人低估了生成式 AI 在 EDA 的落地速度。但事实上，它已经进入主流程的多个关键层级。
1️⃣ RTL 与 IP 层
自动生成模块骨架
参数化 IP 组合
接口、时钟域、复位逻辑自动补全
2️⃣ 约束与脚本
自动生成 SDC / UPF / TCL
学习团队历史项目的设计风格
降低“隐性工程规范”的学习成本
3️⃣ 工程管理与 Review
自动生成设计说明
提炼 Review 重点
分析设计变更的连锁影响
一个关键转折点正在发生：芯片设计，正在从“人写代码”，转向“人定义目标，AI生成，人工审核”。
三、强化学习，正在重构 PPA 优化的底层逻辑
如果说生成式 AI 改变的是“输入方式”，那么强化学习（RL）改变的，是 PPA 优化的底层机制。
核心应用场景已经非常清晰：
Floorplan 探索
Placement 密度与拥塞控制
CTS 策略选择
多目标 trade-off（功耗 / 频率 / 面积）
为什么 RL 特别重要？
设计空间指数级爆炸，人工调参不可持续
高阶工艺的“隐性经验”难以显式建模
新工艺节点 learning curve 极长
冯博士指出强化学习的本质，是把“不可穷举的工程经验”，转化为可学习、可迁移的策略。产业影响极其直接：高端工艺节点的经验壁垒，第一次被系统性削弱。
四、STCO 与 3DIC：
冯博士表示把 EDA × AI 推向系统级战场，真正放大 AI 价值的，是 Chiplet 与 3DIC。新时代的设计难题已经发生质变：
Die-to-Die 互连复杂度激增
热–功耗–时序强耦合
工艺、架构、封装高度联动
这些问题，已经超出了传统 EDA 的线性能力边界。
AI 的新角色正在成型，就是多物理场联合预测、Chiplet 拆分方案自动探索以及封装形态与 SoC 架构协同搜索
可以明确判断，“STCO，将成为 AI-EDA 最重要的主战场之一。”他强调。
五、EDA融合AI 的终极形态：
EDA融合AI正在进化为“设计智能体（Design Agent）”,一个极其关键、却常被忽略的趋势是EDA 正在从“工具”，演进为“设计智能体”。
设计智能体具备什么能力？
理解设计目标
调用多种 EDA 工具
执行完整子流程
在失败后自我修正
未来可能出现的形态包括：
架构探索 Agent
时序收敛 Agent
功耗优化 Agent
封装协同 Agent
其本质只有一句话：把工程师的隐性经验，转化为可复制、可迁移的系统能力。
主持人电子创新网CEO张国斌指出在AI 时代，EDA 的护城河正在重写，传统 EDA 的护城河是：算法、工具链和客户粘性，而在 AI 时代，真正稀缺的变成了真实设计数据、工程决策数据以及跨节点、跨产品的经验迁移能力。
这正在引发三种趋势：
大厂自研 AI-EDA
Foundry 与 EDA 深度绑定
开源工具 + 私有数据混合训练
所以，EDA 的竞争维度，正在发生结构性变化。
六、国产 EDA 的机会，正在打开
冯博士表示利用大语言模型实现EDA智能体实际上也分五个层级，最高层级就是实现虚拟人交互全自动设计---就是识别自然语言自动设计出芯片，但是这个最终层级还需要时间，目前业界已经走在L3 ，他预测2026年会有L4级的智能体出现。
对于本土EDA来说，AI 不会自动抹平差距，但它确实改变了竞争规则。这对于本土EDA来说机遇与挑战并存，谁先把 AI 嵌入设计流的“核心决策层”，谁才有资格谈国产 EDA 的真正破局。
所以，这不是工具升级，而是设计范式重构，EDA × AI 的终局，从来不是“更聪明的工具”。而是：从工程师个人经验驱动，走向系统级、数据驱动、智能体协同的芯片设计范式。
这场变革，刚刚进入真正的深水区。
冯博士还总结说很多人担心AI会抢走自己的饭碗，“实际上，AI会让人强的人更强，只要你善于利用AI ，则你的设计效率会大大提升！”
注：本文为原创文章，未经作者授权严禁转载或部分摘录切割使用，否则我们将保留侵权追诉的权利