从辅助设计到自主工程：新思科技推出长时程 AgentEngineer解决方案与Autopilot平台

过去几年中，AI 一直在帮助工程师提高工作效率。Copilot 可以回答问题、生成脚本、分析结果并提出修复建议，而人类工程师仍负责主导工作流程并作出决策。AI 智能体则进一步拓展了 AI 的角色，使其从辅助执行单项任务迈向执行完整工作流程。

近日，新思科技正式推出面向芯片与系统设计的新思科技 AgentEngineer™解决方案产品组合。该产品组合基于可信平台构建，旨在推动自主工程时代的发展。

作为长时程超级智能体，新思科技 AgentEngineer 解决方案能够针对复杂工程目标进行推理，制定并动态调整计划，编排专用任务级智能体，并执行覆盖验证、系统验证、设计实现、模拟与混合信号（AMS）设计、制造以及仿真与分析等领域的完整工作流程。这些解决方案基于全新的新思科技 Autopilot™平台构建。该平台是开放、安全的自主工程基础，可提供上下文智能、保持持久记忆、将智能体连接至工程工具和数据，并为自主工程工作流程提供遥测和治理能力。

01 长时程智能体的独特优势

新思科技 AgentEngineer 解决方案专为长时程工程任务而设计。长时运行智能体可能会连续数小时或数天执行某一项活动，例如监控夜间回归测试；与之不同，长时程智能体聚焦于目标的复杂性。新思科技 AgentEngineer 能够在保持上下文、评估结果并持续调整计划的同时，推进需要数百乃至数千个推理步骤的工程目标。

以具有明确规格和覆盖率目标的端到端验证流程为例。要获得经过验证的 RTL，可能需要解读规格、生成 RTL、制定验证计划并开发测试平台、运行测试、衡量功能覆盖率和代码覆盖率、分析故障、修正 RTL 或测试、重新运行任务，并重复这一过程，直至达到目标。

新思科技 Verification AgentEngineer 能够围绕这一目标进行推理、制定计划，并编排各阶段所需的专用任务级智能体，其中也包括长时运行智能体。一个任务级智能体可以生成测试平台，另一个可以分析覆盖率缺口，还有一个可以开展根本原因分析。Verification AgentEngineer 会评估这些智能体的输出，决定下一步行动，并在中间结果未达预期时调整工作流程。

02 领域专用 AgentEngineer 解决方案产品组合

作为更广泛的新思科技 AI 解决方案产品组合的一部分，长时程 AgentEngineer 解决方案可应对芯片与系统设计中的复杂目标：

1.Verification

AgentEngineer编排端到端设计验证工作流程，覆盖从规格解读到覆盖率收敛的完整过程。

2.Implementation

AgentEngineer协调跨多个阶段的设计实现与签核工作流程，包括布局规划、布局、布线、拥塞分析、可测试性设计（DFT）优化，以及时序、功耗和设计规则收敛。

3.AMS AgentEngineer

编排模拟与混合信号设计工作流程，涵盖设计与优化、版图综合、IP 工艺节点迁移、物理验证、设计收敛与签核，以及晶体管级时序分析和特征化。

4.Manufacturing

AgentEngineer编排从设计到芯片制造的工作流程，涵盖工艺与器件仿真、掩模综合和掩模数据准备。

5.Meshing AgentEngineer

基于用户意图，利用工作流程自动化、AI 推理和内置网格划分最佳实践，生成、验证、修复并优化网格。

6.Blaze AgentEngineer

自动开展燃气轮机燃烧研究，确定燃烧建模策略和流态要求，并编排端到端仿真工作流程。

7.EMC AgentEngineer

自动执行 PCB EMI/EMC 分析，包括 EMI 扫描、电磁提取、依据适用 EMC 限值评估辐射发射，以及通过设计迭代帮助满足 EMC 合规要求。

新思科技 AgentEngineer 解决方案和 Autopilot 平台计划于 2026 年底全面上市。

03 自主工程的可信基础

先进芯片与系统设计绝非一系列彼此孤立的提示词交互所能完成。长时程 AgentEngineer 解决方案需要建立在值得信赖的基础平台之上，获得必要的上下文信息和工具，从而自主执行决策并完成复杂的工程任务；同时，还需要企业级控制机制，对数据、模型、智能体和基础设施的使用方式进行治理。

新思科技 Autopilot 平台正是为此提供基础。其共享服务提供上下文智能、可复用技能、持久记忆、遥测、安全和治理能力，同时将智能体连接至新思科技的工程知识、工具和数据。上下文智能融合领域工程知识、可复用技能和记忆，帮助智能体更准确地引导工作流程，同时提升词元效率并降低延迟。

该平台汇集三个相互补充的层级，以支持自主执行：

1.长时程 AgentEngineer 解决方案是领域专用超级智能体，能够编排任务级智能体、评估中间结果，并在推进复杂工程目标的过程中确定下一步行动。

2.任务级智能体负责完成具有明确输入和输出的特定边界化工程任务，可由长时程 AgentEngineer 进行编排，也可由工程师直接调用。

3.工具层由新思科技 EDA、仿真与分析基准引擎组成，智能体利用这些引擎执行特定功能并验证结果。这些引擎负责执行所请求的工作，但不设定目标或作出决策。

工程团队可以在工作流程中设置检查点，由人工审查结果、验证决策，并在必要时调整工作流程。初期，团队可以采用较为频繁的人工审核；随着对输出结果的信任不断提升，再逐步减少人工干预。

04 原生开放

工程环境本质上具有异构性。企业拥有自己的基础设施、模型、数据、智能体、工具、工作流程和生态系统集成。自主化能力需要在这些环境中运行，而不要求客户替换现有且行之有效的系统。

新思科技 Autopilot 平台旨在提供这种灵活性。客户能够在同一工作流程中组合新思科技和第三方智能体，集成自有工程数据，并根据需求选择商业、开源及微调后的语言模型。该平台还支持由新思科技管理和由客户自行管理的部署方式，包括新思科技云、客户自有云环境和本地基础设施。

安全与数据管理是该平台基础的重要组成部分。灵活的架构设计、访问控制、加密及运行时防护机制有助于保护客户、合作伙伴及新思科技的知识产权，同时让工程团队能够控制自主工作流程的部署方式。

05 经过验证的工程成果

50 多项客户合作已在多个方面展现出可量化的成效：

1.工程生产力反映完成工程工作所需的时间和人工投入。

2.设计质量包括提高验证覆盖率，以及改善功耗、性能和面积（PPA）等成果。

3.工作流程收敛衡量团队实现验证、设计实现及其他工程目标的速度。

4.效率衡量完成工作所涉及的词元使用量和延迟。

实践结果显示，验证收敛速度最高可提升 50 倍，覆盖率最高可提升 20%，词元效率最高可达到原来的 2 倍，同时降低延迟。在一项客户合作中，新思科技 Verification AgentEngineer 的相关功能还通过更高效地生成 SystemVerilog 断言、封装模块和参数化模块，以及进行代码重构，使 RTL 代码生成的生产力提升了 10% 至 30%。

这些成果表明，长时程智能体与上下文智能能够帮助工程团队更快地完成工作流程、改善设计成果，并更高效地利用模型资源。

06 推动从芯片到系统的自主工程

先进芯片与系统的设计需要专业技术能力、长时程编排，以及贯穿相互关联的活动、工具和专业领域的持续判断与决策。

基于新思科技 Autopilot 平台构建的 AgentEngineer 解决方案，将这些能力应用于复杂工程目标。它们能够针对工作进行分析推理，协调专用执行任务，根据中间结果做出响应并动态调整计划，同时让企业能够自主掌控人工监督的程度。

由此，工程团队能够在从芯片到系统的工作流程中实现更快的周转速度、更优的工程成果和更高的执行效率。