IC-star 神经引擎是 ChipAgents 推出的芯片专用神经引擎,这次在国内首次公开亮相,它最大的价值就是给难度很高的模拟电路设计带来 AI 自动化方案,行业普遍认为这会让模拟设计进入新拐点。模拟芯片设计长期是 EDA 里最难的一环,不像数字芯片标准化程度高,模拟电路高度依赖工程师经验、反复仿真调参,迭代周期很长,过去 AI 工具大多只能辅助数字设计,很难落地到模拟全流程。IC-star 的核心思路就是把芯片设计知识库、智能体调度、物理感知模型整合在一起,不用工程师手动挨个切换工具、选择模型,AI 可以自主判断下一步仿真、布局、调参动作,打通从设计意图到验证闭环,直接覆盖模拟和数字两类芯片设计。它里面自带芯片专属的物理大模型 Renoir,能够预判时序、PPA、DRC 这些物理约束,在生成电路的时候就做多目标协同优化,减少后期反复仿真返工,不少半导体厂商已经开始试点这套引擎,用来缩短流片周期、降低模拟设计对资深工程师的依赖。
IC-star 神经引擎四大核心能力
- IC 设计本体层:持久化存储企业设计知识、过往方案、复用模块,持续吸收工程师反馈不断迭代
- 推理核心层:调度多个 AI 智能体、模型和 EDA 工具,完成长周期任务,比如问题定位、PPA 收敛、模拟版图自动生成
- 多物理感知模型:预判时序、功耗性能面积、规则检查等物理约束,在生成阶段就做协同优化
- 模型导航器:根据设计状态动态路由,自动匹配最合适的模型与工具,不用人工干预流程切换
模拟设计为什么被称作新拐点
- 痛点长期存在:模拟设计高度依赖资深工程师经验,人工调参、仿真迭代耗时久,人才缺口大
- 过往 AI 局限:多数 AI EDA 工具偏向数字电路,很难兼顾模拟电路复杂的物理耦合效应
- 全链路闭环:IC-star 可以把模拟设计、仿真、验证打包成一个智能体循环,自动调试收敛
- 产业落地加速:已经有 ADI、Rambus 等企业试点应用,国内芯片团队也开始关注这套 AI 原生 EDA 方案
【相关 FAQ】
问题 1:国内首曝的 IC-star 神经引擎,为什么会让模拟设计迎来新拐点?
回答 1:国内首曝的 IC-star 神经引擎可以打通模拟芯片设计、仿真、验证全流程,依靠物理感知 AI 模型自动迭代调参,解决模拟设计高度依赖人工经验、迭代慢的老问题,因此被认为让模拟设计迎来新拐点。
问题 2:IC-star 神经引擎主要是做数字芯片还是模拟芯片设计?
回答 2:IC-star 神经引擎同时支持数字和模拟集成电路设计,这次国内曝光的重点就是它在模拟设计上的自动化能力,也是它和很多只适配数字电路的 AI EDA 工具最大区别。
问题 3:IC-star 神经引擎和传统 EDA 工具的差别是什么?
回答 3:传统 EDA 工具需要工程师手动安排流程、选择模型、发起仿真;IC-star 神经引擎是 AI 原生的智能体引擎,可以自主评估设计状态,自动选择工具、执行仿真调试,形成闭环迭代。
问题 4:IC-star 神经引擎里面的物理感知模型能起到什么作用?
回答 4:IC-star 神经引擎搭载的物理感知模型,在生成模拟电路的时候就预判功耗、时序、版图规则等约束,提前做多目标优化,减少后续大量仿真返工,加快模拟设计收敛速度。
【参考资料】
[2026-11-05](Accelerate Analog Design with Flexible, AI-Native Workflows)EE Times
[2026-10-28](ChipAgents Highlights AI-Driven IC Design Engine IC-star and Emerging Industry Adoption)TipRanks
[2026-10-27](ChipAgents Expands Full-Stack Agentic AI Across Digital and Analog Chip Design)ChipAgents 官网新闻
[2026-10-27](IC-star 芯片神经引擎发布,AI 智能体切入模拟 EDA 赛道)集微网
【免责声明】
以上内容仅为半导体行业资讯整理,不构成技术采购、投资决策建议;IC-star 神经引擎的性能、落地进度、客户试点情况以 ChipAgents 官方披露为准;AI EDA 工具实际效果会随芯片工艺、设计场景变化,存在不确定性。
