ChipAgentsCPOSolaimanRahim专访，原Synopsys高管谈AI原生芯片设计平台落地

在半导体设计工具领域，人工智能正从辅助角色转向核心驱动力。近期，芯片自动化初创企业 ChipAgents 的首席产品官 Solaiman Rahim 接受 SemiWiki 专访，系统阐述了其主导构建的“AI原生”（AI-native）芯片设计平台的技术路径与落地实践。Rahim 拥有超过25年的行业经验，曾长期任职于 Synopsys 与 Atrenta，深度参与全球顶尖芯片企业的设计流程优化。

Rahim 的职业轨迹本身即映射出EDA（电子设计自动化）工具演进的关键阶段。他最初在 Synplicity 担任形式验证工程师，后加入 Atrenta，负责 Spyglass 平台中的约束与功耗产品线，并推动该产品覆盖超100家客户。2010年代中期，他转入 Synopsys 担任研发副总裁，主导 Signoff、ECO（工程变更指令）与功耗分析平台的开发与规模化落地，服务对象包括英伟达、博通、苹果与谷歌等头部芯片厂商——这些客户正是当前先进制程芯片（如5nm及以下）的主要推动力量。

在 Synopsys 期间，Rahim 团队的核心目标是缩短芯片上市周期、优化功耗-性能-面积（PPA）指标并提升工程师生产力。这一过程高度依赖规则驱动的脚本化流程与专家经验库，但随着芯片复杂度指数级上升（单颗SoC晶体管数量已突破千亿），传统方法面临瓶颈：设计迭代周期长、跨工具协同成本高、局部优化易导致全局失衡。

正是在此背景下，Rahim 于2024年加入 ChipAgents，担任首席产品官，全面负责其 Agentic AI 平台的产品战略与客户协同落地。该平台并非简单地将大语言模型嵌入现有EDA流程，而是重构整个设计范式：以“智能体”（Agent）为核心单元，每个Agent被赋予特定任务目标（如时序收敛、功耗热区优化、物理布局建议），并通过内部通信机制实现多Agent协同决策。

据 Rahim 介绍，ChipAgents 的技术架构具备三个关键特征：第一，原生集成——AI模型训练数据直接来自真实芯片设计日志与工程师操作轨迹; 第二，闭环反馈——设计结果可实时回传至Agent进行策略修正，形成“设计-评估-调整”闭环; 第三，可解释性优先——不同于黑盒式推理，系统会生成结构化报告，说明某项优化建议的依据（例如：“此布线调整可降低关键路径延迟3.2%，因减少了2处跨时钟域冲突”）。

这一思路直指当前AI for EDA领域的痛点。市场上已有部分工具尝试用LLM生成Verilog代码或解释DRC（设计规则检查）报错，但多数停留在单点增强层面。而 ChipAgents 的Agentic框架试图覆盖从RTL综合、逻辑优化、物理实现到签核（Signoff）的完整流程链。Rahim 强调：“我们不是要替代工程师，而是让资深工程师的经验‘可复用’、让初级工程师的试错成本‘可压缩’。”

在客户合作模式上，ChipAgents 采取深度联合开发策略。Rahim 提到，其首批合作客户为一家专注高性能计算芯片的无晶圆厂企业，双方共同定义了针对其特定架构（含Chiplet互联与3D堆叠）的Agent行为规范。经过6个月迭代，该客户在某款7nm GPU的时序收敛阶段，将ECO轮次从平均12轮降至5轮，整体流片前验证周期缩短约28%。

值得注意的是，该平台对算力需求并未盲目追求“大模型”。Rahim 解释称，团队采用混合精度微调策略：基础能力由中等规模（约7B参数）的专用模型支撑，而针对特定任务（如电源网格分析）则部署轻量级专家模型（<1B参数），通过路由机制动态调用。这既保障响应速度（关键操作延迟控制在秒级），也降低了客户本地部署门槛。

行业观察者指出，ChipAgents 的出现标志着EDA进入“第二代AI融合期”：第一代以AI增强单点工具为主（如Ansys的AI驱动仿真加速），第二代则聚焦于流程级智能调度与知识沉淀。后者更依赖对芯片设计本质的理解——而这正是Rahim这类兼具系统架构、半导体物理与HPC背景的复合型高管的核心优势。

回顾其职业路径，Rahim 从形式验证起步，历经静态时序分析（STA）、功耗建模到如今的AI Agent编排，本质上是在不同技术代际中持续解决“如何让复杂系统更可靠、更高效”的同一命题。他在采访中坦言：“芯片设计从未像今天这样需要跨学科思维。你不仅要懂晶体管，还要理解神经网络的梯度传播；不仅要会写Tcl脚本，还要能设计奖励函数。”

当前，ChipAgents 已完成A轮融资，客户拓展正从高性能计算领域向汽车电子与AI加速芯片延伸。随着3nm以下工艺节点对设计精度要求进一步提升，以及Chiplet异构集成带来的系统级复杂度激增，AI原生设计平台的必要性将持续强化。Rahim 认为，未来3年内，主流EDA厂商的产品线将普遍支持Agent化工作流，而能否构建起高质量、可泛化的芯片设计知识图谱，将成为新竞争格局下的关键分水岭。

技术演进从来不是线性的替代，而是能力的叠加与重构。当AI不再仅是“助手”，而成为设计流程中的主动参与者，芯片产业的创新节奏或将迎来新一轮跃迁。