引言：AI for IC 的现状反思
这两年关于 AI for IC 的讨论已经很多了。论文很多，模型很多，演示很多。
这里有一个很有意思的反差。前段时间我投稿了一篇论文，审稿人意见里写：”Multi-agent、RAG、LLM reasoning 在广义的 EDA 领域已经是相对成熟的技术。”
这句话放到编程、数字 EDA 里，没什么问题。但如果进入模拟设计的工程现场，就会发现另一种现实：绝大部分流程依然停留在”刀耕火种”的状态。
其实这里真正短缺的，未必是一个更新的模型，而是一套能让模型进入闭环的基础设施。过去很多流程做不深，不是因为 AI 不够聪明，而是因为它始终站在工作流程之外。
让 AI 调优化器、改网表、跑 Spectre 仿真，本身并不难。甚至可以让它自己理解电路结构，选择优化参数，自主运行。
比如我上次举的五管放大器例子：AI 可以在零电路知识、零 skill 的情况下，参考已有 testbench，自主完成仿真与优化流程。优化器怎么改、怎么用，也可以交给 AI 自主抉择。
这些例子证明的，是局部流程可以被跑通。但它并不等于 AI 已经进入真实工程。
为什么 AI 还没有进入真实工程？
因为真实设计不是只有网表和仿真结果。设计师做判断时依赖的，是一整套上下文作为反馈：原理图、元件命名、摆放位置、testbench、Maestro、文件结构、处理脚本、标注信息、设计文档、会议记录、等等，这些共同构成设计意图。
如果 AI 无法进入这套体系，它拿到的信息，比人类设计师少太多了。
AI 目前已经可以成为流程外侧的高效执行器，但还不是流程内部的参与者。
这也是我现在越来越确信的一点：AI for 模拟真正关键的，不是更长的 prompt，不是更花哨的 Agent 流程，甚至都不是更强的模型，而是打通环境接口、建立反馈链路，也就是本文所谓的新基建。
什么叫新基建？
是让 AI 能嵌入模拟设计流程的一整套底座。它可以是一套让 agent 接入既有设计环境的接口层，将设计环境作为数据库进行读写，理解设计上下文，并持续回收验证结果与环境反馈。
它也可以是原生面向 Agent 的新型仿真器。
形式可以不同，核心只有一件事：让系统拿到反馈，进入闭环。
从任务分类的角度看
这件事其实也很清楚。
有些任务，标准明确、反馈充足，AI 可以做得非常好，比如做题、比如编程。智谱 GLM-5.1 已经可以连续工作 8 小时，从零交付一套完整的 Linux 桌面系统。
有些任务，标准模糊，但反馈依然容易获得，AI 同样可以表现很好，比如写文章、写论文。
还有一类任务，标准其实非常明确，甚至可以列成完整的 spec 清单，但系统拿不到反馈。模拟电路设计，恰恰属于这一类。
它不是没有 spec，而是反馈断了。拿不到反馈，就进不了闭环。进不了闭环，AI 就只能停留在外围，顶多算是外包的外包。没有闭环的学习过程，就无法形成真正的自主能力。
实践验证：已经有人用起来了
上周讲我们怎么让 AI 远程连接 Virtuoso，开源了一套工具链。文章发出去之后，反响挺猛。超过 13% 的读者选择了转发。GitHub 仓库被一百多人收藏，40 多人 fork。代码被 700 多人下载了超过 2000 次。
LinkedIn 阅读超过 7000，收到了来自多国工程师的关注与讨论。
开源之后，很多人已经不再只是围观，而是开始把这套工具接入自己的工作流。
- 有的朋友已经接入她自己的运放自动优化流程。
- 有的朋友连上了自己的微信 ClawBot。
- 也有人在本地部署了谷歌刚刚开源的大模型 Gemma4，结合 virtuoso-bridge 尝试打通模拟设计的 AI 流程。
- 还有人直接带着版本和环境问题来反馈。
他们问的也不再是”能不能做”，而是”怎么接进去、能不能稳定跑、能不能进入真实环境”。
当问题推进到这一步，关键已经很清楚：需要把这套基础设施持续完善，让 AI 更加有效地接入设计流程，并稳定运行。
快速迭代：一周 300 次更新
最近一周，我做了接近 300 次更新。主要在把工具链往”可用的工程系统”推进。
第一块：优化读写接口
让 Agent 可以更完整地理解电路结构与验证环境。现在 virtuoso-bridge 可以读取 maestro 仿真设置、启动仿真，回读结果。可以直接从原理图中读取更多信息，包含器件、端口、连接关系、参数、几何位置、用户注释等。
第二块：多服务器和多账号支持
一个 AI 终端，可以同时操作多台 Virtuoso 服务器。多智能体协同，Analog-team，完全可行。
第三块：执行稳定性
围绕连接稳定性、跨平台兼容以及技能包结构，做了多轮系统性优化，同时补上了弹窗处理等关键细节，让 Agent 在复杂交互、意外报错等情况下也能持续执行。
现在，即使在全新对话中冷启动，整条链路也可以更加顺畅地跑通。现在，只要自己先配好 ssh 连接，然后正确加载 skill，就能让 agent 自主确认连接，直接执行操作。
高频迭代，离不开开源社区的反馈与建议。非常感谢每一位积极发声的用户，你们的每条问题与建议，都让这套流程更加完善。
近期，我们也邀请了一批本科生同学参与不同场景下的测试与验证。我们随时欢迎更多伙伴加入实践，在实际使用中与我们持续迭代，共同推动该流程走向稳定、开放接入与长期可用。
尾声
智能体自我进化的前提是监督、反馈与验证。
开环的系统，永远只能靠人盯着。闭环的系统，才开始自己长脑子。
评论(0)