ניו-טק מגזין | יולי 2026 | המהדורה הדיגיטלית

Niranjan Sitapure, Central AI Product Manager, Siemens EDA » : אוטומציה חכמה בתכנון שבבים EDA ל- AI סוכני ומעגלים מודפסים

ומורכב במיוחד. כל פתרון חייב להשתלב באופן מלא לאורך כל שרשרת הפיתוח – החל משלב Manufacturing Sign - הרעיון הראשוני ועד ל- – ולבצע אוטומציה של משימות קריטיות off , Front - end Design לאורך כל התהליך, כולל PCB , Physical Implementation , Verification והכנת התכנון לייצור. רק כך ניתן Sign - off ליצור שכבת אינטליגנציה אחודה המכסה את כל מחזור החיים של הפיתוח. , EDA בעולם ה- Agentic AI כדי ליישם בהצלחה יש להתמודד עם חמישה אתגרים מרכזיים: . מומחיות ייעודית בתכנון שבבים 1 ) Proprietary Chip Design Expertise ( תכנון שבבים מבוסס על מתודולוגיות פיזיקליות מתקדמות שאינן קיימות במאגרי AI . לכן, סוכני AI האימון הציבוריים של מודלי כלליים אינם מחזיקים בידע הדרוש להפעלה ייעודיים, לתזמור רצפי EDA נכונה של כלי עבודה מורכבים או ליצירת קוד מדויק המיועד לסביבת ייצור. קשיחה וזרימות נתונים EDA . סביבת 2 Rigid EDA Environments מורכבות ( ) and Data Flows נשען על אשכולות מחשוב EDA עולם ה- , On - Premises מאובטחים הפועלים בסביבת

העידן הבא של תכנון שבבים ומעגלים ) יעוצב על ידי שני PCB מודפסים ( יעדים מרכזיים המתקדמים במקביל: האצת מנועי התכנון עצמם והגדלת הפרודוקטיביות של המהנדסים. צד מנועי התכנון, התעשייה משלבת ב Machine Learning כיום יכולות של ישירות בתוך כלי Reinforcement Learning ו- . כך, לדוגמה, ניתן לבנות מודלים EDA ה מקומיים המבוססים על מספר מצומצם של , המסוגלים להאיץ באופן SPICE סימולציות , תוך Verification משמעותי את תהליכי ה שמירה על רמת דיוק הקרובה מאוד לזו של מלאות. SPICE סימולציות מובילות משתפות EDA במקביל, ספקיות במטרה NVIDIA פעולה עם חברות חומרה כגון את האלגוריתמים GPU להאיץ באמצעות המרכזיים של כלי הפיתוח. שיתוף פעולה זה מאפשר להגדיל באופן משמעותי את קצב , Design Exploration העיבוד בסימולציות, ב- . OPC ובתהליכי Coverage Analysis ב אולם, מענה ליעד השני – שיפור הפרודוקטיביות של המהנדסים – מחייב סוג . AI שונה לחלוטין של פתרונות

היווה את EDA AI Copilots הדור הראשון של התשובה הראשונית של התעשייה לאתגר זה, אך כיום הוא כבר אינו מספק. ככל שמורכבות התכנון גדלה וקצב הפיצול של סביבת כלי מואץ, סקריפטים ידניים ופתרונות EDA ה נקודתיים אינם מצליחים עוד לתת מענה בקנה מידה הנדרש. מהנדסים זקוקים ליותר מאשר ; הם זקוקים למערכות אוטונומיות Chatbot המסוגלות לבצע חשיבה מושכלת, להריץ תהליכים מרובי שלבים ולהסתגל בזמן אמת . EDA לעבודה עם מגוון רחב של כלי – Agentic Automation זוהי ההבטחה של אחודה המספקת יכולות Orchestration שכבת קבלת החלטות ברמת מומחה לאורך כל מחזור חיי התכנון. אולם כדי לממש חזון זה, יש , EDA להתגבר על אתגרים ייחודיים לעולם ה- כלליות אינן ערוכות AI אתגרים שמסגרות להתמודד עמם. חמשת האתגרים המרכזיים EDA של מורכבות ה- כלליים, הזמינים "מהמדף", AI מודלי מתקשים להתמודד עם תכנון שבבים משום שהתעשייה נשענת על בסיס ידע מקצועי ייחודי

New-Tech Magazine l 38