实体库 · Landscape 图谱
芯片设计全流程
芯片设计全流程：Landscape 的结构图，11 层、38 张玩家卡；这张图追的是从架构规格到流片良率的11个阶段，逐一标出当前真正在用的AI技术类型——不是"这家公司说自己用了AI"，是"这一步具体用的是强化学习、生成式AI、预测性机器学习，还是干脆只是规则式自动化"。
- 原页面/landscape/chip-design-flow/ · 结构图，2026-11-02 起并入实体库，旧地址跳转到这一页
- 版本v4 · 首发 2026-09-08 · 最近更新 2026-10-15 · 下次复核 ~2026-12
- 范围这张图追的是从架构规格到流片良率的11个阶段，逐一标出当前真正在用的AI技术类型——不是"这家公司说自己用了AI"，是"这一步具体用的是强化学习、生成式AI、预测性机器学习，还是干脆只是规则式自动化"。
- 方法 / 读图须知竞争格局是 Synopsys/Cadence/Siemens EDA 三强主导，外加芯片厂自研（Google、NVIDIA）和一批中国厂商（华大九天、芯华章、广立微、东方晶源）。成熟度极不均衡：物理实现阶段的强化学习和RTL/验证阶段的生成式AI已有客户验证的量化结果，IP选型阶段依然单薄（2026年才刚出现"AI辅助IP发现"的雏形），多数厂商的"10X/45%"这类数字是营销口径而非独立验证，务必核对信源日期再引用。
- 标签landscape · chip-design · eda · semiconductor · rl · generative-ai
关系
实体库里还没有关于它的带证据的关系。
总览说明
11个阶段大致按"前端设计→逻辑物理实现→签核测试→交给制造"四段排布；05逻辑综合本质上并入06物理设计的同一套强化学习框架，没有独立的工具生态，图上单列只是为了对齐原始11阶段编号。
图注：11个阶段的主导技术仍以预测性机器学习(蓝)为主——不起眼但最普遍；强化学习(红)集中在05/06物理实现；生成式AI(琥珀)在03最集中，2026年起也开始出现在01/02/04；GPU+生成式光刻(紫)只在10
AI 渗透的顺序，是验证手段的顺序 作者对这张图的归纳
下面四条是我对这张图谱的归纳，不是图谱里的统计结论：图里的数字只是各层的条目数，不代表市占或采用率。
- 强化学习：集中在逻辑综合和物理设计
强化学习集中在逻辑综合和物理设计，因为功耗、性能、面积这类目标函数可以直接算出来。
本图 · 06 层的 5 条全是强化学习；05 层没有独立条目，并入 06 的同一套 RL。例外：04 层的 Synopsys VSO.ai 也用强化学习（覆盖率闭环），是图里唯一落在 05/06 之外的一条。
- 生成式 AI：在 RTL 设计这一步最集中
生成式 AI 在 RTL 设计这一步最集中，做法是用 EDA 自己的正确性和 PPA 引擎给 LLM 的输出上闸门。
- 预测性机器学习：不起眼但最普遍
预测性机器学习不起眼但最普遍，分布在时序收敛、物理验证、DFT：这几步的答案能在签核工具里复核，DFT 里测试 pattern 的削减还能直接换算成测试机时间，是少数能直接折成钱的环节。
本图 · 07 层、08 层、09 层共 8 条，全是预测性 ML；全图 19 条，其余分布在 01、02、04、10、11 层。
- IP 选型：最薄的一层
IP 选型最薄：2026 年才冒出对话式的语义检索，没有量化验证。选哪个 IP“更好”，恰好最难自动打分。
本图 · 02 层只有 4 条；对话式检索的两条（IC Manage GDP-AI、Perforce IPLM）都没有具名客户加量化效果，真 ML 的只有 NoC 拓扑生成一个点（Arteris FlexGen，厂商口径）。
出处 · 《AI Native 时代的研发：写变便宜之后，稀缺的是什么》§ 07「AI 渗透的顺序，是验证手段的顺序」。那篇从这四条得出的结论：AI 先吃下的，是有廉价、可信 verifier（判断结果对不对的验证手段）的环节。
层 11 个 · 括号里是这一层 / 类里的数量
- 01 架构设计与规格定义 5 张玩家卡
- 02 IP选型与集成 4 张玩家卡
- 03 RTL设计 / 前端设计 5 张玩家卡
- 04 功能验证与仿真 4 张玩家卡
- 05 逻辑综合 0 张玩家卡
- 06 物理设计 / 布局布线 5 张玩家卡
- 07 时序收敛 / 静态时序分析 3 张玩家卡
- 08 物理验证 DRC/LVS/DFM 3 张玩家卡
- 09 DFT / 测试 2 张玩家卡
- 10 计算光刻 / 掩模制备 3 张玩家卡
- 11 流片后调试 / 良率分析 4 张玩家卡
最近的关键变化 8 条 · 作者的分析
- 2026年最大的结构性变化：agentic多智能体平台第一次跨过"公告"到"具名客户量化验证"的门槛。
- 预测性机器学习，不是大模型或强化学习，依然是这11个阶段里出现频率最高的技术类型。
- AlphaChip争议在2025年底有了更扎实的新证据，判断没有改变。
- "IP选型阶段完全空白"的判断需要软化，但还没有真正的推荐引擎。
- 物理验证环节从"Siemens独家"变成"双寡头"。
- 计算光刻和良率分析领域出现一家背景复杂但真实存在的中国新势力——东方晶源。
- 几个具体数字在2026年更新后，口径变了但不代表退步，引用时要看清日期。
- 2026年出现一波agentic芯片设计创业公司融资热潮，但多数尚未跨过客户验证门槛。
版本记录 index.meta.json
- v4 2026-10-15 新增“跨层规律”一节及各层规律注释：四条归纳出自《AI Native 时代的研发》§07，标注为作者归纳而非图谱统计结论，写明强化学习（04 层 VSO.ai）和预测性 ML（01/02/04/10/11 层）的例外分布，并加回链；页面视觉改版为 DeepDive 风格（mint 主题、亮暗双模式），条目内容未改；更正页头版本标注（原写 v2 · 2026-09-08）。
- v3 2026-10-13 更正两处数字口径：①Siemens Questa One 条目里“验证占70%时间”改为 Siemens/Wilson 2026 研究的实测值49%，并注明60%-70%是工程投入口径；②AlphaChip 争议条目的“至今无第三方独立复现”改为中性表述，补充 Google 的反驳、Nature 2024年9月撤销存疑标注，以及“批评方自己的表述”的说明。
- v2 2026-09-08 五路并行深度调研更新，新增9个玩家条目（Siemens Fuse EDA AI Agent、IC Manage GDP-AI、Perforce IPLM、Synopsys AgentEngineer、Synopsys IC Validator、东方晶源 PanGen vPWQ + YieldBook），更新既有条目（ChipAgents/Cadence ChipStack新增具名客户、AlphaChip争议新增2025年12月IEEE TCAD论文、TSO.ai/Tessent数字口径修正等），trendbox全面改写
- v1 2026-09-08 首次建立：覆盖芯片设计全流程11个阶段（架构规格→IP选型→RTL设计→功能验证→逻辑综合→物理设计→时序收敛→物理验证→DFT测试→计算光刻→流片后良率分析），基于用户提供的行业调研报告整理，约30个玩家条目
更新记录
- 2026-09-08 · v1 首次建立：覆盖芯片设计全流程11个阶段（架构规格→IP选型→RTL设计→功能验证→逻辑综合→物理设计→时序收敛→物理验证→DFT测试→计算光刻→流片后良率分析），基于用户提供的行业调研报告整理，约30个玩家条目，按强化学习/生成式AI/预测性机器学习/GPU+生成式光刻/规则式自动化五类技术标注。
- 2026-09-08 · v2 五路并行深度调研更新，新增9个玩家条目：Siemens Fuse EDA AI Agent(架构探索)、IC Manage GDP-AI/Perforce IPLM(IP发现)、Synopsys AgentEngineer(RTL/验证)、Synopsys IC Validator(物理验证)、东方晶源 PanGen vPWQ + YieldBook(计算光刻/良率分析，含背景说明)；更新既有条目：ChipAgents新增具名客户Andes Technology、Cadence ChipStack新增具名客户Altera/Tenstorrent、AlphaChip争议新增2025年12月IEEE TCAD同行评审论文、Cerebrus新增Samsung SARC案例、Calibre新增TSMC/Samsung Foundry量产认证、TSO.ai数字口径更新(25%→Samsung Foundry最新20%)、Tessent"10x/5x"溯源为Intel/Amazon(2024年数据)、Siemens Questa升级为Questa One Agentic Toolkit、芯华章新增Agentic EDA底座发布；trendbox全面改写反映以上变化。
- 2026-10-13 · v3 更正两处数字口径：①Siemens Questa One 条目里“验证占70%时间”改为 Siemens/Wilson 2026 研究的实测值49%，并注明60%-70%是工程投入口径；②AlphaChip 争议条目的“至今无第三方独立复现”改为中性表述，补充 Google 的反驳、Nature 2024年9月撤销存疑标注，以及“批评方自己的表述”的说明。
- 2026-10-15 · v4 新增“跨层规律”一节：四条归纳出自《AI Native 时代的研发：写变便宜之后，稀缺的是什么》§ 07，标注为作者归纳而非图谱统计结论，并在对应的层加规律注释和回链，同时写明强化学习和预测性 ML 各有的例外分布。页面视觉改版为 DeepDive 风格，条目内容未改。顺带更正页头版本标注（原写 v2 · 2026-09-08）。