核心问题:一个设计依次通过不同阶段的检查,是否就证明了它满足最初的自然语言规格?

论文卡片

ChipOmni: A General-Purpose AI Agent for Electronic Design Automation,arXiv v1,2026-11-09。

作者:Pengkun Wang、Rui Mao、Zhe Zhao、Dongting Xie、Haibin Wen、Song Xu、Di Wu、Xu Wang、Zhengyang Zhou、Binwu Wang、Xiaofeng Cao、Yang Wang。定位为跨模拟电路、RTL、验证产物与物理实现的 Agent 框架及实证研究。本文依据 v1 全文,不将物理签核等同于实硅验证。

arXiv · 全文 · PDF · alphaXiv

简短导读

EDA 的困难不只是步骤多,还在于每一步对“成功”的定义不同。代码可编译、仿真结果正确、断言可证明、版图满足设计规则,回答的是不同问题。ChipOmni 尝试用共同的组织方式连接这些任务,同时保留各自的外部检查工具。

框架由四种角色协作:PlanExec 规划并执行,Validator 调用工具并从规格导出阶段验收条件,DebugMemory 整理失败诊断与修复记录,ContextOptimizer 压缩历史并保留当前需要的约束和经验。重点是让失败反馈改变下一步决策,而不只是重复生成候选。

最醒目的案例从最小 RV32I 处理器,推进到五级流水 RV32IM,再集成存储和外设,最终生成 GDSII。作者报告初始化后无需人工干预,并通过七个评估关卡。但“流程走完”与“规格被完整验证”仍有距离:每个关卡检查哪些性质、遗漏哪些性质,决定了最终证据的范围。

证据与局限

论文用多种基准支持框架的通用性。尤其值得看 AutoBench:156 个任务,每题生成 10 个候选 testbench,最多允许一次反馈修订,使用 GPT-4o,与 AutoBench 对照。

检查层次AutoBench Pass@1ChipOmni Pass@1
testbench 编译成功95.71%97.56%
接受正确 RTL51.47%55.95%
对 RTL 变异体的判断与黄金 testbench 一致44.81%50.48%

这些数字来自图 2i 及正文。编译率很高,不代表识别错误的能力同样高;最后一项还是相对于黄金 testbench 的判定,不能读成发现真实缺陷的总体概率。

在 AnalogCoder-Pro 的 30 个任务上,作者报告每个任务都至少找到一个成功方案,但 GPT-5 配置的 Pass@1 为 92.67%,并非单次全部成功。Repair、Prior、Evolve 的消融则显示,完整组合优于所测子集;这一结果支持机制互补,但不能单凭总体增益解释每次修复为何正确。

长流程案例经历初始会话及后续 15 次规划会话,修复涉及 RTL、测试、接口和物理配置。最终布局在所用流程下通过 DRC、LVS、天线等检查,25 MHz 目标下九个分析角的 setup 与 hold 总负裕量均为零。这些是物理实现与指定时序条件的证据,不能替代完整的体系结构功能验证。

作者明确说明芯片尚未制造,后续还需要实硅测试;代码和评测平台计划未来公开。论文展示的是一个长流程案例,不能据此估计任意规格的端到端成功率。对于难以变成可执行检查的需求、检查覆盖不足,以及权限和审计边界,作者也保留了未解决问题。以上均为论文报告,本导读未独立复现。

重点阅读章节

  • ChipOmni framework、图 1: 注意 Validator 不仅运行检查,还参与从规格形成验收条件。
  • General-purpose unification、图 2i: 分开理解编译成功、接受正确设计与识别变异体。
  • Autonomous execution、图 4–5 与 Discussion: 对照长流程实际经过的关卡、物理签核结果,以及作者承认的证据边界。

思想启发

以下是导读者的延伸理解。

通用框架可以统一“提出候选—获取反馈—修复”的过程,却无法自动统一不同检查的语义。多个局部成功要组成整体保证,需要说明它们共同覆盖了什么,以及阶段之间的假设是否仍然成立。

另一个张力是验证条件也需要解释自然语言。如果生成设计和形成验收条件都依赖模型对同一规格的理解,外部工具即使完全可靠,也可能精确检查了一个不完整的目标。这里并非否定工具反馈,而是区分工具执行的可信性与规格转译的充分性。

三个开放性思考问题

1. 七个关卡全部通过,需要什么前提才能支持最初规格已经满足?

参考思路

关卡数量本身没有保证作用。它们需要覆盖相关需求,且前一阶段的结论能在后一阶段保留;重复检查同一性质不会填补另一性质的空白。自然语言中未被表达成检查的条件仍可能悬空。

2. 同时修改设计与 testbench,何时是修复,何时可能只是消除了冲突?

参考思路

测试本身可能错误,禁止修改并不合理;但修改双方也可能使它们共同偏离原规格。关键区别是变更是否有独立依据,而不是最终仿真是否通过。论文的长流程记录揭示了这种张力,不能仅凭修改发生就认定结果有问题。

3. 多种任务都改善,与任意长流程都可靠,之间还缺少哪类证据?

参考思路

单任务基准说明能力覆盖面,单个长流程说明存在一条可完成的轨迹。失败积累、条件变化和检查遗漏可能在组合后出现;另一方面,不同阶段的反馈也可能相互纠错。二者如何平衡,不能由任务种类数量直接推导。