芯片设计（IC设计）自动化现在正处在一个过渡期：工具越来越能干，但还没到全自动程度，不过单个环节的自动化已经比较成熟。业界普遍认为全自动还要好几年，主要是定架构和最终签核短期内换不了。
1.自动化进度： 智能体接手，各管一段
今年做芯片设计工具的厂商纷纷推出智能体，不再只是听指令干活，而是能自己规划任务、调用一串工具、发现错了还能回头改。
前端设计这一段，"给规格、出电路代码"已经能自己闭环了。 有厂商表示已经有客户把系统级规格直接交给智能体，自动生成经过验证的电路代码，过去这要工程师花好几个月。也有厂商宣称自己的平台能自主完成电路设计、验证、纠错、优化全流程，把它归为Level 4（智能体工作流---自主设计者）。另一家国际厂商则宣称，它的Level-5自主虚拟工程师能把原来五周的前端电路代码验证周期压到一天以内，效率提升40倍以上，相关功能预计2026年下半年向早期体验客户开放。
物理设计和验证这一段，自动化也在快速跟进。有芯片设计公司预期，在自家大规模3纳米芯片的物理设计项目里用上某工具厂商的智能体工作流后，整体生产力最高能提升5倍。另一家工具厂商把智能体工作流用在3D芯片的电热协同分析上，宣称能自己编排7款设计工具、跑完9个自动化工作流阶段，把原来好几周的流程压到几小时。给出的官方数据还包括：设置工作量最多减少95%、工作流设置时间最多减少99%（从几天降到不到五分钟）、设计空间探索覆盖范围最多提升50倍。
在验证端，有高校和一家芯片制造企业合作开发的智能体，能自动把用自然语言写的设计规则转成可执行的检查脚本，并在真实引擎上跑通验证，论文已被顶会接收。论文指出行业里可制造的芯片版图必须满足数千条几何类设计规则，而它的基准测试集覆盖的是1000个规则---脚本任务、近1.4万个评估布局；团队还开发了可直接在工业环境部署的图形界面应用。所以更准确的说法是：方向对、形态已具备部署条件，但从1000条基准到全量数千条规则的生产级铺开，中间仍有距离。
但这些进展是点状突破，不是全线贯通。 各家智能体大多只盯一个环节------前端电路、物理设计、电热分析或电路板，还没有一家能把从架构探索、前端设计、物理实现、签核到封装测试的整条链路无缝打通。有厂商负表示，从规格定义到最终流片的完整自主流程目前还没有完全实现。模拟/混合信号设计、先进封装协同设计、软硬件协同优化，自动化程度和数字前端差得远，3D芯片的热和机械问题更是被单独列为难题。所以全流程全自动的真实难度，比数字设计单线打通还要高。
2.为什么 全自动还没来？
三道结构性障碍，跟AI本身够不够强关系不大。
第一，架构创新和规格定义没法预测出来。 智能体的本事是从现有数据里学规律、做优化，擅长从1到100提效率，不擅长从0到1创造新架构。芯片的微架构、性能功耗面积的顶层取舍，靠的是人对应用场景的理解和创造性判断。厂商也明确说，人仍然要定义架构、给方向，并在投产前做最终签核。
第二，物理世界的仿真和签核责任，不能交给AI。 通用大模型不直接做物理求解，芯片里的热、电、应力仿真还是靠底层仿真引擎。AI现在的作用是编排引擎、加速设计空间探索、代理分析，不是替代物理引擎本身。更关键的是签核，一旦流片失败，代价是几百万美元和好几个月。在这种错不起的决策点上，让AI独立担最终责任，工程伦理和商业现实都过不去，必须由人签字。
第三，数据和知识壁垒还没打通。全自动要求AI能跨工具、跨阶段理解设计意图、传递约束。但现实是，不同工具的数据模型、不同团队的设计经验往往是孤立的。有芯片设计公司在推进物理设计AI化时，特意强调要把内部工程知识用检索增强等方式嵌进工作流------这恰恰说明通用大模型本身没有这些隐性知识。全自动的前提，是大量企业级知识先被数字化、可调用化，这需要很长时间积累。
3.什么时候会全自动？
分三层看。规格到电路代码的全自动，已经在部分客户中发生，但只是整条链路的第一环。 有厂商确认已有客户在用，认为最终会扩展到物理实现和签核，但现在还不是时候。
覆盖数字前端到物理实现的全流程无人化，2026年仍是目标不是现实。 前面说的Level-5方案虽然发布了，但功能预计2026年下半年才向早期体验客户开放，离广泛验证和成熟部署还有距离。有厂商虽已部署几十个任务智能体，但其负责人把当前阶段定义为自主工程，不是完全自主设计。
从架构创意到可量产芯片的完全自动化，一个务实的推断是：未来几年，智能体会把工程师从重复劳动（写脚本、出报告、批量探索设计空间、基础验证）里大规模解放出来，单人产出明显提升，形成少数精英工程师+多个智能体团队的协作模式。但无人化的芯片设计公司不会出现，因为芯片设计的核心价值，是针对特定应用场景做创造性的工程取舍，不是执行已知流程。
一句话：芯片设计自动化正在快速吃掉确定性任务，但最有价值的部分，如定义问题、做出取舍、承担风险，仍然留给人。全自动只是一个逐渐逼近的极限！
说明：1.文章参考公开报道并借助AI工具进行整理和分析，如有不妥之处欢迎指正。2.部分市场数据基于行业估算、发布以及官方报道，具体精确数据请以权威机构为准。3.欢迎长期追踪边缘AI的朋友一起探讨。