模擬電路進(jìn)入魔法時(shí)代

來源：內(nèi)容轉(zhuǎn)自公眾號(hào)【張托肯用AI】，作者：張托肯，謝謝。

大家好，我是張托肯。

最近，我把 AI 跑通的模擬電路“小玩具”，比較器、采樣電路、SAR ADC、LDO 等，扔進(jìn)了工業(yè)級(jí) EDA 環(huán)境。

當(dāng)全鏈路真的在服務(wù)器里跑通，AI 開始自主調(diào)用 Spectre 仿真器、解析網(wǎng)表、甚至在 Virtuoso 里翻箱倒柜時(shí)——

我感覺自己像是真的掌握了魔法。

新手需要學(xué)習(xí)和操練一星期的內(nèi)容，熟練工程師要折騰一兩個(gè)小時(shí)的工作，在 agent 驅(qū)動(dòng)下，變成了幾分鐘的算力吞吐。

更震撼的是，AI 不再是一個(gè)盲目跑仿真的“計(jì)算器”，它更像個(gè)極好用的實(shí)習(xí)生。它能像人一樣理解電路語義、響應(yīng)指令，甚至能梳理復(fù)雜的歷史設(shè)計(jì)，將其轉(zhuǎn)化為可理解、可復(fù)用的數(shù)字資產(chǎn)。

模擬設(shè)計(jì)，正從“古法手藝”跨越到“語義驅(qū)動(dòng)”的新階段。

1

AI 能理解比較器嗎？

本文不鋪大攤子，先拿 StrongArm 比較器開刀。

比較器是模擬與混合信號(hào)芯片設(shè)計(jì)中的“麻雀”，結(jié)構(gòu)經(jīng)典、指標(biāo)多維且相互牽制（噪聲、速度、功耗、回踢），非常適合用來展示設(shè)計(jì)師（含AI）處理復(fù)雜權(quán)衡的能力。

首先找一個(gè)標(biāo)準(zhǔn)的比較器測試臺(tái)，用 spectre 進(jìn)行pss+pnoise 仿真。導(dǎo)出網(wǎng)表喂給 Agent。

Agent 進(jìn)行了大量的工具調(diào)用和思考，創(chuàng)建任務(wù)列表，并逐步完成。

隨前面消息喂給 AI 的圖片是來自 Virtuoso 的截圖，是人類設(shè)計(jì)師關(guān)心的信號(hào)和表達(dá)式。

人看什么，AI 就看什么。

要求 AI 根據(jù)對(duì)拓?fù)浣Y(jié)構(gòu)的理解，將網(wǎng)表中的所有元件按功能起名。

AI 不在乎你是哪家的工藝，它只需要像設(shè)計(jì)師一樣，認(rèn)出誰是輸入管、誰是尾電流管、誰是鎖存器。

下面是 AI 的理解。

理解了結(jié)構(gòu)，AI 就擁有了“常識(shí)”。接下來的單點(diǎn)驗(yàn)證和全鏈路打通，不再是盲目的試錯(cuò)，而是基于拓?fù)溥壿嫷木珳?zhǔn)操作。

無論是 coding agent 還是 Openclaw，都可以接入這條鏈路。這條流程不依賴特定模型，在 Claude、GPT 和 Minimax 等不同模型上都可以跑通。

理解結(jié)構(gòu)后，AI 讀取多個(gè)技能包和工具說明。

把網(wǎng)表送入 spectre 做仿真。

編寫 python 代碼解析仿真結(jié)果。

這個(gè)過程并非一帆風(fēng)順，中間出現(xiàn)了多次 bug，但 AI 大部分都能自主修復(fù)。

引導(dǎo)它先做單點(diǎn)驗(yàn)證，確認(rèn)全鏈路打通，再開始后面的設(shè)計(jì)。

鏈路打通之后，產(chǎn)物不只是一句“跑完了”，而是一整套東西。

它創(chuàng)建了若干網(wǎng)表、代碼，產(chǎn)出波形圖、噪聲譜、指標(biāo)文檔。

清晰、美觀的 StrongArm 復(fù)位與比較階段的時(shí)域波形。

模擬設(shè)計(jì)師的日常，經(jīng)常被困在“調(diào)尺寸、看波形”的瑣碎磨損中。

這并非模擬設(shè)計(jì)中最具創(chuàng)造性的高光時(shí)刻，但它確實(shí)占據(jù)了設(shè)計(jì)師極大的日常精力。

這種反復(fù)迭代本質(zhì)上是一個(gè)低效的人肉閉環(huán)：

手動(dòng)改 → 等仿真 → 搬數(shù)據(jù) → 肉眼判斷。

現(xiàn)在，我只需要給一句“掃描輸入管尺寸對(duì)所有指標(biāo)的影響”，AI 就能實(shí)現(xiàn)全盤托管，形成語義閉環(huán)：

一句話 → 自動(dòng)執(zhí)行 → 自動(dòng)分析 → 輸出看板。

它并沒有進(jìn)行無意義的暴力計(jì)算，而是調(diào)節(jié)晶體管的 finger 數(shù)量，選擇了 8、16、24、32、64 這幾個(gè)常見且合理的尺寸進(jìn)行掃描。

最終產(chǎn)出的不只是一句“跑完了”，而是一整套美觀的時(shí)域波形、噪聲譜和綜合指標(biāo)看板。

當(dāng)噪聲、速度、功耗和 FOM 被直觀地拉齊在同一張圖表上時(shí)，設(shè)計(jì)師的工作屬性發(fā)生了變化。

不再是調(diào)尺寸的工具人，而是看結(jié)論、判斷 trade-off、定方向的裁決者。

2

門檻在下降，難題被直接暴露

很多人聽到門檻下降，第一反應(yīng)是：以后是不是不用學(xué)了？

恰恰相反，設(shè)計(jì)本身永遠(yuǎn)冷酷地等在那兒，變的是你接近更佳設(shè)計(jì)的成本。

在傳統(tǒng)模式下，模擬設(shè)計(jì)師的安全感是靠大量的碎片化驗(yàn)證堆出來的。

以比較器為例，噪聲、延時(shí)和功耗并非全部，讓人頭疼的還可能有回踢效應(yīng) （Kickback）。

定量分析這事兒倒也不是說有多難，但略顯麻煩：需要手動(dòng)去保存電流，定義積分窗口，再費(fèi)點(diǎn)勁地把差分量和共模量分離出來。

這些活兒以前全靠你親自上手點(diǎn)鼠標(biāo)、敲鍵盤。

這是一種高昂的時(shí)間成本、精力成本。

現(xiàn)在的變化是：這些麻煩的操作，AI 已經(jīng)能接過去了。

你不再需要死磕那些瑣碎的配置，只要語義約束給清楚，AI 就能把整條鏈路拼起來。

甚至當(dāng)約束不夠詳盡時(shí)，它也能按照電路常理自動(dòng)補(bǔ)全。

總之，自然語言不再只是討論，它開始變成任務(wù)入口。

僅需一句話：“我還希望統(tǒng)計(jì)一個(gè)東西，對(duì)輸入的回踢電流”。

AI 就能夠在看板上添加回踢電流（差模、共模）以及回踢電荷的統(tǒng)計(jì)。

到這里，AI 還只是執(zhí)行者。真正的變化在下一步。

模擬設(shè)計(jì)師天生是不相信現(xiàn)成結(jié)果的。

我們?nèi)狈Π踩校裁炊夹枰磸?fù)確認(rèn)。

在以前，這種確認(rèn)意味著你要鉆進(jìn)浩如煙海的波形和文件里反復(fù)橫跳。

現(xiàn)在的 AI 不僅是執(zhí)行者，更是最耐心的核驗(yàn)員。它不僅能跑仿真，還能在面對(duì)拷問時(shí)，當(dāng)場自證清白。

“你這個(gè)回踢電流是給誰的？你統(tǒng)計(jì)的哪個(gè)端口？輸入柵極端口嗎？”

當(dāng)我質(zhì)疑 AI 給出的回踢指標(biāo)到底測的是哪個(gè)端口時(shí)，它并沒有含糊其辭，而是立刻回溯了網(wǎng)表結(jié)構(gòu)，列出公式。

AI 已經(jīng)不再是一個(gè)只會(huì)吐結(jié)果的黑盒，而是一個(gè)可以被審計(jì)、被質(zhì)疑、且能自證清白的數(shù)字搭檔。

這種隨時(shí)核驗(yàn)、隨地回溯的能力，把設(shè)計(jì)師的安全感從一種模糊的直覺，變成了結(jié)構(gòu)化的證據(jù)鏈。

你不再需要去猜 AI 在干什么，而是隨時(shí)可以從海量信息中揪出一個(gè)細(xì)節(jié)，讓它從底層邏輯上說服你。

門檻的降低釋放了巨大的生產(chǎn)力，讓我們有精力去搞點(diǎn)不一樣的。

以前，想對(duì)比經(jīng)典電路的各種變體，也需要時(shí)間成本和精力成本。

比如想給比較器加點(diǎn)“料”，比如對(duì)比加不加 MOS 電容、要不要差分復(fù)位開關(guān)。雖然每一步操作都不算復(fù)雜，但重搭測試臺(tái)、對(duì)齊仿真口徑的過程會(huì)消磨靈感。

但在魔法時(shí)代，這種麻煩可以被降到零。

你只需要?jiǎng)觿?dòng)嘴，AI 就能拉起幾十個(gè)仿真進(jìn)程，完成從網(wǎng)表修改到數(shù)據(jù)解析的全過程。

最終呈獻(xiàn)給你的，不再是散亂的表格或需要人肉拼湊的波形，而是一張清晰的架構(gòu)決策看板。

你可以盯著噪聲、延時(shí)、功耗和性能指標(biāo)的聯(lián)動(dòng)曲線，做出那個(gè)最符合系統(tǒng)需求的判斷。

門檻降了，不是難題消失了。

而是你“進(jìn)入難題、洞察規(guī)律”的路徑被重寫了。

這里有一個(gè)殘酷的效率對(duì)比：

這個(gè)活兒交給一個(gè) 985 相關(guān)專業(yè)的新手，從看懂電路到上手工具、分析出結(jié)果，沒一個(gè)禮拜下不來。

即便老手去折騰，搬運(yùn)數(shù)據(jù)、畫周報(bào)，一套迭代也得耗掉一兩個(gè)小時(shí)。

而在“魔法時(shí)代”，這個(gè)過程縮短到了幾句話。

AI 就像一個(gè)永遠(yuǎn)不累、且極其好用的實(shí)習(xí)生。

3

從人肉閉環(huán)到語義閉環(huán)的拐點(diǎn)

我們正在見證一個(gè)歷史性拐點(diǎn)。

模擬電路終于能聽懂人話了。

以前要靠多層翻譯、手口相傳才能傳遞的 know-how，如今可以直接被語義表達(dá)、被系統(tǒng)執(zhí)行、被結(jié)果驗(yàn)證。

它不是玄學(xué)，而是工程化后的奇跡。

傳統(tǒng)的手工設(shè)計(jì)模擬電路，既不能充分利用數(shù)據(jù)，也無法有效利用算力。

本質(zhì)上，我們一直還停留在手工作坊階段：靠老師傅的筆記、靠一代代人肉眼盯著波形去積累直覺。

現(xiàn)在，LLM-agent 具有能夠把這兩者接通的能力。

以前，算力只在最后大規(guī)模仿真時(shí)才被動(dòng)調(diào)用。

現(xiàn)在，由于有了這種自然語言接口，算力可以變成設(shè)計(jì)師的“實(shí)時(shí)直覺”。

如果 AI 拿到模擬設(shè)計(jì)的“底層控制權(quán)”，它完全有能力操縱復(fù)雜的 EDA 工具鏈。

模擬設(shè)計(jì)的‘廢墟’里埋著最貴的財(cái)富。

那些前任留下的、命名邏輯鬼斧神工、連 Testbench 都跑不通的歷史 Cell，以前誰動(dòng)誰抓瞎。

AI 能鉆進(jìn)這些“廢墟”里翻箱倒柜。它自己寫 Skill 腳本去扒底層邏輯，第一次把這種“考古”活兒干成了自動(dòng)化。

那些原本沒人敢動(dòng)的死數(shù)據(jù)，被它撿起來，變成可讀、可檢索、可利用的數(shù)據(jù)資產(chǎn)。

AI 真能幫你把廢棄的東西撿起來，變成即插即用的數(shù)字資產(chǎn)。

多個(gè) Agent 可以并行探索不同方案，把原本串行的設(shè)計(jì)過程變成并行搜索。

個(gè)體設(shè)計(jì)師不再受限于單條路徑試錯(cuò)，而是在并行探索中展開設(shè)計(jì)空間。

以上僅僅是幾個(gè)切片式的實(shí)例，不過是冰山上的一角、深海之上的微瀾。

但已經(jīng)足以為模擬設(shè)計(jì)的未來展現(xiàn)出足夠廣闊的想象空間。

4

生產(chǎn)力并軌：模擬設(shè)計(jì)如何分享 AI 紅利

Coding Agent 的范式變革已經(jīng)在軟件開發(fā)領(lǐng)域掀起翻天覆地的變化。

程序員不再“古法編程”，而是定義意圖，讓智能體集群自動(dòng)駕駛。

相比之下，模擬設(shè)計(jì)一直像是一塊孤島，守著最硬的門檻，干著最古法的活。

這一行，到底能不能分享到這一輪 AI 爆發(fā)的工業(yè)紅利？

能不能與全球最先進(jìn)的生產(chǎn)力范式并軌？

要讓這塊孤島接入現(xiàn)代工業(yè)的算力總線，我們需要兩個(gè)底座：

• 工具鏈的開放（CLI/可編程化）：EDA 工具必須從封閉的 GUI 走向開放的 CLI。只有工具鏈徹底接口化，自然語言的意圖才能無縫轉(zhuǎn)化為機(jī)器動(dòng)作。

• 知識(shí)的流動(dòng)（開源/顯性化）：過去大家把 know-how 當(dāng)成秘方鎖在保險(xiǎn)柜里。但在魔法時(shí)代，誰能把隱性經(jīng)驗(yàn)寫成可復(fù)用的語義約束，誰就能在 AI 鏈路中獲得復(fù)利。

甚至可以說得更直白一點(diǎn)：

你不開源，有的是人開源。

當(dāng)經(jīng)典結(jié)構(gòu)的 know-how 被全球工程師共同調(diào)優(yōu)、公開、并固化在 Agent 的技能包里時(shí)，那些鎖在保險(xiǎn)柜里的“私產(chǎn)”將迅速貶值。

在這個(gè)時(shí)代，閉門造車的成本將遠(yuǎn)高于協(xié)作創(chuàng)新的紅利。

并軌之后，模擬電路真的還是玄學(xué)嗎？

在這個(gè)行業(yè)里，依然充斥著大量的跳躍性思維和神來之筆。

那些在深夜里拍腦門想出來的結(jié)構(gòu)，那些異常好用的神秘技巧，確實(shí)帶著點(diǎn)魔法色彩。

往后看，模擬設(shè)計(jì)的玄學(xué)色彩會(huì)越來越淡。那些把瑣碎操作當(dāng)壁壘、把秘方當(dāng)護(hù)城河的舊故事，快講不下去了。

當(dāng)流程摩擦被語義接口抹平，設(shè)計(jì)的重心從執(zhí)行與驗(yàn)證，轉(zhuǎn)向結(jié)構(gòu)選擇與權(quán)衡判斷。

AI 可以不知疲倦地枚舉不同拓?fù)浣Y(jié)構(gòu)，并給出詳盡的指標(biāo)對(duì)比。

但面對(duì)那張密密麻麻的看板，哪一個(gè)結(jié)構(gòu)能進(jìn)版圖，哪一項(xiàng)權(quán)衡在系統(tǒng)層面是不可接受的，這些涉及安全感的核心判斷，依然是設(shè)計(jì)師的領(lǐng)地。

下一代模擬工程師的工作模式將高度收斂：由自然語言定義任務(wù)，智能體系統(tǒng)枚舉方案、驗(yàn)證迭代，人類負(fù)責(zé)最終裁決。

誰能更快建立語義建模能力，把經(jīng)驗(yàn)轉(zhuǎn)成機(jī)器可執(zhí)行的結(jié)構(gòu)，并驅(qū)動(dòng)系統(tǒng)規(guī)模化運(yùn)行，誰就會(huì)成為這一輪范式遷移中的領(lǐng)先者。

*免責(zé)聲明：本文由作者原創(chuàng)。文章內(nèi)容系作者個(gè)人觀點(diǎn)，半導(dǎo)體行業(yè)觀察轉(zhuǎn)載僅為了傳達(dá)一種不同的觀點(diǎn)，不代表半導(dǎo)體行業(yè)觀察對(duì)該觀點(diǎn)贊同或支持，如果有任何異議，歡迎聯(lián)系半導(dǎo)體行業(yè)觀察。

今天是《半導(dǎo)體行業(yè)觀察》為您分享的第4359期內(nèi)容，歡迎關(guān)注。

加星標(biāo)??第一時(shí)間看推送，小號(hào)防走丟

求推薦