AI輔助驗證
關注創建者：匿名 創建時間：2026-03-06
AI輔助驗證的實例教程
image_process=/format,webp" data-initial-src="https://img.jishulink.com/202603/attachment/6758878541cf4020970bddf79c4350a4.png"></figure>
</figure><p><strong>時間</strong>：<strong>3月27日 周五，14：00-15：00</strong></p><p><strong>內容簡介</strong>：</p><p>Formal Advisor是一款基于Al的形式化驗證輔助工具，集成于新思科技 VC Formal平臺。它通過智能檢索與生成技術，幫助用戶自動生成、優化和管理形式化屬性(如斷言、覆蓋點等)，大幅提升形式化驗證的效率和質量。課程將系統講解Formal Advisor的基本原理、主要功能、典型應用場景及實際操作流程。</p><p>課程還將結合實際案例，演示如何利用Formal Advisor提升屬性生成的準確性和覆蓋率，幫助設計與驗證工程師快速上手并應用于實際項目中。
展開 <p class="ql-align-justify"><strong>3月6日，</strong>新思科技芯課程AI系列之<strong>「Verdi Assistant——新一代Al調試助手，讓調試效率煥然一新」</strong>正式開講！感興趣的下滑預約學習！</p><p><strong>時間</strong>：<strong>3月6日 周五，14：00-15：00</strong></p><p><strong>內容簡介</strong>：</p><p>隨著芯片規模持續擴大，調試已成為影響產品上市周期與研發成本的關鍵環節。AI與大語言模型的引入，為提升調試效率、降低技術門檻帶來了全新可能。Verdi將LLM深度嵌入調試流程，通過智能分析與自然語言交互，為驗證工程師提供更高效、更直觀的調試方式，奠定了新一代智能調試工具鏈的基礎。</p><p>本課程將系統介紹Verdi Assistant 的核心架構，并重點展示當前已支持的四大智能體--Waveform、Design、Assertion、Log，說明它們在真實調試任務中的協同能力。同時，課程也將分享其未來規劃與演進方向，幫助開發者全面理解AI驅動調試的發展趨勢。
展開 隨著AI技術的不斷演進，芯片EDA 領域也在加速擁抱 AI 技術，用AI來設計芯片也在逐漸成真。4月3日，新思科技芯課程AI系列主題第五講即將推出：「探索Code Advisor 如何提升10x設計驗證效率」，將為大家介紹新思科技代碼生成工具Code Advisor，該工具基于LLM 模型和agent 模式助力RTL生成到RTL驗證整個流程，提高工程師生產力數十倍！歡迎報名參會，探索Code Advisor 如何助力提升設計驗證效率！
時間：4月 3日（星期五），14:00–15:00
地點：線上直播
講師簡介：
史迎輝 | 新思科技應用工程師
負責數字電路驗證系列產品的支持，在DDR VIP，低功耗動態驗證，生成式AI代碼生成等方向具有豐富經驗。
掃碼立即報名參會?
展開 Ansys已經跟NVIDIA合作發展出一套輔助工具，讓已經完成線路布局的芯片設計，在模擬環境中進行分析，看芯片會不會遇到EM相關問題，以判斷線路布局是否需要修改(圖4) 。
圖4 以機器學習為基礎的EM輔助系統
傳統上，當芯片開發團隊完成線路布局后，是用工程團隊所設定的條件去進行模擬，但因為模擬需要耗費相當長的時間，因此開發團隊設定的模擬情境很難涵蓋周延。但在ML的輔助之下，機器學習可以幫工程師注意到以前沒關注的盲點，從而在芯片還在設計階段就把可能出現的問題排除。
AI不是萬能設計最佳化還得靠人腦
雖然用機器學習或人工智能來設計芯片將是未來趨勢，而且有越來越多芯片設計開發的環節開始使用相關工具，但誠如張嘉鴻所言，機器學習只是眾多工具中的一種，不是所有問題的萬靈丹。因此，人在芯片設計的整個過程中，還是會扮演非常重要的角色，只是專注的工作跟現在不一樣。
明導國際(Mentor Graphic)執行長Walden Rhines(圖5)就表示，人工智能是許多學運算科學的人都研究過的題目，在他還是個年輕工程師的時候，就有參與過類似的開發專案。看到現在人工智能的蓬勃發展，一方面有終于熬到出頭天的感慨，但另一方面還是得指出，神經網路(Neuro Network, NN)、機器學習這些人工智能技術，在應用上還是有其限制，不應該把AI神化。
圖5 明導國際執行長Walden Rhines認為，機器學習在EDA領域的應用還在發展中，而且有些IC設計步驟所遭遇的問題未必適合用機器學習來解決。
以IC設計為例，用機器學習來做芯片繞線布局，其實是非常「粗放」的。雖然用這種方法可以加快芯片設計的速度，但很難做到面積、功耗或性能的最佳化。
展開 Ansys已經跟NVIDIA合作發展出一套輔助工具，讓已經完成線路布局的芯片設計，在模擬環境中進行分析，看芯片會不會遇到EM相關問題，以判斷線路布局是否需要修改(圖4) 。
圖4 以機器學習為基礎的EM輔助系統
傳統上，當芯片開發團隊完成線路布局后，是用工程團隊所設定的條件去進行模擬，但因為模擬需要耗費相當長的時間，因此開發團隊設定的模擬情境很難涵蓋周延。但在ML的輔助之下，機器學習可以幫工程師注意到以前沒關注的盲點，從而在芯片還在設計階段就把可能出現的問題排除。
AI不是萬能設計最佳化還得靠人腦
雖然用機器學習或人工智能來設計芯片將是未來趨勢，而且有越來越多芯片設計開發的環節開始使用相關工具，但誠如張嘉鴻所言，機器學習只是眾多工具中的一種，不是所有問題的萬靈丹。因此，人在芯片設計的整個過程中，還是會扮演非常重要的角色，只是專注的工作跟現在不一樣。
明導國際(Mentor Graphic)執行長Walden Rhines(圖5)就表示，人工智能是許多學運算科學的人都研究過的題目，在他還是個年輕工程師的時候，就有參與過類似的開發專案。看到現在人工智能的蓬勃發展，一方面有終于熬到出頭天的感慨，但另一方面還是得指出，神經網路(Neuro Network, NN)、機器學習這些人工智能技術，在應用上還是有其限制，不應該把AI神化。
圖5 明導國際執行長Walden Rhines認為，機器學習在EDA領域的應用還在發展中，而且有些IC設計步驟所遭遇的問題未必適合用機器學習來解決。
以IC設計為例，用機器學習來做芯片繞線布局，其實是非常「粗放」的。雖然用這種方法可以加快芯片設計的速度，但很難做到面積、功耗或性能的最佳化。
展開 
AI輔助驗證的相關專題、標簽、搜索
AI輔助驗證的最新內容
采用創新的軟件定義方法使 ZeBu Server 5 性能提升 2 倍，借助模塊化硬件輔助驗證（HAV），將最大容量擴展至 2 倍，滿足人工智能時代超大規模設計的需求
面向主流設計推出全新的 HAPS?200 12 FPGA 與 ZeBu?200 12 FPGA 平臺，將硬件仿真與原型驗證容量擴展 2 倍，支持 EP?Ready 雙模應用方式，并為硬件仿真與原型驗證應用場景提供領先性能
隨著AI技術的不斷演進，芯片EDA 領域也在加速擁抱 AI 技術，用AI來設計芯片也在逐漸成真。4月3日，新思科技芯課程AI系列主題第五講即將推出：「探索Code Advisor 如何提升10x設計驗證效率」，將為大家介紹新思科技代碼生成工具Code Advisor，該工具基于LLM 模型和agent 模式助力RTL生成到RTL驗證整個流程，提高工程師生產力數十倍！歡迎報名參會，探索Code Advisor
<p class="ql-align-justify"><strong>今日14:00，</strong>新思科技芯課程AI系列之<strong>「Formal Advisor助力形式化驗證“一步”到位」</strong>正式開講！感興趣的下滑預約學習??</p><figure style="text-align: center;" class="ql-align-center"><figure class
<p class="ql-align-justify"><strong>3月6日，</strong>新思科技芯課程AI系列之<strong>「Verdi Assistant——新一代Al調試助手，讓調試效率煥然一新」</strong>正式開講！感興趣的下滑預約學習！</p><p><strong>時間</strong>：<strong>3月6日 周五，14：00-15：00</strong></p><
輔助驗證飛行控制軟件的正確性
實現結構化覆蓋分析要求
四、未來發展趨勢與挑戰
4.1 技術發展方向
?云測試平臺普及?：分布式測試環境將成為主流，支持大規模并行測試
?數字孿生技術?：虛實結合的測試方法提升覆蓋率，減少物理測試成本
?AI質量預測?：基于歷史數據的缺陷模式識別，提前預警潛在問題
?低代碼測試?：圖形化界面降低測試門檻，使非專業測試人員也能參與
<p><strong>01、汽配行業產品研發現狀</strong></p><p>在當下的汽配行業中，產品相對固定的批量生產性汽配企業占據著重要地位。這類企業通常肩負著為多個主機廠配套的重任，多個項目并行研發制造是常態。從企業的日常運營來看，由于不同主機廠的需求存在差異，即使是相對固定的產品，也需要針對不同項目進行定制化調整。例如，在為不同品牌主機廠生產方向盤時，雖然產品核心功能和基礎結構相似，但在外觀造型
大綱
目前風力葉片大多采用復合材料為主體材料，復合材料以一定層數纖維上下包裹住中間的芯材，形成類似三明治的結構，此種結構能夠在保有一定結構強度下，有效減輕風力葉片重量。目前主流芯材以PVC及巴沙木為主流，且為了灌注的順暢，在芯材上會有一定寬度的刻溝。為了獲得高精確的模擬結果，不同于傳統的RTM模擬方式，必須要將纖維和刻溝同時進行模擬。
挑戰
由于芯材包含了刻溝和孔道，本案例不僅是要模擬常見的純纖維
EDA大廠競相在自家產品中導入人工智能(AI)，試圖借此加快芯片設計/模擬的速度。美國國防部旗下的先進研究計劃署(DARPA)，也已設定「全自動芯片設計」的宏大目標，并廣邀硅智財(IP)跟工具業者參與這項挑戰性極高的研究計劃。此一目標不會很快實現，但趨勢如此，IC設計產業與相關從業人員，必須在這一天到來之前做好因應準備。
利用人工智能技術來加快芯片設計流程，是最近兩、三年來在EDA
EDA大廠競相在自家產品中導入人工智能(AI)，試圖借此加快芯片設計/模擬的速度。美國國防部旗下的先進研究計劃署(DARPA)，也已設定「全自動芯片設計」的宏大目標，并廣邀硅智財(IP)跟工具業者參與這項挑戰性極高的研究計劃。此一目標不會很快實現，但趨勢如此，IC設計產業與相關從業人員，必須在這一天到來之前做好因應準備。
利用人工智能技術來加快芯片設計流程，是最近兩、三年來在EDA工具業界相當熱門的話題
