AI 晶片愈做愈大，工程師卻不夠用了！Cadence 把 Agent 帶進 EDA 核心流程
2026 年 8 月 27 日 CadenceLIVE Taiwan 舉辦這一天，天氣非常好，但實際上在太平洋海面上，有四個颱風正同時盤旋，路徑仍不斷變化。Cadence 台灣總經理宋栢安在開場時拿這件事開了個玩笑，他笑說：「我們現在的算力還是算不出來這些颱風會怎麼走。不過我想很快地，未來應該就能很精準地預測。」
四個颱風的複雜狀況，也多少呼應了半導體產業現在面對的現實。
過去談晶片設計，多半是在一顆晶片裡最佳化邏輯、佈局、繞線、功耗與時序。但隨著 chiplet、異質整合、先進封裝與 3D-IC 發展，晶片設計的邊界已從晶片本身一路向外延伸至封裝、PCB，甚至整個系統。
宋栢安因此將今年 CadenceLIVE Taiwan 的主軸濃縮成 AI、3D 設計與先進封裝，這也顯現了 Cadence 想談的已不只是 EDA 工具如何變得更強，而是當 AI 晶片不再只是「一顆晶片」時，Cadence 究竟能如何協助客戶處理愈來愈龐大的設計問題。
AI 晶片複雜度提升，卻不能再靠「多找幾個工程師」解決
從產品發展來看，這個變化已相當明顯。
Cadence 資深副總裁暨數位與簽核事業群總經理滕晉慶博士在大會主題演講中解析，許多大型雲端服務商與 AI 晶片公司目前面對的問題之一，就是後端工程師不足。假設一顆晶片有 100 個 partition，往往需要約 50～60 名後端工程師，客戶期待的是未來一位工程師不只能負責一個 partition，而是可以同時處理三個、四個，甚至五個。而面對上市需求壓力與資源的瓶頸，AI Agent 的崛起便起了關鍵且必要的一個作用。
對此，滕晉慶表示，AI 與 LLM 在晶片設計上的應用，遠比應用在一般軟體開發複雜。他用了一個很直白的比喻：你不可能在一輛性能普通的車子上，實現非常好的自動駕駛。因此，他強調：「如果你要讓 AI 在 design flow 真的發揮價值，你必須要有世界級的設計工具，再把 AI 疊加上去，這才能讓 AI 真正發揮價值。」
InnoStack，不只是幫工程師寫 Script
滕晉慶強調，Cadence 對客戶的承諾，正是持續建構世界級的設計工具，這些工具就好比鏟子，Cadence 的任務就是將鏟子設計得更好，而 AI Agent 則像是懂得善用鏟子的工人。他並進一步以 Cadence 數位設計與實作的 AI 超級代理 InnoStack 為例，分享該平台從 RTL 最佳化、floorplan、placement、implementation，到 final signoff、ECO，甚至 3D-IC，在各個流程中都開始能借助代理 AI 提高生產力。
它與一般聊天式 Copilot 最大的不同，是 InnoStack 並不只是回答工程師問題。InnoStack 是一個全局性的 AI Super Agent，旗下涵蓋多個 Sub-Agent。不同 Agent 分別負責分析或最佳化，再由 Super Agent 反覆調度，持續建立、分析並最佳化設計。也就是說，工程師未來不一定需要自己逐一操作每一項 EDA 工具，而可以先透過 Agentic Interface 表達設計目標，再由 InnoStack 調度背後不同的工具與流程。
從這場大會展示的 ECO Agent 案例來看，也能一探 InnoStack 所帶來的改變。在同一個 4nm 高速 CPU core 上，資深工程師大約需要 28 小時完成 design closure，其中包含約 20 小時運算，以及 8 小時閱讀 log、判斷需要修改哪些地方，再重新啟動流程；相較之下，由 AI 驅動的 ECO Agent 約以 20 小時完成相近結果，而且過程中不需要工程師反覆查看結果、判斷下一步並重新啟動流程。
更值得注意的是，Agent 並不是按照固定 script 一路執行到底。當前幾輪透過放寬部分設計限制帶來的改善開始停滯後，它會主動改變策略，轉而調整時脈配置。結果在單一輪次中，最嚴重的時序違規改善了 58%，整體時序違規總量也下降 79%。這也意味著真正重要的並不只是「28 小時變成 20 小時」，而是過去必須由資深工程師負責的「看結果、判斷瓶頸、決定下一步策略」，開始有一部分可以交由 Agent 接手。
聯發科副總胡坤忠博士也在客座主題演講談到，未來產品已不能只針對單一條件最佳化，而是從晶片、封裝、基板，到電性、熱與機械特性，各個環節都必須一起納入考量並取得平衡。
而當需要權衡的條件愈來愈多，如果仍完全仰賴工程師人工判讀、調整與反覆嘗試，整套設計流程最後很難持續擴展。而人才不足、資深工程師難尋，也一直是半導體公司面對的痛點。
每個人都能做 Agent，為什麼還需要 InnoStack？
不過，時至今日，大型語言模型與 Agent framework 已經相當普及，IC 設計公司甚至工程師自己都可以打造 Agent。那麼，為什麼一定需要 Cadence？
工程師每個人都可以利用 LLM 打造自己的 Agent，但 InnoStack 最大的優勢，是 Cadence 知道如何讓 Agent 真正與 Innovus、Integrity 等自家 EDA 軟體協同運作。更關鍵的是，Cadence 建立的 Agentic framework 能夠保留 EDA 工具執行過程中的中間狀態，進一步最佳化上下游流程，以及工具與運算資源的使用效率。
以最新版 Innovus 為例，Cadence 在 2nm 實現約 7% 的 PPA 提升。滕晉慶指出，這並不是來自 AI 最佳化，而是 placer、router 等核心演算法本身的進步。這也凸顯了 Cadence 看待 AI EDA 的方式：它不是要用 AI 取代傳統 EDA，而是把 AI 疊在原本的核心演算法與運算能力之上，再讓 Agent 去調度這些能力。
到了 3D-IC，問題不只是更複雜，而是很多決定一開始就不能做錯
此外，AI 算力需求正將產業推向更積極的 2.5D、3D 堆疊。如同本次 Cadence 全球副總裁顧鑫在 3D-IC 議題的技術演講中所述，目前量產產品規模約已來到 5.5～6 個 reticle size，下一階段可能走向 10～14 個，到了 2030 年甚至可能出現約 30 個 reticle size 的設計。背後原因正是因為，單一晶粒已不足以承擔 AI 所需的運算能力，因此走向堆疊幾乎成為必然選擇。然而，當 compute die、I/O die、HBM、interposer、基板與高速互連被組成愈來愈大的系統，設計工作也不再只是把其中一顆裸晶做好。
一旦進入 3D-IC，設計問題不只是多了一個 Z 軸，而是連「什麼時候做決定」都變得不一樣。顧鑫指出，在 2D 設計中，即使流程已經進入後段，許多地方仍有機會回頭調整；但到了 3D-IC，很多關鍵選擇都必須在非常初期就做出決定。一旦 partition 已經確定，後面再想回到最前面重新調整，代價會非常高。
換句話說，3D-IC 把原本較偏向「先完成設計、再逐步驗證」的工作方式，推向設計、分析與決策更早彼此交織的流程。而這也正是 Integrity 3D-IC 被納入 InnoStack 整體架構的原因。InnoStack 的 3D-IC Super Agent 與 Cadence Integrity 3D-IC 平台高度整合，可以透過 Agentic Flow 調度 Integrity 執行 3D-IC 設計與分析。
如此一來，AI 不只負責某一個步驟的自動化，而是開始協助工程師反覆驗證假設、比較不同方案，再把設計往下一步推進，讓整個設計流程在更早的階段，就能進行更好的系統級決策。
當 AI 晶片從單一晶粒走向多晶粒、從 2D 走向 3D，工程師面對的設計複雜度只會繼續擴大。這時候，EDA 真正要解決的問題，或許也不再只是「工具能不能把答案算出來」，而是當沒有足夠人力逐一探索所有可能時，誰能幫工程師判斷下一步，並以最有效率的方式配置有限的工程與運算資源。
（首圖來源：shutterstock）