ИИ в проектировании чипов быстро переходит из роли помощника по оптимизации в роль младшего инженера, которому доверяют верификацию, RTL, тесты и даже часть работы с топологией. Synopsys уже говорит о более чем 50 клиентских внедрениях новых агентных инструментов, сообщает Tom's Hardware, а главный риск теперь звучит неприятно просто: что если ИИ случайно воспроизведет чужой патент и этот дизайн уйдет в тысячи микросхем?
Synopsys представила набор AgentEngineer — инструменты, рассчитанные на длинные инженерные задачи: проверку и реализацию чипов, планирование аналогового дизайна и подготовку к производству. Компания собирается вывести технологию в широкую доступность до конца года. Это не одиночный эксперимент ради красивой презентации: конкурент Cognichip продвигает платформу ACI, которая, по заявлению компании, умеет генерировать спецификации и RTL, а затем автоматически создавать планы верификации и тестовые окружения. Китайская Empyrean Technology утверждала, что AI-агент сократил одну задачу по разводке схемы с четырех недель до одной.
Крупные AI-компании тоже пришли в эту зону. OpenAI заявляла, что ее модели помогли ей и Broadcom разработать Jalapeño, первый кастомный inference-чип OpenAI, от начального дизайна до tape-out за девять месяцев. Для индустрии, где один цикл проектирования может стоить огромных денег и месяцев ожидания фабрики, такая скорость выглядит не как игрушка, а как конкурентное оружие. Особенно на фоне гонки за ускорителями ИИ, где выигрыш в энергопотреблении, площади кристалла или задержке быстро превращается в деньги.
Но полупроводниковая отрасль живет не только на инженерной смекалке. Она держится на лицензируемой интеллектуальной собственности: процессорных архитектурах, контроллерах, интерфейсах памяти, проверенных блоках и целых библиотеках IP. Компании часто не проектируют все с нуля, а покупают готовые и юридически очищенные компоненты. Arm в 2026 финансовом году получила почти $5 млрд выручки, примерно поровну от лицензирования и роялти. Synopsys тоже продает не только EDA-софт, но и портфель проверенных IP-блоков для кремния.
И вот здесь ИИ в проектировании чипов становится юридически скользкой историей. Профессор Университета Флориды Доменек Форте, который занимается AI-инструментами для chip design и защитой semiconductor IP, формулирует проблему жестко: ИИ может распространить скопированный дизайн или патентное нарушение по тысячам чипов еще до того, как кто-то поймет, что произошло. Причем речь не обязательно о прямом воровстве RTL-кода у Arm или другого владельца IP. Модель может прочитать массив статей, патентных заявок и документации, а затем собрать похожее решение, не имея намерения что-либо копировать.
В цифровой логике это особенно неприятно, потому что пространство решений не бесконечно. Инженер ограничен площадью кристалла, энергопотреблением, частотой, стандартами интерфейсов и требованиями к надежности. Для некоторых задач существует ограниченный набор практичных схем, которые давно описаны в учебниках, статьях или патентах. Если попросить модель сделать «самый быстрый» или «самый компактный» вариант, она может прийти туда же, куда уже пришел кто-то другой — только быстрее и без понятного следа происхождения идеи.
Для обычного софта это было бы проблемой лицензий и репозиториев. Для чипов все жестче: после tape-out ошибку нельзя просто закрыть патчем в понедельник утром. Профессор компьютерной инженерии Кембриджского университета Саймон Мур напоминает, что после поставки чипа транзисторы уже не перепишешь. Поэтому индустрия гораздо осторожнее относится к новым методам проектирования, чем кажется со стороны. Верификация во многих проектах уже занимает больше половины усилий, и именно там ИИ выглядит наиболее безопасным: он может гонять тесты, искать слабые места, расширять покрытие и проверять гипотезы в масштабе.
А вот отдавать агенту архитектурные решения, которые потом сложно отменить, производители пока не спешат. Это прагматично: AI-система может ускорить поиск, но ответственность за кремний, патенты и контрактные обязательства все равно останется у компании. Поэтому лицензируемые IP-блоки вряд ли внезапно исчезнут. Даже если ИИ способен сгенерировать похожий контроллер или вычислительный блок, покупатель платит не только за файлы дизайна. Он платит за историю проверок, соответствие стандартам, поддержку, юридическую уверенность и возможность показать аудитору: вот происхождение компонента, вот права, вот цепочка поставки.
Форте предлагает один из возможных путей: владельцы IP могли бы размещать зашифрованные версии дизайнов в общем репозитории, а доверенные агенты проверяли бы новые схемы на пересечения, не раскрывая оригиналы. С водяными знаками он осторожнее: их можно удалить или подделать. Уже существующий стандарт IEEE 1735 описывает шифрование электронного design IP и управление правами, но для эпохи AI-агентов этого может оказаться мало. Придется определять, какие данные агент видит, что он запоминает и чему может учиться внутри EDA-инструментов.
Для разработчиков и IT-бизнеса вывод шире, чем кажется. ИИ в проектировании чипов показывает будущую модель для многих инженерных областей: агент делает больше работы, но вместе с продуктивностью растут требования к происхождению артефактов. «Работает» уже недостаточно. Нужно доказать, откуда взялось решение, чьи права оно затрагивает и кто подписался под риском. В софте это бьет по open source compliance, в железе — по миллионам долларов масок, партий и судебных претензий.
Похоже, рынок придет не к романтическому образу автономного ИИ-инженера, а к более скучной и полезной схеме: быстрый агент, жесткая верификация, журнал происхождения решений и люди, которые все еще ставят подпись. Ирония в том, что чем сильнее AI-инструменты будут снижать стоимость создания базовых блоков, тем дороже может стать подтвержденная чистота IP. В кремнии доверие тоже становится продуктом.