引言
Synopsys 推出了多款基于 AI 的搜索优化型 EDA 工具，覆盖硅芯片设计与生命周期的多个环节。除了 2020 年推出的 DSO.ai，后续还发布了 VSO.ai、TSO.ai 等，并整合为 Synopsys.ai 全栈套件。
其中，DSO.ai 作为业界首款自主式 AI 芯片设计优化工具，利用强化学习在超大规模设计空间中自主探索，实现从 RTL 到 GDSII 的全流程 PPA（功耗、性能、面积）优化。
AI 智能体如何介入设计流程
我们可以将芯片设计的每个步骤视为一个待解决的问题。通常解决流程包括：明确问题、定义成功标准、思考方法、识别方案、最终预算内交付。AI 主要介入'识别可能的解决方案'这一耗时环节，充当智能代理，自动在搜索空间内筛选更有前景的方案。
为了更直观地理解，我们可以参考个人出行的场景。假设目标是低成本、高速度且安全地抵达目的地。这涉及多个维度的权衡，如车辆类型、出发地点等。手动评估所有组合往往令人望而生畏，但 AI 智能体能高效导航这些大型搜索空间，专注于收敛至最优解。
解空间的搜索策略
在构建搜索空间初期，用户往往缺乏数据。此时需要高效的采样方法来确定哪个子空间最适合收敛。常见的误解是随机采样，但这会导致分布不规则，可能遗漏关键区域。
更高效的方法是使用均匀采样。所有采样点被统一规划，确保对整个搜索空间的完全覆盖，而非遍历所有组合。这正是 Synopsys AI 搜索优化工具在没有先验信息时采用的工作方式。
学习与收敛
一旦通过初始采样获得可行方案数据，AI 智能体便能从中学习。根据预设指标比较方案后，系统会确定自动搜索方向，决定下一步评估哪些方案。这种学习能力让 AI 能够识别出更优的方案，从而在多个目标指标上同时优化，自动管理复杂度。
