摘要
芯片设计验证环节仍是研发效率瓶颈 在芯片设计与验证环节，效率瓶颈长期存在。FPGA与数字IC前端研发通常需要经历需求理解、架构拆解、RTL编写、测试平台搭建、仿真验证、波形分析、问题定位和多轮修改。上述流程高度依赖资深工程师经验，研发周期长、协作成本高，尤其验证和调试环节常常占用大量时间。商业计划书披露，SoC验证可能消耗超过70%的开发周期，单个Bug定位平均需要16至20小时。对于芯片设计公司、FPGA研发企业、科研院所和高校实验室而言，如何缩短从需求到可验证工程结果的周期，正在成为影响研发效率和项目交付确定性的关键问题。 成都鹏野嘉途科技推出的IC Coder，正是围绕这一痛点构建的AI智能体平台。与通用代码助手不同，IC Coder并不只面向“写代码”这一单点任务，而是面向芯片设计与验证的完整流程，覆盖需求分析、Spec生成、RTL编写、TestBench自动生成、仿真验证、波形分析、EDA交互和问题修复等环节。项目方将其定位为面向FPGA开发、数字IC前端设计、芯片功能验证、IP核开发和SoC子系统原型验证的专业级AI研发平台，希望让AI从辅助问答工具进入真实工程主流程。 从代码生成走向工程闭环 IC Coder的核心能力来自自研芯片设计专项模型与Multi-Agent多智能体系统。平台会先对用户输入的自然语言需求进行拆解，形成结构化Spec，再进一步生成RTL代码、TestBench、仿真任务和波形分析结果。相比通用AI生成一段代码后交给工程师自行判断，IC Coder更强调“生成—验证—迭代”的闭环能力，即通过编译器、仿真器、波形分析工具和EDA工具反馈，持续发现问题并推动代码修复。 在工程工具链层面，IC Coder支持对接Vivado、TD等主流EDA工具，能够通过脚本方式读取综合、布局布线、时序分析和运行日志等反馈信息。波形分析能力则用于解析VCD文件、追踪信号变化和定位潜在逻辑问题，使AI输出不再停留于文本结果，而是与工程证据相结合。对于企业客户，平台还提供私有化部署、内网运行、本地模型交付和权限管理，以满足芯片研发对代码安全、数据隔离和流程管控的要求。 项目方披露的一个典型案例显示，在工业相机图像采集与DDR缓存控制子系统项目中，传统模式约需5人团队、60个工作日完成相关开发与验证；