AI trong Thiết kế Tự động Điện tử đã trở thành hiện thực tại DAC 2026

Hội nghị Design Automation Conference (DAC) lần thứ 63, được tổ chức tại Long Beach, California, đánh dấu bước phát triển quan trọng trong ngành Thiết kế Tự động Điện tử (EDA). Sự kiện quy tụ toàn bộ hệ sinh thái thiết kế chip trong một tuần, là dịp để các công ty và chuyên gia trình diễn những tiến bộ công nghệ mới nhất. Nổi bật tại DAC 2026 là sự hiện diện rõ rệt và thực tế của trí tuệ nhân tạo (AI) trong lĩnh vực EDA, không còn chỉ là những ý tưởng hay phân tích trên giấy mà đã được ứng dụng thực tiễn trên sàn triển lãm.

Simon Davidmann, một trong những người tiên phong trong lĩnh vực mô phỏng và xác minh Chip, đồng sáng tạo Superlog/SystemVerilog và nhà sáng lập Imperas, đã phân tích sâu sắc về vị trí của AI trong ngành EDA. Theo ông, AI hiện tại chủ yếu tập trung vào tự động hóa các quy trình làm việc cũ, kết nối các công cụ hiện hữu thông qua script, agent và API. Đây là những cải tiến hữu ích nhưng vẫn nằm trong khung làm việc của các silo truyền thống do con người tạo ra. "Phép màu" thực sự sẽ xuất hiện khi có một cách tiếp cận toàn diện, tái thiết kế lại toàn bộ chuỗi công cụ để AI có thể làm việc xuyên suốt, thay vì chỉ điều phối qua các đoạn rời rạc tồn tại suốt 40 năm qua. AI hiện nay được xem là giải pháp tạm thời trên con đường tái cấu trúc toàn diện ngành EDA.

Dựa trên phân tích của Davidmann, hệ sinh thái AI trong EDA được chia thành bốn nhóm với lợi ích khác nhau. Nhóm đầu tiên là ba nhà cung cấp lớn (Cadence Design Systems, Synopsys và Siemens EDA) tận dụng các thủ thuật gia tăng để xây dựng nền tảng mạnh mẽ bảo đảm độ tin cậy chứng nhận thiết kế. Nhóm thứ hai gồm các startup AI chuyên phát triển các công cụ hỗ trợ nhằm giảm thiểu khó khăn trong quy trình sử dụng công cụ legacy. Nhóm thứ ba là các tập đoàn lớn như Samsung và Nvidia, họ phát triển các hệ thống AI riêng tư bên trong, bảo vệ sở hữu trí tuệ và học hỏi từ dữ liệu nội bộ. Cuối cùng là các viện nghiên cứu và phòng thí nghiệm chuyên về mô hình nền tảng, tập trung vào nghiên cứu mở, thường chưa giải quyết được các vấn đề quy mô công nghiệp. Mỗi nhóm hành động theo lợi ích riêng của mình, dẫn đến một vấn đề mà Davidmann gọi là "Davidmann’s Dilemma" – mọi người cùng tăng tốc di chuyển nhưng không ai thay đổi được bản chất của thách thức.

Hệ sinh thái AI trong EDA tại DAC 2026 được tổ chức theo một chuỗi tầng phức tạp gồm các thành phần:

Bên cạnh chuỗi tầng này còn có các yếu tố hỗ trợ quan trọng như bảo mật (8 công ty) và các chuẩn mở do các tổ chức như Accellera và Si2 phát triển, giúp tăng cường tính liên kết và an toàn cho toàn bộ hệ sinh thái.

Các nhà cung cấp lớn đều áp dụng thang đo mức độ tự động hóa L1 đến L5, lấy cảm hứng từ ngành ô tô, để mô tả mức độ tự động của công cụ. Tuy nhiên, khác với ô tô, trong EDA một yếu tố quan trọng phải được tính đến là phạm vi hoạt động (Operational Design Domain – ODD), tức là quy mô thiết kế mà AI có thể tiếp cận và kiểm soát. Ví dụ, tự động hóa L4 trong một công cụ đơn lẻ tương ứng với hạng mục nâng cấp công cụ điểm (lớp D), còn khi AI vận hành xuyên suốt chuỗi công cụ sẽ tương ứng với luồng agentic AI (lớp C), mang lại mức độ tự động hóa cao và khó khăn hơn do nhiều rủi ro phát sinh tại các điểm giao tiếp giữa công cụ.

Mô hình AI trong lĩnh vực EDA đa dạng về cách tiếp cận và mức độ kiểm soát dữ liệu đào tạo. Một số công ty như Cognichip phát triển mô hình nền silicon hướng dẫn bởi vật lý, được đào tạo trên dữ liệu chip tổng hợp và có kiểm soát khắt khe. Trong khi đó, các công ty như MooresLabAI áp dụng các mô hình từ các phòng thí nghiệm AI lớn như Azure OpenAI và AWS Anthropic, tập trung vào khả năng phối hợp công cụ hơn là phát triển mô hình nền mới. Giữa hai cực này là các công ty tự tinh chỉnh mô hình hoặc phát triển các giải pháp trung gian, tạo nên một bức tranh phong phú về phương pháp tiếp cận công nghệ AI.

Ba ông lớn Cadence, Synopsys và Siemens EDA chiếm vị trí trung tâm trong hệ sinh thái, giữ vai trò định hình chuẩn mực công nghiệp và uy tín xác nhận thiết kế. Họ tập trung tích hợp các agent AI vào nền tảng riêng để duy trì quyền ký phê duyệt thiết kế, giúp tăng tốc quy trình nhưng chưa thực sự mở rộng khả năng xác minh. Đây là điểm đang được tranh luận theo tiêu chí "Davidmann’s Test" xem AI có mang lại xác minh mới hay chỉ đẩy nhanh quy trình cũ.

Nhóm các công ty đặt cược vào "reset" công nghệ với các mô hình nền silicon như Ricursive Intelligence, Normal Computing và Cognichip nhằm thay thế các thuật toán truyền thống trong các giai đoạn thiết kế quan trọng. Tuy nhiên, việc chuyển đổi từ mô hình lý thuyết đến sản phẩm thực tế được xác nhận vẫn là thách thức lớn nhất.

Khu vực mô hình chuyên biệt (Category B) phát triển các mô hình phục vụ một giai đoạn thiết kế cụ thể, đi kèm cơ chế đảm bảo độ chính xác bằng cách kết hợp mô phỏng hoặc quy tắc vật lý. Các ví dụ thành công được giới thiệu với các con số về tốc độ và độ chính xác rõ ràng, thể hiện sự trưởng thành của hạng mục này.

Lớp trung gian sôi động (Category C) gồm nhiều startup AI trẻ tuổi, thường xuất phát từ lĩnh vực AI hơn là EDA, mang đến các công cụ hỗ trợ cụ thể với các ví dụ như phát hiện lỗi PCIe nhanh chóng hay xây dựng bộ xử lý RISC-V trong thời gian ngắn. Mặc dù còn nhiều thách thức trong việc hiểu sâu các quy tắc EDA truyền thống, nhóm này đang đóng góp sự đổi mới cần thiết.

Tham quan hội trường và các phiên kỹ thuật của DAC 2026 cho thấy bức tranh tổng thể về sự phát triển và hợp nhất AI trong ngành EDA, đánh dấu một bước tiến thực tế và có thể đo lường được sau nhiều năm chỉ trên lý thuyết.

Bài viết được biên tập với sự hỗ trợ của công cụ trí tuệ nhân tạo (AI), tổng hợp từ các nguồn tin dẫn bên dưới và đã qua kiểm duyệt của toà soạn Quang Minh Việt Nam.