NovaSilicon 用 AI 智能体自动完成芯片版图,五个月拿下三轮融资
这家上海初创公司的 CDK 平台用强化学习训练的智能体,处理模拟和数字物理设计

NovaSilicon 是一家成立于 2026 年 5 月的上海 AI 芯片设计初创公司,五个月内完成了第三轮融资,本轮由顺为资本领投,纪源资本(GGV Capital)和经纬创投跟投。公司同时在 arXiv 上发布了两篇开放基准论文,称其专门打造的 AI 智能体在模拟版图生成和数字芯片布图规划任务上,胜过包括 OpenAI GPT-6 Astra 在内的通用模型。
接连融资、同步发布研究成果,对一家初创公司来说节奏异常紧凑。它想颠覆的,是半导体行业长期认为基本无法自动化的领域:把电路原理图转化为可制造芯片版图的物理设计阶段。
CDK:芯片设计的「工艺配方」
NovaSilicon 的核心产品被公司称为电路设计套件(Circuit Design Kit,简称 CDK),这个名字有意借用了工艺设计套件(Process Design Kit,PDK)的说法。PDK 由台积电等晶圆厂提供,描述一个制造节点的规则和器件模型。按 NovaSilicon 的说法,PDK 告诉设计者工艺如何运作,CDK 则告诉 AI 智能体如何完成设计工作:输入芯片规格,输出 GDS 版图文件。
公司首发两款 CDK 产品。Vega 面向模拟设计,覆盖从拓扑选择、原理图转换、器件尺寸设计、仿真到最终版图的完整流程。Sirius 面向数字物理后端,负责布图规划、布局布线、时钟树综合、物理验证和时序收敛,同时也纳入了前端的 RTL 生成与验证。
每个 CDK 都由专用 AI 智能体驱动,这些智能体用强化学习而非模仿学习训练。NovaSilicon 称,强化学习让智能体能把 EDA 工具的输出当作奖励信号来学习,从而不必依赖大型专有设计数据集,这类数据集的授权既难又贵。智能体并不只是预测人类设计师会怎么做,而是朝着可测量的结果优化,这些结果由生产流程中使用的同一批 EDA 工具验证。
基准结果:专项任务上胜过通用模型
NovaSilicon 的第一篇基准论文《AnalogLayoutWorld:面向智能体模拟版图设计的开放基准》推出了一套包含 40 项任务的评测集,并报告了 13 种 AI 模型配置的结果,其中包括多个通用大语言模型。
论文的核心结果是:Vega 中负责模拟版图的智能体 Novara 在 AnalogLayoutWorld 基准上得分 0.8154,OpenAI 的 GPT-6 Astra 为 0.7483。Novara 的 LVS(版图与原理图一致性检查)通过率为 100%,说明生成的每一份版图在结构上都有效。工程质量方面,Novara 得分 0.816,GPT-6 Astra 为 0.566。论文称,人类工程师直接采纳了 Novara 72.5% 的输出。
第二篇论文《评估面向工业级芯片布图规划的 AI 智能体:框架与实证研究》评估的是布图规划,即数字物理设计中在详细布线之前,把大型电路模块摆放到芯片上的步骤。该基准使用的数据集包含 235,727 个布图实例、99 个硬宏,以及面积为 14.123 平方毫米的 L 形设计区域。
Sirius 中负责布图规划的智能体 Nova-SI 在该基准上平均得分 57.97,人类工程师基线为 91.88,GPT-6 Astra 为 31.17。Nova-SI 单次最佳输出得分 81.09。它在效率上也有优势:Nova-SI 平均每项任务消耗 3613 万个 token,同一框架下评测的通用 AI 智能体为 6211 万到 2.865 亿个。Nova-SI 的全部八份输出都通过了几何验证检查。
从「无晶圆厂」到「无设计」
NovaSilicon 拿台积电 1987 年的创立来类比自己的雄心:台积电把芯片制造与芯片设计分开,开创了无晶圆厂(fabless)半导体模式。公司认为,能自动完成版图工作的 AI 智能体可能带来类似的分离,即一种「无设计」(designless)模式:企业委托芯片设计,而不必为最耗人力的物理设计环节维持庞大的工程团队。
这个类比能否成立,取决于 AI 智能体能在完整的设计栈中推进多远。NovaSilicon 现有的 CDK 产品面向物理后端,即版图、布图规划和验证,这在芯片设计总工作量中占比可观,但并非全部。架构、微架构和 RTL 设计等前端任务,在整个行业仍主要由人完成。
这家初创公司近期的收入模式很简单:为定制芯片设计服务收取 NRE(一次性工程)费用。它的第一个产品目标是 UCIe PHY IP,即通用芯粒互连(Universal Chiplet Interconnect Express)标准的物理层。该标准定义多芯粒封装中的裸片间互连,创始联盟成员包括 AMD、英特尔、台积电、三星、Arm、谷歌、Meta、微软和高通。Sirius 正被用于 3D 存内计算设计。
赛道拥挤,对手资金充足
NovaSilicon 面对的并不是一个空白市场。ChipAgents 是一家 2024 年成立、总部位于加州圣克拉拉的竞争对手,2026 年 7 月宣布把 A 轮融资扩大到 1.34 亿美元,新引入 B Capital,现有投资方包括 Bessemer Venture Partners、美光、联发科和爱立信。公司称已在 120 多家半导体公司部署,2026 年上半年 ARR 增长 6 倍,其 AI 智能体聚焦 RTL 设计、验证和调试工作流。
EDA 三巨头新思科技(Synopsys)、Cadence 和西门子也在加快整合 AI。2026 年 9 月,新思科技与 OpenAI 公布了 AgentEngineer 合作,双方正在开发 GPT-Synopsys,这是一套在新思科技现有 EDA 工具链内实现全流程芯片设计自动化的 AI 系统。这项合作与 NovaSilicon 押注的模拟和数字版图领域直接重叠。
竞争之所以加剧,正是因为版图自动化问题终于开始被 AI 方法攻克。多年来,模拟版图尤其难以自动化,因为它的约束(匹配、对称、寄生敏感性)需要空间推理和反复权衡,基于规则的工具和早期机器学习方法都无法可靠应对。NovaSilicon 用 EDA 验证工具的奖励信号而不是人工整理的训练数据来训练强化学习智能体,是业界为弥合这一差距所下的几种赌注之一。
融资历程
NovaSilicon 五个月内的三轮融资,始于 2026 年 5 月公司注册后不久的种子轮,由五源资本领投。随后是 Pre-A 轮,投资方为 Guoxiang Capital 以及上海未来产业基金和上海科创集团。第三轮由顺为资本领投,纪源资本和经纬创投跟投,公司未公开金额。
融资速度之快,既反映了投资者对中国 AI 半导体工具的兴趣,也反映了一个特定的机会窗口。美国于 2026 年 5 月下旬对向中国销售 EDA 软件实施出口管制,一度中断了中国用户对新思科技、Cadence 和西门子工具的使用(三家合计约占中国 EDA 市场的 70%),随后在 2026 年 7 月初作为中美贸易协议的一部分被解除:华盛顿撤回半导体软件限制,换取北京放宽稀土出口审批。这段插曲虽然很快平息,却让中国投资者更加认定国产芯片设计 AI 工具的战略价值。
技术基础
NovaSilicon 的 CDK 架构为设计流程的每个阶段配备独立的专用智能体。在 Vega 中,前序智能体完成拓扑选择、尺寸设计和仿真后,由 Novara 智能体负责版图阶段。在 Sirius 中,配套智能体完成前端步骤后,由 Nova-SI 负责布图规划。
强化学习训练框架根据 EDA 工具的验证输出(DRC 设计规则检查和 LVS 结果、时序签核、功耗分析)给每个智能体提供结构化的奖励信号,而不需要专家设计版图的标注样例。这降低了数据依赖,而数据依赖一直限制着监督学习方法在芯片设计中的应用,因为大多数高质量商业版图数据都归创建它们的公司所有。
CDK 这类智能体能否进一步向设计栈上游延伸,进入原理图输入、电路尺寸设计,乃至架构探索,将决定 NovaSilicon 所描绘的「无设计」模式能覆盖多大范围。目前,公司公开发布的结果集中在版图和布图规划阶段,这些阶段已有基准框架可以客观衡量进展。



