晶片設計 AI 代理由誰販售:以 build vs buy 解讀 Agentic EDA 市場地圖

🆓 免費文章 · 任何人都可以免費閱讀

Agentic EDA 系列 Part 4。Part 1~3 探討了代理如何改變晶片設計。本篇跟著錢的流向走:誰在做代理、誰在買,以及什麼會成為護城河。

核心摘要

• 晶片設計代理市場正固化為混合(hybrid)模式。連超大規模雲端業者都不自己打造代理平台,而是向 EDA 廠商購買。只把架構與自家設計資料留在 in-house。
• 市場規模估計(請注意為分析師估計):AI-EDA 整體從 2026 年約 $4.3B 成長到 2032 年 $15.9B(年均成長 24.4%,MarketsandMarkets,2026 年 9 月),其中 agentic AI-EDA 從 2026 年 $0.62B 成長到 2032 年 $4.92B(年均成長 41.2%,MobilityForesights)。
• 收費模式正在改變。從授權銷售,經過 subscription/consumption,如今走向成果連動型。2026 年 9 月 30 日發表的 Synopsys-OpenAI 合約(GPT-Synopsys)就是先例:衡量模型把晶片設計改善了多少,再據此分潤 revenue。
• 代理的護城河不是基礎模型。(1) 以 EDA verifier 運轉的 RL 資料飛輪,(2) 真正驅動工具的整合深度與晶圓代工認證,(3) PDK 與製程資料的存取權。
• 隱藏的瓶頸是授權。代理平行跑探索時,EDA 授權的消耗也會倍增。對廠商是 upside,對導入企業則成為成本方程式。

市場規模:把兩個數字分開看

談 agentic EDA 市場時,有兩個數字混在一起流傳。一個是 AI-EDA 整體,另一個是只切出其中代理型工作流程的部分。

依 MarketsandMarkets 2026 年 9 月 8 日的新聞稿,AI-EDA 市場整體從 2026 年 $4.27B 成長到 2032 年 $15.85B,年均成長率(CAGR)估計為 24.4%。MobilityForesights 再往前一步,單獨計算了agentic AI-EDA:2026 年 $620M 到 2032 年 $4.92B,CAGR 41.2%。細部數字也很有意思:verification 與 debug 代理約佔整體價值的 26%,原因是工程工時最集中、最重複的區段正是 verification。^[1]

1. 此為分析師估計。各調查機構定義不同,數字落差很大。應該讀方向性(高成長),不要讀絕對值。 ↩︎

比數字本身更重要的是,這個市場的成長率大幅超越 EDA 整體的成長率。傳統 EDA 市場停留在高個位數到 10% 出頭的成長,AI-EDA 是 24%,agentic 則是 41%。錢往哪裡流,一目了然。

收費模式的變化:從授權到成果連動

EDA 的收費原本很單純:賣工具授權,再附上維護。下一階段是 subscription 與 consumption 式收費。

2026 年 9 月 30 日,第三階段的先例出現了。Synopsys 與 OpenAI 發表了名為 GPT-Synopsys 的多年合約。依路透社報導,結構如下:OpenAI 支付 training subscription fee,作為以 Synopsys EDA 工具訓練模型的代價;而當 Synopsys 客戶實際使用這個產品時,衡量模型把晶片設計改善了多少,兩家公司再據此分潤 revenue。

這份合約重要有兩個原因。第一,EDA 廠商開始把價格與成果連動。第二,Ghazi 執行長在同一次訪談中強調的護欄(guardrail):模型的產出會由傳統 signoff 工具 double-check。意思是,無論代理變得多聰明,最終驗證的權威仍留在既有工具上——這也正好顯示 EDA 廠商的護城河在哪裡。

收費模式的演進整理如下。

若第 3 代模式擴散,市場規模估計本身就會改變。因為若代理能把設計成本砍掉數千萬美元,從那個價值中抽取一定比例的收費,可能遠大於授權銷售。

Build vs buy:證據指向混合模式

對「每家半導體公司都會各自打造代理嗎」這個問題,以 2026 年 10 月目前的證據來看,答案是不會。精確地說,是混合模式:晶片自己設計,代理平台買來用。

• OpenAI:自家晶片(Jalapeño)以 in-house 設計,代理層則透過與 Synopsys 的 GPT-Synopsys 合約取得。
• NVIDIA:GPU 自己設計,但在公司內部導入了 Cadence 的 ChipStack 代理使用。
• Intel:已簽約成為 Cadence 代理的客戶。
• Samsung、NVIDIA、Intel:三家公司都包含在 Synopsys AgentEngineer 約 50 個客戶 engagement 之中。

也就是說,連全世界設計最多晶片的公司都在「採購」代理。自己打造的領域,是架構定義、自家設計資料這類資料與 know-how 本身即競爭力的部分。

中小型無廠半導體公司的選擇更明確。代表案例是 ChipAgents。這是 2024 年成立於 Santa Clara 的新創,打造在工程師的程式碼編輯器內運作的自主代理。2026 年 7 月 29 日,其累計 Series A 達到 $134M。投資人名單是關鍵:B Capital 領投,Micron、MediaTek、Ericsson 以策略投資人身分加入。而這些公司同時也是客戶。^[1]

連 MediaTek 這樣的大型無廠半導體公司都選擇「邊投資邊使用」,意味深長:這代表算盤打下來,比自己做更快、更便宜。

依規模的策略地圖:誰會做什麼

超大規模業者與大型科技公司(OpenAI、NVIDIA、Google、Meta、Amazon、Microsoft)
擁有自家矽晶組織,架構自己定義。但代理平台向 EDA 廠商採購。把錢花在以自家設計資料做 domain adaptation,或只花在資料本身即護城河的領域。

大型無廠半導體公司(Broadcom、Marvell、MediaTek 級)
擁有強大的內部 CAD 組織。對他們合理的選擇是,在 EDA 廠商的代理平台之上疊加自家客製化層。從基礎模型開始自行訓練的誘因較弱。

中小型無廠半導體公司與新創
直接買來用。代理對他們反而是機會:以前需要數十人後端團隊才能做的事,現在少數人就能完成,晶片新創的進入門檻因此降低。不過,對代理平台的依賴越深,廠商 lock-in 也越嚴重。

1. Business Wire, "ChipAgents Expands Series A Funding to $134 Million", 2026-07-29. ↩︎

總結來說,「打造」代理的公司是 EDA 廠商、少數基礎模型實驗室,以及將被收購的新創。其餘所有晶片公司都在「購買」這一側。這與雲端運算的格局完全相同:沒有公司自己蓋 AWS、大家都租用;在 agentic EDA 中,EDA 廠商佔據的正是基礎設施的位置。

代理堆疊的護城河:不是基礎模型

對「各代理之間會出現效能差距嗎」這個問題,答案是「會」。不過差距的來源不是基礎模型。前沿模型會快速被拉平。真正的護城河在堆疊的其他層次。

護城河 1:以 EDA verifier 為基礎的 RL 資料飛輪
讓代理變聰明的不是提示,而是把 EDA 工具當作 verifier 來跑的強化學習。代表案例是 NVIDIA 的 NeMo Gym。這是把確定性 EDA 工具的結果當作 verifier 來訓練代理的基礎設施,以約 120 萬次環境 rollout 對模型做 post-training。核心在飛輪:用代理跑的設計越多,累積的成功/失敗軌跡就越多,代理就以這些資料變得更聰明。這是後進者最難追趕的護城河。

護城河 2:真正驅動工具的整合深度 + 晶圓代工認證
代理最終只能透過引擎接觸世界。誰擁有 signoff 引擎,誰就擁有代理的裁判。再加上晶圓代工認證:沒有像 TSMC A14 這類先進製程的認證流程,代理再好也用不到量產設計上。

📩 在持續關注這個主題嗎？

財報·報告·HBM供需的後續分析，每天10:30（KST）寄到您的信箱。 免費訂閱 →

護城河 3:PDK 與製程資料的存取權
晶圓代工 PDK 是業界最敏感的 IP 之一。EDA 廠商擁有與代工廠數十年 co-optimization 的關係資產。這是新創或大型科技公司無法在一夕之間複製的部分。

從上往下看這個三層結構,基礎模型會成為最底層的 commodity 層次。就像 F1,引擎大家都差不多,勝負在底盤與空氣力學上分出。

隱藏的瓶頸:授權乘以運算

討論代理導入時,有一個不太被提及的成本方程式。代理執行 EDA 工具的頻率遠高於人類。代理平行跑 10 個 PPA 探索,就需要 10 份授權。Token 成本也不容小覷。

其意涵有二。第一,代理的 ROI 計算必須納入授權增量成本。只看「工程工時節省」就導入,可能會踩到授權地雷。第二,這個瓶頸反而強化了廠商的護城河,因為握有授權的一方能設計收費方式。

供應商三方角力與 2026-2030 藍圖

1. EDA 既有強者:Synopsys、Cadence、Siemens
武器是上述三層護城河的全部。Synopsys 以 AgentEngineer(目標 2026 年底 GA)與 Autopilot,以及 GPT-Synopsys 前進。Cadence 從收購 ChipStack → AI Super Agent(2026 年 2 月)→「Level-5」(2026 年 6 月)推進。Siemens 以 Fuse 與「self-verifying」做差異化。

2. 基礎模型實驗室:OpenAI、NVIDIA、Anthropic
武器是前沿推理能力、agentic RL 與運算規模。他們不直接賣 EDA 工具,而是供應智慧層。

3. 新創:ChipAgents、VerifAIX 等
武器是速度與編輯器原生 UX。他們的出口大多是被收購。ChipStack 被 Cadence 收購就是範本。

2026 年到 2030 年的藍圖:

• 2026 年:試點與 early access 之年。agentic 產品尚未產生營收。
• 2027 年:第一批 GA 產品與第一筆營收。若 AgentEngineer GA(目標 2026 年底)實現,2027 年就是元年。
• 2028~2030 年:consumption 收費的 multi-agent 流程涵蓋從 RTL 到 signoff,人類停留在 intent 定義與審查層次。

筆者評論:對韓國無廠半導體公司的意涵

把這張地圖套到韓國半導體生態系,啟示很清楚。三星電子、SK 海力士這類 IDM 處於與超大規模業者相近的位置。問題在中小型無廠半導體公司與設計服務公司。對他們而言,代理是雙面刃:一方面是能以少數人力做大晶片的機會,另一方面是對 EDA 廠商依賴加深的風險。

這裡重要的是資料策略。代理時代的競爭力最終來自自家設計資料。在使用代理時,自家資料是被用來轉動廠商的飛輪,還是留在自家之內,將成為合約的核心爭點。GPT-Synopsys 合約中納入「不使用客戶設計資料進行訓練」的條款,並非偶然。

導入代理前的檢查清單

1. 什麼變快了。 對「Verification 縮短 4 倍」這類主張,確認縮短的是工程工時還是 wall-clock time,以及是在什麼區塊規模下的數字。

2. 包含授權增量的總成本。 務必衡量代理會多跑幾倍的 EDA 工具,以及相應的授權追加成本是多少。

3. 資料條款。 在合約中確認自家的 RTL 與設計資料是否被用於模型訓練。也要看是否有 on-premise 部署選項。

4. Ground truth 的位置。 確認代理的產出以什麼驗證。是否為以 signoff 工具 double-check 的結構,決定了可信度。

5. 退場機制。 看為代理客製化的工作流程是否被特定廠商綁住。代理時代的 lock-in 來自工作流程,而非授權。

FAQ

Q1. 中小型無廠半導體公司有自行開發代理比較有利的情況嗎?
幾乎沒有。賣晶片的公司應該買。唯一的例外,是代理本身就是產品的新創。

Q2. 代理的效能差距真的會拉開嗎?
會。不過拉開差距的不是基礎 LLM,而是 verifier 資料飛輪、工具整合深度與晶圓代工認證。

Q3. Outcome-based 收費對 EDA 客戶有利嗎?
有兩面性。沒成果就少付錢,風險降低。但長期來看可能比買授權更貴。合約中「衡量」的定義將成為關鍵。

Q4. 可以使用新創的代理嗎?
視用途而定。在編輯器內快速生成 RTL 這類領域,新創產品往往更俐落。但在需要 signoff 與晶圓代工認證的量產區段,EDA 廠商的代理不可或缺。

Q5. 2026 年的現在就應該導入代理嗎?
試點現在就做,全面導入則等看過 2027 年的 GA 產品再判斷,較為合理。

Q6. 韓國設計服務公司現在立刻能做什麼?
兩件事。第一,盤點自家設計資料。第二,在一個小區塊上跑代理試點。參與廠商的 early access 計畫是最便宜的學習方式。

Sources

• MarketsandMarkets 新聞稿(GlobeNewswire,2026-09-08):AI EDA 市場 $4.27B(2026)→ $15.85B(2032),CAGR 24.4%。
• MobilityForesights,"Agentic AI in EDA Market"(2026 年確認):$620M(2026)→ $4.92B(2032),CAGR 41.2%。
• Reuters(Stephen Nellis,2026-09-30):Synopsys-OpenAI GPT-Synopsys 合約。
• Futurum Group(2026-09-30 投資人日分析):EDA 轉向 royalty、revenue-share。
• Business Wire(2026-07-29):ChipAgents Series A $134M。
• Cadence businesswire(2026-06-01):收購 ChipStack 與 Level-5 虛擬工程師。
• ChosunBiz(2026-10-02):Synopsys AgentEngineer 發表。
• Embedded.com(2026-02):Cadence ChipStack AI Super Agent 上市。

相關文章

• Agentic EDA(3):切分得越細就越聰明——階層式 AI 晶片設計研究的最前線
• Agentic EDA 2026:Synopsys、Cadence、Siemens 三家公司的晶片設計代理策略比較
• 一人晶片時代來臨:AI 代理如何改變半導體工程師的工作與生存策略
• AI 設計 AI 晶片:OpenAI、Anthropic、Tesla 跨入矽晶的真正原因

📩 今天錯過的分析，明天早上寄到您的信箱

每天10:30（KST）Daily Silicon與財報·機構報告核心解讀搶先送達。訂閱後可選擇韓語/英語/日語新聞通訊，中文深度分析每日在網站更新。

免費訂閱 →

免費 · 無垃圾郵件 · 隨時退訂