芯华章发布“证据闭环”框架，推动AI Agent在芯片验证中的可信落地
在DVCon China 2026会议上，芯华章首席科学家徐强教授发表了题为《从生成到信任：芯片验证智能体的证据闭环》的主旨演讲。这是徐强教授加入芯华章后首次公开亮相。
徐强教授提出，AI Agent真正融入芯片验证流程的核心在于，能否将生成的内容转化为可审计、可追溯、可复核、可治理的工程证据，而非仅仅依赖于生成的代码片段、测试用例或断言。
随着生成式AI与智能体技术加速渗透芯片研发领域，电子设计自动化（EDA）行业正在从传统工具自动化，逐步迈向智能协同。
但芯片验证作为对可靠性要求极高的工程场景，生成能力并不能直接等同于可信能力。未经验证的输出可能引发错误假设、误导覆盖率分析，甚至掩盖设计缺陷。
在这一背景下，如何将AI的“生成力”真正转化为芯片验证流程所接受的“可信生产力”，成为AI Agent在EDA领域落地的关键。
徐强教授指出，AI Agent的价值不在于替代工程师做出判断，而在于帮助他们更高效地构建、审查与管理验证证据。他强调：模型并非事实的来源，证据才是。
填补AI概率性与验证确定性之间的鸿沟
徐强教授指出，芯片验证与一般的AI应用存在本质差异。大语言模型具有概率性、上下文依赖性和不确定性，而硬件验证则要求确定性、可重复性、语义精确性以及可追溯性。
这一矛盾决定了，验证智能体不能仅仅作为模型接口，而应成为连接验证意图、EDA引擎、证据库与治理机制的工程系统。
下一代验证智能体需要回答两个核心问题：
- 如何将AI的概率性输出，转化为具备可信依据的验证证据？
- 如何将自主生成的输出纳入可审计、可复核、可治理的工程流程？
构建可信验证智能体的“三大支柱”
围绕“从生成到信任”的理念，芯华章提出了可信验证智能体的三大支柱：验证语义映射、EDA引擎证据驱动推理、可治理控制平面。
验证语义映射——让智能体理解“要验证什么”
验证需求通常来源于规格文档、验证计划、RTL结构、接口协议和项目方法论，这些内容往往缺乏结构化和可执行性。
芯华章通过构建验证意图模型，将自然语言描述转化为结构化的验证目标，并与信号、事务、场景、断言、覆盖率目标及证据建立关联。
徐强教授指出，智能体提出的语义映射仅作为“候选假设”，需经过EDA工具验证或工程师确认后，才能进入可信流程。
例如，一个“valid信号在ready信号出现前必须保持有效”的简单描述，在实际验证中还需明确信号定义、接口边界、复位条件、时序假设和证据来源。
EDA引擎证据驱动推理——让工具为结论背书
在验证过程中，判断一个假设是否成立，不能仅依赖模型的判断，而应通过EDA工具验证其依据。
智能体提出的断言、约束、覆盖率解释或调试假设，必须经过仿真、形式验证或调试工具的校验，才能作为可信结论。
在该机制下，智能体不再依赖语言模型进行决策，而是调用EDA引擎，并将结果、波形、覆盖率、证明条件和审批记录存入证据库，确保关键内容具备可追溯性和可复核性。
徐强教授指出：“没有验证语义，就没有有用的智能；没有工具证据，就没有信任；没有治理机制，就没有可接受的自治。”
可治理控制平面——让智能体在边界内自主
随着AI Agent参与验证流程，其行为不仅需要具备智能性，也必须有清晰的边界。
芯华章认为，治理不是一句提示词，而是一整套控制机制。例如，智能体可在权限范围内自动生成断言、调用仿真或读取覆盖率报告；但对于修改验证目标、调整关键假设或影响签核状态等操作，则需触发审批和审计流程。
通过策略管理、权限控制、风险分类、人工审批和证据留存，验证智能体在自主的同时，也始终运行在明确的工程边界内。
EDA原生能力是可信验证智能体落地的关键
徐强教授强调，AI Agent若想真正进入验证签核流程，必须与EDA引擎、验证方法论和工程师判断紧密结合。
虽然通用大模型能够提供生成和推理能力，但工业级验证智能体还必须具备与仿真、形式验证、调试和覆盖率等工具的深度集成。
芯华章在数字验证领域的长期积累，为其构建以证据闭环为核心的验证智能体提供了坚实基础。其仿真、形式验证、硬件加速和验证管理能力，使智能体能够与实际验证流程深度协同。
早期内部试点展现工程落地潜力
芯华章已在部分内部组件级项目中开展验证智能体的试点。
试点结果显示，在工具验证与人工复核机制的支持下，Formal Agent与Simulator/Debug Agent在协议合规、调度策略、覆盖率收敛和故障定位等方面取得了显著效率提升。
- Formal Agent在AXI4-Lite Bridge协议合规、Memory Scheduler调度策略等任务上，实现效率提升超过10倍，证明核心覆盖率超过95%。
- Simulator/Debug Agent在多个SoC模块和缺陷实例中展现出良好的调试与覆盖率收敛能力。
这些成果表明：基于EDA引擎、围绕证据闭环、以工程师为治理节点的智能体架构，具有良好的工程应用前景。
验证工程师角色将被放大，而非取代
徐强教授指出，AI Agent的引入并不会削弱验证工程师的作用，反而会使其角色更加关键。
随着AI承担更多生成与执行任务，工程师将更专注于验证目标定义、风险评估、治理策略制定和关键证据的最终审批。
他表示：“未来工程师将成为验证智能体团队的治理者、验证意图的引导者和证据质量的裁决者。”
在这一新模式下，验证工程师将从大量重复性任务中释放出来，转向更高阶的工程判断与质量管理。
AI Agent则作为一组可治理、可审计的“数字化验证助手”，协助工程师完成更复杂、更高覆盖度的验证任务。
这一理念与芯华章提出的EDA 2.0愿景高度一致。芯华章将持续推动开放标准化、智能化自动化、平台化服务化的技术路线，将AI Agent、EDA原生引擎与证据闭环深度融合，推动芯片验证流程从工具驱动走向证据驱动，从局部自动化迈向可信智能协同。
芯华章将不断深耕可信验证智能，助力芯片企业提升研发效率，同时保障验证质量、工程可控性与签核可信度。
来源：芯华章科技