EDA（电子设计自动化）是被智能体改造得相当早、也相当深的垂直领域。Synopsys 9 月 28 日把 AgentEngineer 解决方案组合与配套的 Autopilot 平台一起端出来，意图很明确：把自主智能体从「替单个设计任务打辅助」，推向「能规划并执行更长工程流程」的自主工程。它覆盖验证、系统验证、实现、模拟与混合信号设计、制造，以及仿真与分析六大领域，已有五十多个客户合作项目在推进，计划 2026 年底正式可用。
架构上，Synopsys 把自主工程拆成三层。顶层是长程 AgentEngineer，被定位成「面向特定领域的超智能体」，负责编排跨阶段的工程目标；中间是任务智能体，处理边界明确的具体作业，比如覆盖率闭合、软件 bring-up、多芯粒 3D 组装、PPA 闭合、模拟布局迁移、掩模合成等；底层是 EDA 与仿真引擎，真正执行，但不设目标、不做决策。Autopilot 横贯其间，提供编排、持久记忆、可复用技能、遥测、治理与安全能力，把智能体接到 Synopsys 自家的引擎上。所谓长程，指的是目标复杂度——一个目标可能要走数百到数千个推理步，而不是某个动作跑几个小时。
官方给出的数字相当亮眼：验证闭合最高提速五十倍、覆盖率提升两成、生产率提升最高三成、token 效率提升两倍。但这些数字要会读：它们来自不同客户、不同负载，并非跨 EDA 项目的统一基准；其中五十倍与两成这两项，早在 7 月与 NVIDIA 的验证工作里就披露过，不是本轮新增。更稳妥的读法，是把它看作「在特定工程负载下，长程编排 + 持久记忆 + 治理」能带来的收益区间，而非通用跑分。
Synopsys 强调的几家合作方值得看：NVIDIA 提供加速计算、模型与安全运行时；TSMC 在先进设计流程上做智能体化；Samsung 把技术用在内存开发；MediaTek 做模拟与混合信号；Fujitsu 报告 RTL 代码生成生产率提升一成到三成；Intel 在评估智能体化验证调试。部署形态也灵活：Synopsys Cloud、客户自有云或本地都能跑，并支持客户自带模型、数据、基础设施——这对把 RTL、物理实现、工艺与验证结果这类高度敏感资产交给自动流程的企业，是关键的安全前提。
自主执行并不等于去掉人。Synopsys 把自身对自主性的定位放在自研分级的第五级，同时保留人工审批检查点；智能体可以朝时序、功耗或覆盖目标迭代，但半导体开发里彼此竞争的目标（改一个物理指标可能牵动功耗、可靠性、测试覆盖、封装或软件假设）意味着目标与边界仍要人去定义。治理决定哪些决策留在人工复核——这一点在芯片这种要签核交付的领域尤其要紧。
对半导体与系统厂商，这套打法的参考价值在于：长程智能体不是替人写几行代码，而是接管「工具之间怎么串、失败怎么判、下一步怎么选」这类 supervisory loop——那恰恰是工程里最耗资深人力、也最怕出错的一段。Synopsys 的切入点是它手里本就有 EDA 与仿真的真值引擎，智能体只是在这层引擎之上做编排与决策；这提醒后来者，没有自有引擎与领域真值，单凭通用大模型很难在如此高 stakes 的现场站住。
对行业而言，Synopsys 的价值不在「又一个 coding 智能体」，而在把长程智能体放进了一个容错极低、却收益极高的真实工程场景里试水。EDA 几十年的计算自动化，让工具替代了大量人工计算；长程智能体想替代的，是「工具之间怎么串、失败怎么判、下一步怎么选」这类 supervisory loop。它顺带也给所有想上长程智能体的团队提了个醒：持久记忆和治理不是锦上添花，而是长程任务能不能被复现、被审计、最终被签核的底线。