חברת קיידנס (Cadence) (נאסד״ק: CDNS) הכריזה על השקת ChipStack AI Super Agent, שאותו היא מציגה כארכיטקטורת agentic workflow ראשונה מסוגה לאוטומציה של תכנון ואימות שבבים בצד הלקוח (Front-End). לפי החברה, המערכת מספקת שיפור תפוקה של עד פי 10 במשימות כמו כתיבת קוד תכנון (RTL) וסביבות בדיקה (testbenches), יצירת תוכניות בדיקה, תכנון והרצה של רגרסיות, דיבוג ואף תיקון בעיות אוטומטי.

המהלך מגיע על רקע עומס הולך וגובר על צוותי פיתוח שבבים: קיידנס ציינה שהמערכת נועדה להתמודד עם “המורכבות והקנה־מידה” של שבבים מודרניים, ובדיווח נפרד הוזכר כי צוותים עשויים להשקיע עד כ־70% מזמנם בכתיבה ובבדיקה של קוד תכנון/אימות.

מה הוכרז

לפי קיידנס, ChipStack AI Super Agent פועל כ”שכבת תזמור” שמפעילה מספר סוכני-AI (“מהנדסים וירטואליים”) על גבי כלי ה-EDA של החברה. הוא משתלב ביכולות AI קיימות של קיידנס, שלדבריה שימשו ביותר מ־1,000 תהליכי tapeout עד היום, כולל פלטפורמת האימות Verisium, כלי האופטימיזציה Cerebrus®, ופלטפורמת הנתונים וה-AI JedAI.

אנירוד דבגאן, נשיא ומנכ״ל קיידנס, מסר כי מדובר ביישום ישיר של בינה מלאכותית אג׳נטית בזרימות העבודה של הלקוחות, כדי לשחרר מהנדסים בכירים מעבודות חוזרות ולאפשר להם להתמקד בחדשנות.

איך זה עובד בפועל

בדפי המוצר של קיידנס מוסבר כי אחד המרכיבים המרכזיים הוא “Mental Model”: שכבת ידע שמרכזת מפרטים, נתוני תכנון וארטיפקטים של אימות לכדי “מקור אמת” עבור הסוכנים השונים. סביב המודל הזה פועלים סוכנים ייעודיים למשימות כמו אופטימיזציית RTL, אימות פורמלי (כולל יצירה של תכנית אימות ו-SVA), יצירה/שדרוג של סביבת UVM, בדיקות יחידה ב-SystemVerilog, דיבוג אוטונומי וניתוח סיבת שורש, ואף סוכן “Signoff” שמזהה בעיות מבניות ומציע תיקונים.

קיידנס מציגה את המערכת כחלק מגישת Intelligent System Design, שמשלבת תזמור AI, סימולציה מבוססת-עקרונות ומחשוב מואץ.

פריסה ראשונית ותמיכה במודלים

החברה מסרה שהפתרון נמצא כבר בשלבי הטמעה מוקדמים אצל שחקנים מרכזיים, ובהם Altera, NVIDIA, Qualcomm ו-Tenstorrent. קיידנס כללה בהודעה גם ציטוטים של לקוחות: באלטֶרה ציינו צמצום משמעותי של מאמץ אימות, בחלק מהתחומים “בערך פי 10”; בטנסטורנט דווח על קיצור זמן אימות של עד פי 4 בהערכה שנמשכה שלושה חודשים על כמה בלוקים קריטיים.

מבחינת מודלים, קיידנס מציינת תמיכה גמישה גם בענן וגם בסביבה מקומית (On-Prem), כולל NVIDIA Nemotron (ביחד עם התאמה באמצעות NVIDIA NeMo) וכן מודלים בענן כגון OpenAI GPT. בנוסף, לפי קיידנס המוצר זמין כעת במסלול Early Access.ל

הפוסט קיידנס משיקה את ChipStack: סוכן AI לתכנון ואימות שבבים ומבטיחה עד פי 10 תפוקה הופיע לראשונה ב-Chiportal.

קיידנס (Cadence) הכריזה על אקוסיסטם חדש בשם Chiplet Spec-to-Packaged Parts – תהליך עבודה שמתחיל במפרט ומסתיים ב״חלקים ארוזים״ של צ׳יפלטים, במטרה לצמצם מורכבות הנדסית ולהאיץ זמן הגעה לשוק עבור לקוחות שמפתחים מערכות מבוססות צ׳יפלטים ליישומי בינה מלאכותית פיזית, מרכזי נתונים וחישוב עתיר־ביצועים (HPC). לפי החברה, האקוסיסטם מתבסס על שילוב של תכנון SoC, אוטומציה מונחת־מפרט, סטנדרטים לקישוריות die-to-die ומערך שותפים שיספקו רכיבי IP “מאומתים מראש” כדי להקטין סיכון בפרויקטים מורכבים.

בין שותפי ה-IP הראשונים שנכללים באקוסיסטם מציינת קיידנס את Arm, Arteris, eMemory, M31 Technology, Silicon Creations ו-Trilinear Technologies, לצד שותפת אנליזת הסיליקון proteanTecs. המיקוד הוא לא רק בכלי תכנון, אלא גם ביכולת “לחבר” צ׳יפלטים ממקורות שונים לארכיטקטורה אחת, תוך שמירה על תאימות תקנים והבטחת יכולת פעולה הדדית (interoperability).

למה צ׳יפלטים הפכו למילת מפתח ב-AI וב-HPC

במקום שבב יחיד עצום, ארכיטקטורות Multi-die וצ׳יפלטים מחלקות מערכת לשבבים קטנים יותר – למשל חישוב, קישוריות I/O, זיכרון או מאיצים ייעודיים – שמרכיבים יחד במארז מתקדם. השיטה הזו אמורה לאפשר גמישות בתכנון, שדרוג רכיבים בלי לתכנן הכול מחדש, ולעיתים גם שיפור בתפוקה (yield) ובהיבטי עלות, במיוחד כשמורכבות התהליך והמסכות עולה.

בהודעה נמסר כי דיוויד גלסקו (David Glasco), סגן נשיא בקבוצת הפתרונות החישוביים בקיידנס, הגדיר את המהלך כנקודת ציון בדרך שבה התעשייה בונה מערכות: “ארכיטקטורות Multi-die וארכיטקטורות מבוססות צ׳יפלט הופכות להיות יותר ויותר קריטיות… עם העלייה במורכבות תהליכי הפיתוח”, וציין שהרעיון הוא לספק ללקוחות נתיב אימוץ “בסיכון נמוך” באמצעות IP משולב ומאומת מראש בתוך אקוסיסטם שותפים.

אב־טיפוס סיליקון עם Samsung Foundry ותת־מערכת Arm Zena

כדי להפוך את ההבטחה לפרקטיקה, קיידנס הודיעה על שיתוף פעולה עם Samsung Foundry לייצור הדגמת אב־טיפוס מבוסס סיליקון של פלטפורמת Physical AI chiplet® של החברה. לפי ההודעה, ההדגמה תשלב מראש רכיבי IP של שותפים ותיבנה בתהליך SF5A של Samsung Foundry.

במקביל, קיידנס ו-Arm מרחיבות שיתוף פעולה ותשלבנה את תת־המערכת Arm® Zena Compute Subsystem (CSS) ונכסי IP נוספים כדי לחזק את פלטפורמת הצ׳יפלט ואת ה-Chiplet Framework. בחברה מציגים את Zena CSS כרכיב שיכול להתאים במיוחד לדרישות של edge AI “תובעני” – כלי רכב, רובוטיקה ורחפנים – שבהם ביצועים, יעילות אנרגטית ואמינות הם תנאי סף, ולא בונוס.

בהודעה מצוטט סוראז׳ גז׳נדרה (Suraj Gajendra), סגן נשיא מוצרים ופתרונות ביחידת “בינה מלאכותית פיזית” ב-Arm, שאמר כי העלייה בדרישות החישוביות ברכב וברובוטיקה מחייבת פתרונות סקלביליים עם יעילות גבוהה ואבטחה פונקציונלית כבר משלב התכנון, וכי שילוב Zena CSS בפלטפורמת קיידנס נועד “להאיץ את אימוץ הצ׳יפלט” ולהפחית את מורכבות הפיתוח.

גם סמסונג הדגישה את הזווית התעשייתית: טאיז׳ונג סונג (Taejoong Song), סגן נשיא לתכנון טכנולוגיית פאונדרי ב-Samsung Electronics, אמר כי השותפות אמורה “להמחיש” את המיצוב של SF5A ולסייע ללקוחות לבנות נתיבים אמינים לפתרונות סיליקון חדשניים ליישומי בינה מלאכותית פיזיים, כולל תכנון מתקדם לעולם הרכב.

סטנדרטים וכלי EDA: החיבור בין תכנון, אימות ואריזה

קיידנס מציגה את האקוסיסטם כתהליך end-to-end שמחבר בין אוטומציה מונחת־מפרט לבין זרימת EDA מלאה: סימולציה עם Xcelium Logic Simulation, אמולציה עם Palladium® Z3 Enterprise Emulation Platform, ותכנון פיזי עם משוב בזמן אמת שמכוון את שלבי ה-place-and-route כדי לקצר סבבי איטרציה.

במישור התקינה והקישוריות, ההודעה מדגישה תאימות לגישות מערכתיות של Arm ולכיוון עתידי של OCP Foundational Chiplet System, לצד שימוש ב-UCIe (Universal Chiplet Interconnect Express) של קיידנס לקישוריות die-to-die לפי תקן תעשייתי. במקביל מצוין “פורטפוליו פרוטוקולים” שמיועד להאיץ אינטגרציה של ממשקים מתקדמים, בהם LPDDR6/5X, DDR5-MRDIMM, PCI Express 7.0 ו-HBM4.

בשורה התחתונה, המסר של קיידנס הוא שהאתגר בצ׳יפלטים כבר לא רק “להנדס את החתיכות”, אלא לנהל אקוסיסטם שלם: לבחור IP, לוודא תאימות תקנים, לאמת בזמן סביר, ולהגיע לאריזה מתקדמת בלי ליפול על תקלות אינטגרציה בשלב מאוחר. אם המודל של “ממפרט עד אריזה” אכן יצליח להפוך חלק גדול מההחלטות והבדיקות לנתיב מוגדר מראש – הוא יכול לקצר פרויקטים ולהקטין אי־ודאות, בעיקר בשוק שבו חלונות הזדמנות ב-AI וב-HPC מתקצרים.

הפוסט המרוץ לשבבי בינה מלאכותית: קיידנס מציגה אקוסיסטם צ׳יפלטים “ממפרט ועד אריזה” עם סמסונג Foundry ו-Arm הופיע לראשונה ב-Chiportal.

כבר בחודש נובמבר החולף הודיעה חברת סינופסיס (Synopsys) כי תפטר כ־10% מכוח האדם הגלובלי שלה — כ־2,000 עובדים כחלק מתוכנית ארגון מחדש שמטרתה להפנות השקעות ל“הזדמנויות צמיחה”. המהלך מגיע לאחר השלמת רכישת אנסיס (Ansys) בעסקת מזומן ומניות בהיקף של כ־35 מיליארד דולר, ולאחר שהחברה החמיצה בספטמבר את תחזיות האנליסטים להכנסות הרבעון השלישי.

בישראל העסיקה סינופסיס כ-180 איש בתמיכה בקהילת הEDA הגדולה כאן, וגם אנסיס העסיקה כמה עשרות עובדים. בשל המיזוג חלק מהתפקידים הפכו לכפולים. כתוצאה מכך פוטרו לאחרונה 3 אנשי מכירות ועוד 10 אנשי תמיכה טכנית בסינופסיס ישראל. הפיטורים לוו ברה-ארגון גדול באגף המכירות כמו גם באגף הטכני. בנוסף צפויים פיטורים נוספים ב 2026 ורה ארגון נוסף.

ברקע משפיעה האטה בפעילות בסין, על רקע מגבלות יצוא אמריקניות שפגעו בפתיחת פרויקטי תכנון חדשים שם ואתגרים אצל לקוח ייצור מרכזי; בתחילת יולי הוסרו מגבלות שהוטלו בסוף מאי על יצוא תוכנות תכנון שבבים לסין.

במקביל, רכישת אנסיס מחדדת נקודה ישראלית מהותית: בישראל יש קהילה פעילה של משתמשי סימולציה רב־תחומית (מכני, תרמי, אלקטרומגנטי, זרימה ועוד). אנסיס עצמה מקיימת אירוע ייעודי בשם Simulation World Israel (לשעבר Ansys Tech Day), שמכוון לקהל המקומי ומציג סיפורי הצלחה תעשייתיים. גם באקדמיה, למשל בטכניון, מתועדת נגישות ל“חבילת אנסיס” כמערך כלים ללימוד ולמחקר הנדסי.

סינופסיס מציגה את המיזוג כבסיס לאינטגרציה עמוקה בין עולמות ה־EDA (תכנון שבבים) לבין סימולציות פיזיקליות של מערכות, כולל שימוש ב־AI כדי להתמודד עם מורכבות הולכת וגוברת. באתר החברה לאחר סגירת העסקה מופיע ציטוט של המנכ״ל סאסין גאזי על הצורך ב“אינטגרציה עמוקה יותר של אלקטרוניקה ופיזיקה, משופרת ב־AI”. באותה רוח, פרסום מקצועי מציין שסינופסיס מצפה למסור סט ראשון של יכולות משולבות במחצית הראשונה של 2026, עם “מיזוג מולטיפיזיקס לאורך כל ערימת ה־EDA”.

בתחילת החודש נמסר כי אנבידיה השקיעה 2 מיליארד דולר בסינופסיס במסגרת שיתוף פעולה רב־שנתי לפיתוח כלים חדשים הממנפים יכולות AI לתהליכי תכנון, אימות וסימולציה. עבור ישראל — שבה אנבידיה היא שחקן מרכזי במו״פ שבבים ומערכות — זה מאותת שהציר “EDA+סימולציה+AI” הוא לא סיפור שולי, אלא יעד השקעה אסטרטגי.

הפוסט הפיטורים בסינופסיס הגיעו גם לישראל. לאחר רכישת Ansys צפויה לפטר בין 20 ל-25 עובדים! חלקם כבר פוטרו הופיע לראשונה ב-Chiportal.

בהרצאה טכנית שנשא נציג קיידנס במסגרת כנס 2025 TSMC Europe Open Innovation Platform (OIP) Ecosystem Forum, שהתקיים בשבוע שעבר באמסטרדם, הציגה החברה את דור זרימות התכנון החדש שלה לתהליך A16 של TSMC. לדבריו, כדי לעמוד בדרישות הביצועים, הצפיפות והאמינות של צמתי A16 ו-2 ננומטר, אין די בשיפור נקודתי של כלים – נדרש שילוב הדוק בין מיקום, ניתוב, אופטימיזציה, אנליזה תרמית ואימות פיזיקלי, כולל תמיכה מלאה במימוש הספק וקלוק בגב השבב (Backside) ובשימוש מערכתי ב-AI.

נקודת המוצא היא ספריות ה-Nanoflex של TSMC: תאי סטנדרט בגבהים שונים, מחלקות VT שונות ורמות שונות של צריכת הספק וביצועים. הגיוון הזה מעניק למתכננים גמישות רבה, אך מייצר אתגר גדול ל-EDA: אי אפשר עוד "לזרוק" תאים לרשת מיקום אחידה, מפני שלכל תא חוקים משלו, גובה ותתי-שילובים מותרים. ב-A16, הסביר נציג קיידנס, בחירת התא אינה רק שאלה של דרייב או דלף, אלא גם של חוקי מיקום – אחרת הצפיפות נפגעת בצורה משמעותית. ב-Innovus מנועי המיקום, הניתוב והאופטימיזציה משולבים כך שכל החלפת תא נעשית תוך מודעות למגבלות המיקום והניתוב המקומיות, וגם תעדיף לעיתים תא מעט גדול יותר אם ניתן ללגלז אותו באופן מקומי, כדי לשמור על פריסה צפופה וחוקית.

כדי להתמודד עם מורכבות חוקי התהליך, שילבה קיידנס עוזר בינה מלאכותית בתוך Innovus. מהנדס יכול לתאר בשפה טבעית, ברמה גבוהה, את רשת ההספק והקרקע שהוא מעוניין בה, וה-AI מייצר אוטומטית את קוד ה-Tcl וההגדרות המפורטות, בהתאם לכללי ה-PDK. כך ניתן להכניס רשתות הספק מורכבות בלי לשלוט בכל פרט של חוקי הגיאומטריה, ולהקטין את הסיכון לטעויות ידניות.

אחת ההשקעות הגדולות ל-A16 היא ב-Early Detailed Routing – ניתוב מפורט מוקדם. בעבר הסתפקו בגלובל רוטינג מהיר, אחריו חלוקת מסלולים לנתיבים ולבסוף ניתוב מפורט. בתהליכים המתקדמים, אמר הדובר, הדיוק של הניתוב המפורט נדרש כבר בשלבי האופטימיזציה הראשונים. קיידנס פיתחה מנוע ניתוב מפורט אינקרמנטלי מהיר במיוחד, המשולב כבר בשלב המוקדם, ו-TSMC מגדירה אותו כחלק ברירת המחדל ב-Reference Flow של A16. כך מקבלים מוקדם תמונה אמיתית של גישת פינים, צפיפות ניתוב וסיכוני צווארי בקבוק, ומפחיתים הפתעות בסוף הזרימה.

גם תחום האקסטרקציה עודכן. כלי האקסטרקציה Quantus, המשולב ב-Innovus, יודע לשלב בין מודל 2.5D מהיר המסוגל לחלץ פרזיטים למיליוני רשתות בשעה, לבין אקסטרקציה תלת-ממדית מדויקת לרשתות קריטיות כמו רשתות שעון או ממשקי DDR. אלגוריתמי למידת מכונה בוחרים אוטומטית אילו רשתות דורשות דיוק 3D ואילו יכולות להסתפק ב-2.5D, כדי לשמור על איזון בין דיוק לקצב ריצה – דבר שנעשה קריטי בצמתי A16.

ממד מרכזי נוסף הוא ניתוח תרמי. מנוע האנליזה התרמית Celsius מזין נתוני טמפרטורה ל-Quantus ולאמצעי ניתוח ההספק וה-IR של Voltus, וגם לכלי תזמון Tempus, כך שאקסטרקציה, IR-Drop וסטטיק טיימינג נעשים "מודעי טמפרטורה". מעבר לניתוח סגירה, אותם מנועים מחוברים גם ל-Innovus בזמן המימוש: כאשר מתגלה "Hot Spot" תרמי, מנוע המיקום יכול לפזר תאים, לשנות Floorplan או לרווח בלוקים פעילים במיוחד. כך התכנון הופך מתרמית-אנליטית בלבד לתרמית-אקטיבית – המטפלת בבעיות חום כבר במימוש, ולא רק בשלב הסופי.

על רקע מספרי הספריות, גובהי התאים וקומבינציות ה-Layer Stack בתהליך A16, עולה גם השאלה מהו השילוב האופטימלי לכל תכן. כאן נכנסת הבינה המלאכותית של Cerebrus: בגרסת הבלוק המערכת מריצה סדרות ניסויים אוטומטיים עם ספריות בגבהים שונים, Stackים שונים ויעדי PPA שונים, ומאתרת את השילוב המתאים לכל בלוק. ב-Cerebrus AI Studio, זרימת "סוכנים" היררכית, ה-AI מתכנן גם את ה-SoC כולו: סוכן לתכנון ראשוני ו-Floorplan עליון, סוכן ליישום הבלוקים וסוכן סגירה שעוסק ב-Timing Sign-off וב-ECO ברמת המערכת.

החידוש הדרמטי ביותר שתואר בהרצאה הוא זרימת המימוש בגב השבב (Backside Implementation) עם טכנולוגיית Super Power Rail. היום, רשתות ההספק העליונות ב-Frontside צריכות לרדת דרך "עמודי ויאס" עד לתאי הסטנדרט, מה שיוצר נפילות מתח והתנגשויות עם ניתוב האותות. בגישה החדשה, מסילות ההספק מועברות לשכבות ייעודיות בגב השבב, המזינות את התאים דרך המצע. כך ה-Frontside נשאר כמעט חופשי לאותות בלבד, הקונז’שן יורד ו-IR-Drop מצטמצם. TSMC מאפשרת גם העברת אותות שעון דרך גב השבב – למשל עצי H-Tree גלובליים – ולהתחבר קדימה לתאי Buffer מיוחדים בעלי פינים בשני הצדדים. רשתות אות ארוכות יכולות "לצלול" לגב השבב, לעבור מרחק רב בשכבות בעלות פרזיטים נמוכים ואז לחזור קדימה לנקודת היעד.

המעבר לזרימה תלת-ממדית אמיתית חייב לא רק מנוע ניתוב חדש ל-Backside, אלא גם עדכון בכל שרשרת האימות: אקסטרקציה, ניתוח IR, תזמון סטטי ואימות פיזיקלי. קיידנס ו-TSMC שיתפו פעולה כדי שזרימת ה-Super Power Rail ל-A16 תהיה מלאה ומוסמכת, וכיום ניתן לתכנן איתה באופן שוטף. בשלב הסופי נכנס לתמונה מנוע האימות הפיזיקלי Pegasus, הפועל במערך מבוזר על אלפי ליבות. הדובר הדגיש כי בתכן A16 אין מקום להמתין לסוף הזרימה כדי להפעיל כלי Sign-off: Pegasus In-Design מאפשר להכניס Fill, לבדוק חוקי מיקום ותשתיות הספק כבר בזמן המימוש, לזהות בעיות מוקדם ולחסוך סבבי ECO מאוחרים ויקרים.

לדבריו, כל הזרימה – מבחירת תאים דרך ניתוב מפורט מוקדם, ניתוח תרמי ועד מימוש גב-שבב – מוסמכת על ידי TSMC עבור תהליך A16 וזמינה כבר היום ללקוחות. המסר המרכזי למתכננים שיצאו מאולם ההרצאות באמסטרדם: בעידן A16 אי אפשר עוד להפריד בין מיקום, ניתוב, אופטימיזציה ואימות. יש צורך בזרימה משולבת, מונעת AI, שמטפלת בצפיפות, בהספק, בתזמון ובחום בו-זמנית – ובשני צדי הסיליקון.

הפוסט קיידנס הציגה בכנס TSMC באמסטרדם: זרימת תכנון חדשה ל-A16 עם הספק בגב השבב ו-AI מובנה הופיע לראשונה ב-Chiportal.

NVIDIA וסינופסיס הודיעו על שותפות אסטרטגית רב־שנתית שנועדה לשנות מהיסוד את עולם ההנדסה והתכנון – מהשבב הבודד ועד מערכות מורכבות במוליכים למחצה, תעופה, רכב, תעשייה ובריאות. במסגרת ההסכם תשלב סינופסיס את יכולות ה־AI והאצת החישוב של NVIDIA, ובהן CUDA והפלטפורמות לעיבוד פיזיקלי וסוכנים חכמים (agentic AI), בתוך סל פתרונות התכנון, הסימולציה והניתוח שלה. במקביל השקיעה NVIDIA סכום של 2 מיליארד דולר ברכישת מניות רגילות של סינופסיס במחיר של 414.79 דולר למניה.

החברות מציגות את המהלך כתשובה לעלייה המתמדת במורכבות תהליכי ה־R&D: יותר וריאנטים לעיצוב, יותר דרישות אימות, עלויות פיתוח ותפעול מזנקות ולחץ זמן אדיר להגיע לשוק. הרעיון הוא לרתום את כוח החישוב של GPU ואת ה־AI – כולל מודלים פיזיקליים מתקדמים – כדי לאפשר למהנדסים להריץ סימולציות מדויקות בהרבה, בקנה מידה ובמהירות שלא היו אפשריים בעבודה מבוססת CPU בלבד, וכך לתכנן מוצרים חכמים מהר יותר ובעלות נמוכה יותר.

ג’נסן הואנג, מייסד ומנכ״ל NVIDIA, אמר בהודעה כי חישוב מואץ מבוסס CUDA כבר משנה את עולם התכנון, ומאפשר לבצע סימולציות "מהאטומים ועד הטרנזיסטורים, מהשבב ועד מערכת שלמה", ולבנות בתוך המחשב "אחים דיגיטליים" (Digital Twins) של מוצרים ומערכות. לדבריו, השותפות עם סינופסיס נועדה “להמציא מחדש את ההנדסה והעיצוב” באמצעות שילוב AI וחישוב מואץ, ולהעניק למהנדסים את היכולת להעלות יותר רעיונות ולבחון אותם במהירות.

ססין גאזי, נשיא ומנכ״ל סינופסיס, הדגיש כי המורכבות והעלות של פיתוח מערכות חכמות דור הבא מחייבות פתרונות הנדסיים המשולבים לעומק בין אלקטרוניקה לפיזיקה, ומואצים באמצעות AI וחישוב עתיר ביצועים. "אין שתי חברות ממוקמות טוב יותר מסינופסיס ו־NVIDIA כדי לספק פתרונות תכנון מערכתיים, מונעי AI, מקצה לקצה", אמר, והוסיף כי השותפות נועדה "להנדס מחדש את ההנדסה" ולאפשר למפתחים לממש רעיונות במהירות וביעילות.

מבחינה טכנולוגית, השותפות כוללת כמה צירים מרכזיים. ראשית, האצה רחבה של יישומי סינופסיס באמצעות ספריות CUDA-X וטכנולוגיות AI פיזיקליות של NVIDIA. מדובר ביישומים עתירי חישוב כמו תכנון שבבים (EDA), וולידציה פיזיקלית, סימולציות מולקולריות, ניתוח אלקטרומגנטי, סימולציה אופטית ועוד – תחומים שבהם מעבר מ־CPU ל־GPU יכול לקצר מאוד זמני ריצה ולהגדיל את רזולוציית המודלים.

שנית, החברות ירחיבו את שיתוף הפעולה סביב agentic AI – סוכני AI אוטונומיים עבור תהליכי תכנון ואימות. סינופסיס תחבר את טכנולוגיית AgentEngineer שלה לערימת ה־agentic AI של NVIDIA, הכוללת את מיקרו־שירותי NIM, ערכת הפיתוח NeMo Agent Toolkit ומודלי Nemotron. המטרה היא לאפשר ל־AI לא רק “לייעץ” למהנדס, אלא לבצע בעצמו, באופן מבוקר, חלקים משמעותיים מזרימת ה־EDA והסימולציה: יצירת גרסאות עיצוב, הרצת ניתוחים, השוואת תוצאות והצעת אופטימיזציות.

ציר שלישי הוא חיבור העולם הפיזי והדיגיטלי באמצעות תאומים דיגיטליים. סינופסיס ו־NVIDIA ישתפו פעולה בהקמת דור חדש של סביבות תכנון, בדיקה ואימות המבוססות על NVIDIA Omniverse ועל NVIDIA Cosmos, כדי לאפשר דמויות וירטואליות מדויקות במיוחד של שבבים, רובוטים, מפעלים, כלי רכב, מערכות אנרגיה, מכשור רפואי ועוד. כך יוכלו מהנדסים לבחון התנהגות של מערכות מורכבות תחת מגוון רחב של תרחישים – עוד לפני הייצור או ההטמעה בפועל.

החברות מדגישות גם את ההיבט הענני: הכוונה היא להנגיש את פתרונות ההנדסה המואצת בענן, כך שגם צוותים קטנים או חברות ללא תשתית GPU מקומית יוכלו להשתמש באותם כלים. בנוסף יפתחו החברות יוזמות משותפות ליציאה לשוק – שילוב של מכירות, שיווק ותמיכה – כדי להגדיל את אימוץ הפתרונות בקרב צוותי הנדסה במגוון תעשיות. סינופסיס תשתמש ברשת הגלובלית שלה, המונה אלפי אנשי מכירות ושותפים, ותבנה על בסיס ההסכם הקיים לרישוי, מכירה ותמיכה בטכנולוגיית Omniverse המשולבת כבר היום בחלק מפתרונות הסימולציה שלה.

השותפות אינה בלעדית: שתי החברות מדגישות שהן ימשיכו לעבוד גם עם גורמים נוספים באקו־סיסטם של מוליכים למחצה ו־EDA. עם זאת, ההשקעה הכספית המפורשת של NVIDIA בסינופסיס וההיקף הטכנולוגי של התוכנית מציבים את הקשר הזה כאחד הצירים המרכזיים במאמץ "להאיץ את ההנדסה" בעידן ה־AI – ולפתוח, כפי שהן מנסחות זאת, הזדמנויות שוק חדשות במגוון רחב של תחומים.

הפוסט NVIDIA משקיעה 2 מיליארד דולר בסינופסיס: שותפות אסטרטגית להאצת ההנדסה בעזרת AI ותאומים דיגיטליים הופיע לראשונה ב-Chiportal.

השפעות מכניות קוונטיות ושונות:

• מינהור: בממדים זעירים כאלה, אלקטרונים יכולים "לעבור" דרך שכבות בידוד, גם כאשר אין נתיב פיזי. זה מוביל לדליפת זרם, צריכת חשמל מוגברת והתנהגות בלתי צפויה.
• שונות סטטיסטית: שינויים בייצור, אפילו ברמה האטומית, הופכים למשמעותיים ביותר. הבדלים קטנים בריכוזי חומרים ממכרים, אורכי שער או עובי תחמוצת יכולים להוביל לשינויים גדולים בביצועי הטרנזיסטור (מתח סף, זרם דליפה, מהירות), מה שמקשה על חיזוי ובקרה של התנהגות המעגל. זה משפיע על התפוקה והאמינות.
• כליאה קוונטית: התנהגות אלקטרונים נשלטת יותר ויותר על ידי השפעות קוונטיות, ומשנה את אופן פעולתם הבסיסית של התקנים.

צריכת חשמל ופיזור חום:

• הספק דליפה: כפי שצוין, אפקטים של מינהור ותופעות של ערוצים קצרים, מגדילים באופן דרמטי את ההספק הסטטי (דליפה), גם כאשר הטרנזיסטורים "כבויים". זה הופך למרכיב דומיננטי בהספק הכולל.
• הספק דינמי: בעוד שאנרגיית המיתוג לכל טרנזיסטור עשויה לרדת, הצפיפות העצומה של הטרנזיסטורים ותדרי שעון גבוהים יותר משמעותם צריכת חשמל דינמית עצומה.
• צפיפות חום: ריכוז מיליארדי טרנזיסטורים בשטח קטן מייצר חום עצום, מה שמוביל ל"נקודות חמות". זה דורש פתרונות קירור מהפכניים (למשל, קירור נוזלי, ערימה תלת-ממדית עם ערוצי קירור משובצים) כדי למנוע פגיעה בביצועים, בעיות אמינות ואפילו נזק לשבב. "וויסות תרמי" הופך לקרב מתמיד.

אתגרי ייצור וליתוגרפיה:

• מגבלות ליתוגרפיה אולטרה סגול קיצוניות (EUV): אפילו ה-EUV המתקדם ביותר (High-NA EUV) מתקשה לפתור תכונות בצורה אמינה ב-1.8 ננומטר. זה דורש שליטה מדויקת להפליא על אור, מסכות וחומרי התנגדות.
• פגמים: ככל שתכונות מצטמצמות, אפילו פגמים אטומיים בודדים יכולים להפוך את השבב ללא תפקודי. שליטה בצפיפות הפגמים הופכת קשה יותר באופן אקספוננציאלי, מה שמשפיע באופן משמעותי על תפוקת הייצור.
• עלות ייצור: כל דור חדש של ליתוגרפיה וצומת תהליך דורשים ציוד יקר מאוד (למשל, סורקי EUV בעלי רמת NA גבוהה עולים מאות מיליוני דולרים כל אחד) וחדרים נקיים מיוחדים ביותר. עלויות המחקר והפיתוח והייצור הופכות לאסטרונומיות, מה שהופך אותו לנתיב בר-קיימא עבור קומץ חברות ברחבי העולם.

אתגרי חיבור (חוטים):

• עיכוב התנגדות-קיבול (RC): ככל שחוטים הופכים דקים וארוכים יותר, ההתנגדות החשמלית שלהם עולה, והקיבול הטפילי בין חוטים סמוכים עולה. זה מוביל להתפשטות אות איטית יותר (עיכוב RC), צריכת חשמל מוגברת ומגבלות במהירויות השעון.
• הגירה אלקטרומגנטית: צפיפויות זרם גבוהות בחוטים זעירים עלולות לגרום לאטומים לנדוד לאורך זמן, מה שמוביל לנתקים או קצרים ולהפחתה משמעותית של חיי השבב.
• עימות בין-שיחות: אותות על חוט אחד יכולים לגרום לרעש על חוטים סמוכים, מה שמוביל לשגיאות.
• פתרונות: חומרים חדשים (למשל, רותניום במקום נחושת), פערי אוויר וארכיטקטורות חיבור מתקדמות נמצאים בבדיקה, אך הם מוסיפים מורכבות ועלות.

מורכבות ואימות תכנון:

• מספר עצום של טרנזיסטורים: שבבים יכילו מאות מיליארדי טרנזיסטורים, אם לא טריליוני טרנזיסטורים. ניהול מורכבות שכזו דורש כלי אוטומציה של תכנון אלקטרוני (EDA) מתקדמים ביותר.
• אימות: הבטחת תפקוד תקין של תכנון עם רכיבים רבים כל כך המקיימים אינטראקציה בכל תנאי ההפעלה ומקרי הפינה היא אתגר עצום. זמני סימולציה ואימות יכולים להיות ארוכים ביותר.
• אופטימיזציה משותפת של תכנון-טכנולוגיה (DTCO): יחסי הגומלין בין בחירות תכנון למגבלות תהליך הייצור הופכים להיות הדוקים הרבה יותר. מתכנני שבבים צריכים לעבוד יד ביד עם מהנדסי תהליכים כדי לייעל את הביצועים, ההספק והשטח תוך הקפדה על אילוצי הייצור.

כדאיות כלכלית:

• האטה בקנה מידה של עלות טרנזיסטור: מבחינה היסטורית, צמתים הצטמצמו הפחיתו משמעותית את העלות לטרנזיסטור. בצמתים מתקדמים כמו 1.8 ננומטר, יתרון קנה המידה הזה הולך ופוחת או אפילו מתהפך. עלות המחקר והפיתוח והייצור כה גבוהה עד כי המחיר לשבב יכול להישאר גבוה או אפילו לעלות, מה שמקשה על הצדקתו עבור כל היישומים.
• תשואה על ההשקעה: חברות צריכות לוודא ששיפורי הביצועים והפחתת צריכת החשמל בצמתים אלה מצדיקים את ההשקעה העצומה. רק מוצרים בנפח גבוה במיוחד (למשל, סמארטפונים פרימיום, מאיצי בינה מלאכותית מתקדמים) יכולים לשאת בעלויות אלה.
• מנגנוני הזדקנות: טרנזיסטורים בצמתים אלה רגישים יותר להשפעות הזדקנות שונות (למשל, חוסר יציבות בטמפרטורת הטיה – BTI, הזרקת נושא חם – HCI), מה שמוביל לירידה בביצועים לאורך חיי השבב.

הפוסט אתגרי תכנון שבבים ב – 1.8 ננומטר הופיע לראשונה ב-Chiportal.

ב-3 ביוני 2025 הודיעה ארצות הברית על הגבלות חדשות בתחום ייצוא תוכנות תכנון אלקטרוניות (EDA) לסין – צעד שעלול לשבש את תוכניותיהן של חברות טכנולוגיה סיניות רבות בעידן שבו תכנון שבבים עצמאי הוא חיוני לביטחון ולחדשנות.

על פי ה־Financial Times, ממשל ארה״ב אסר על חברות אמריקניות כמו Synopsys ו־Cadence להעניק רישיונות חדשים או תמיכה טכנית לשימוש בתוכנות שלהן לחברות סיניות שמפתחות שבבים מתקדמים. אמנם החברות הסיניות עדיין יוכלו להשתמש בגירסאות שכבר ברשותן, אך ייחסמו מגישה לעדכונים חיוניים ולתמיכה הנדסית – תנאי הכרחי לשמירה על תכנון שבבים ברמות של 3 ננומטר ומטה.

בין החברות שנפגעות ניתן למנות את שיאומי, שהשיקה לאחרונה את שבב הדגל XRing 01 המבוסס על תהליך 3 ננומטר של TSMC, את לנובו, וכן את Bitmain – יצרנית החומרה למטבעות דיגיטליים. כל אלה נשענות על תוכנות אמריקניות לצורך תכנון שבבים.

לפי הערכות, האיסור יתמקד בשבבים מתקדמים לתחומי עיבוד בינה מלאכותית, ולא ישפיע (בשלב זה) על שבבים פשוטים יותר המיועדים לסמארטפונים ולמכשירים ניידים.

בתגובה, סין מנסה לצמצם את התלות בטכנולוגיה אמריקנית באמצעות פיתוח כלים עצמאיים. Huawei מובילה את המגמה הזו, לצד חברות כמו Empyrean, Primarius Technologies ו־Semitronix. עם זאת, הכלים הסיניים עדיין אינם ברמת הקצה, ומתאימים בעיקר לטכנולוגיות של 7 ננומטר ומעלה.

על פי מקורות נוספים, חברות קטנות יותר בסין משתמשות לעיתים בגרסאות פיראטיות של תוכנות כמו Synopsys – מה שממחיש גם את אתגרי האכיפה בתחום.

השלכות האיסור צפויות להיות חמורות בטווח הקצר, ולהאט את פיתוח השבבים המתקדמים בסין. עם זאת, מגבלות אלו עלולות לדחוף את סין להשקיע ביתר שאת בפיתוח כלים מקומיים, ולשמש זרז להגברת החדשנות הטכנולוגית שתתחרה בעתיד בהגמוניה האמריקנית.

הפוסט ארה״ב אוסרת על מכירת תוכנות תכנון שבבים לסין מכה קשה ליצרניות כמו שיאומי ולנובו הופיע לראשונה ב-Chiportal.

מעגלים משולבים בתדרי רדיו (RFIC) הם קריטיים לקידום יכולות תקשורת – כמו המעבר מרשתות 5G ל-6G – וליישומים טכנולוגיים רבים אחרים. אבל גם שבבים אלה קשים מאוד לתכנון.

צוות רב-אוניברסיטאי עם מעורבות רבה של מובילי התעשייה פועל לשנות זאת. הצוות, בראשות חוקרים מאוניברסיטת טקסס באוסטין, מתכנן להטמיע בינה מלאכותית בתהליך התכנון של שבבים RFIC כדי להפחית את הקושי בייצור השבבים החשובים הללו.

"פרודוקטיביות התכנון היא בעיה עצומה עבור RFICs; ברוב המקרים, לוקח לפחות חודשים לתכנן שבב בודד", אמר דיוויד פאן, פרופסור במחלקה להנדסת חשמל ומחשבים ע"ש משפחת צ'נדרה בבית הספר להנדסה קוקרל והחוקר הראשי של הפרויקט. "המטרה שלנו היא לשפר משמעותית את פרודוקטיביות התכנון על ידי צמצום זמן הפיתוח והעלות באמצעות זרימת תכנון בסיוע בינה מלאכותית, תוך הורדת מחסום הניסיון בביצוע תכנוני RFIC."

כדי לתמוך במחקר זה, הצוות קיבל מענק של 9.6 מיליון דולר, למשך 30 חודשים, מ-Natcast, עמותה המפעילה את המרכז הלאומי לטכנולוגיית מוליכים למחצה (NSTC). המרכז הוא קונסורציום שהוקם על ידי חוק השבבים והמדע כדי לסייע בחיזוק כל היבטי ייצור המוליכים למחצה בארצות הברית. הפרס הוא אחד משלושה, בסכום כולל של כ-30 מיליון דולר, והראשון אי פעם במסגרת  תוכנית העצמת עיצוב מעגלים משולבים המונעים על ידי בינה מלאכותית בתדרי רדיו של NSTC . המרכז הוא קונסורציום שהוקם על ידי חוק השבבים והמדע כדי לסייע בחיזוק כל היבטי ייצור המוליכים למחצה בארצות הברית.

המחקר:  הפרויקט, שכותרתו "GENIE-RFIC: מנוע גנרטיבי לתכנון RFIC חכם ומואץ", מכוון הן למעגלי RFIC של מוליכים למחצה מסוג סיליקון משלים (CMOS) והן למעגלים משולבים מיקרוגל (MMIC) מונוליטיים מסוג גליום ניטריד (GaN). הכלים המונעים על ידי בינה מלאכותית יבצעו עיצובים "הפוכים" מהירים המבוססים על מפרטי היעד, תוך אופטימיזציה של טופולוגיות ופרמטרים של מעגלים.

כיום, שבבי RFIC דורשים תכנון מעשי נרחב, סימולציות יקרות וגוזלות זמן ועבודה מייגעת של ניסוי וטעייה. התחום הוא מאוד מיוחד, עם מעט חוקרים החוקרים אותו ומעט חברות המסוגלות לתכנן את השבבים הללו.

החוקרים שואפים להשתמש בבינה מלאכותית כדי לשנות את התהליכים הללו, לפרוס את הטכנולוגיה כדי לחקור עיצובים לא קונבנציונליים ולמטב אותם הרבה יותר מהר. כלי הבינה המלאכותית יאיצו את שלבי התכנון והאופטימיזציה המוקדמים. "סימולציית הזהב", כפי שכינה זאת דיוויד פן, עדיין תגיע בסוף כדי לסיים את העבודה ולוודא שהשבבים יתפקדו כמתוכנן.

"על ידי מינוף טכנולוגיות בינה מלאכותית וליטת מכונה, חברות ומכוני מחקר אמריקאים מוכנים לשנות את נוף תכנון ה-RFIC, לאפשר מחזורי תכנון קצרים משמעותית ולהשיג ביצועי RFIC גבוהים יותר", אמר מרקוס פאן – ללא קשר לדיוויד פאן – מנהל התוכנית של תוכנית AIDRFIC (Advanced Intelligence Artificial Radio Integrated Circuit Design Enablement) של Natcast, המממנת את פרויקט GENIE-RFIC. "השקעה זו ב-AIDRFIC מדגישה את מחויבותה של Natcast לקידום חדשנות ולהבטחת שמגזר המוליכים למחצה בארה"ב יישאר בחזית ההתקדמות הטכנולוגית בפס רחב, 5G וחומרת RF מהדור הבא".

למה זה חשוב:  RFICs הם קריטיים לכל דבר, החל מתקשורת ועד מכ"ם וטכנולוגיות מהדור הבא כמו כלי רכב אוטונומיים ומחשוב קוונטי. על ידי הורדת מחסום הכניסה והאצת תהליך התכנון, RFICs יכולים להפוך לנגישים יותר לחוקרים ולחברות שאחרת לא היו בעלי המומחיות או המשאבים להשתמש בהם.

"כאשר ניתן לפתוח טכנולוגיה מרכזית כמו RFIC למוחות יצירתיים יותר, זה יכול להיות רק דבר טוב", אמר סנסן לי, פרופסור משנה במחלקה להנדסת חשמל ומחשבים ע"ש משפחת צ'נדרה ושותף למחקר בפרויקט. "זה אומר שניתן להשתמש בה כדי לפתור יותר בעיות ולקדם חדשנות טכנולוגית הרבה יותר מהר."

הצוות:  דיוויד פן מצטרפים לעמיתים בהנדסת חשמל ומחשבים, איימי ג'אנג וסנסן לי, וכן לאדם קליוונס, פרופסור במחלקה למדעי המחשב במכללה למדעי הטבע ומנהל המכון ליסודות למידת מכונה. משתפי פעולה אקדמיים נוספים כוללים את דן ג'יאו, מאוניברסיטת פרדו; ויידונג קאו, מאוניברסיטת ג'ורג' וושינגטון; קנת' או, מאוניברסיטת טקסס בדאלאס; וטאיון צ'י, מאוניברסיטת רייס.

שותפים בתעשייה כוללים את IBM, Cadence ו-GlobalFoundries. החוקרים מפתחים חברת סטארט-אפ, CircuitGenie, כדי למסחור טכנולוגיות מתוכנית זו. מספר שותפים שאינם זוכים למימון תורמים לעבודה, ביניהם: המכון האלקטרוני של טקסס, Qorvo, NVIDIA, Boeing, Texas Instruments, Analog Devices, MediaTek ועוד.

הפוסט האם בינה מלאכותית יכולה להפוך שבבי תקשורת קריטיים לקלים יותר לתכנון? הופיע לראשונה ב-Chiportal.

Silvaco Group, Inc. (שנקראת "Silvaco") הודיעה על תמחור ההנפקה של מניותיה בבורסה. החברה מתכננת להציע 6,000,000 מניות של מניותיה במחיר של 19.00 דולר למניה. מההנפקה הזו, Silvaco מצפה לקבל הכנסות של 114 מיליון דולר לפני ניכוי הנחות והוצאות נוספות.

Silvaco המציעה פתרונות תוכנה הנדסיים (TCAD, EDA) ופתרונות IP (SIP) המאפשרים עיצוב מוליכים למחצה ובינה מלאכותית באמצעות תוכנה וחדשנות. פתרונותיה של Silvaco משמשים לפיתוח תהליכים ומכשירים בתחומים כמו צוגה, מכשירי כוח, רכב, זיכרון, מחשוב ביצועים גבוהים, פוטוניקה, אינטרנט של הדברים ושווקי 5G/6G עבור עיצוב מערכות על שבב (SoC) מורכבות. החברה ממוקמת בסנטה קלרה, קליפורניה ויש לה נוכחות גלובלית עם משרדים בצפון אמריקה, אירופה, ברזיל, סין, יפן, קוריאה, סינגפור וטאיוואן.

מניות החברה החלו להיסחר בבורסת Nasdaq תחת הסימול "SVCO" ב-9 במאי 2024. ההנפקה נסגרה ב-13 במאי 2024, בכפוף לתנאי הסגירה הרגילים. בנוסף, Silvaco העניקה לחתמים אופציה ל-30 יום לרכוש עד 900,000 מניות נוספות במחיר ההנפקה.

Silvaco מתכוונת להשתמש בהכנסות נטו מההנפקה למטרות כלליות של החברה, כולל הון חוזר, פעילויות שיווק ומכירה, מחקר ופיתוח, עניינים מנהליים כלליים, החזרת חוב והוצאות הוניות. כמו כן, החברה עשויה להשתמש בחלק מההכנסות לצורך תשלומי מס הקשורים להסדר תגמולים מבוססי מניות של עובדים.

חברות Jefferies ו-TD Cowen ישמשו כמנהלות משותפות של ההנפקה, בעוד Needham & Company ישמשו כמנהלים ראשיים ו-Craig-Hallum Capital Group ו-Rosenblatt ישמשו כמנהלים שותפים.

הפוסט חברת ה-EDA סילווקו הנפיקה בנאסד"ק הופיע לראשונה ב-Chiportal.

המרוץ הטכנולוגי בין ארצות הברית לסין בא לידי ביטוי בתעשיית תכנון השבבים. אמריקה מובילה כיום בתכנון שבבים מתקדמים, אך סין משקיעה משאבים רבים כדי להדביק את הפער.

במרכז המאבק ניצבת חברת הסטארט-אפ SEIDA, שנוסדה על ידי עובדים לשעבר של חברת התכנון האמריקאית Mentor Graphics. סיידא (SEIDA) מתכננת למכור תוכנת תכנון קריטית בשם OPC כדי לעזור לסין להגיע לעצמאות בתחום השבבים.

ארצות הברית רואה בשבבים מתקדמים מרכיב קריטי לעוצמתה הכלכלית והצבאית. היא הטילה מגבלות ייצוא כדי להגביל את גישת סין לכלי תכנון כמו OPC. אולם SEIDA מראה שסין מוצאת דרכים יצירתיות לעקוף הגבלות.

גופים סיניים חזקים כמו יצרנית השבבים SMIC משקיעים ב-SEIDA. אולם מוצאם של המייסדים מעורר תהיות – האם לקחו קניין רוחני באופן לא הולם כדי להקים את החברה? SEIDA מכחישה זאת.

כלי תכנון שבבים דורשים עוצמת חישוב רבה. ניסיון רב נחוץ כדי להתחרות בספקים קיימים. לא ברור כיצד SEIDA יכולה לפתח טכנולוגיה תחרותית כל כך מהר ללא ניצול ידע קודם.

שבבים מתקדמים מאפשרים טכנולוגיות כמו בינה מלאכותית, מחשוב קוונטי וטילים היפר-קוליים. שליטה בתכנון שבבים קריטית לחדשנות עתידית עם השלכות ביטחוניות לאומיות. המתחים צפויים לעלות ככל שסין אוכלת את הפער מול ארה"ב.

הקרב הטכנולוגי משפיע גם על השווקים הפיננסיים. משקיעים עוקבים אחרי ההתפתחויות בתחום, מה שמוביל לתנודתיות במטבעות כמו הדולר והיואן. צמיחת SEIDA עשויה לשנות סחר ותיקי השקעות בהתאם למידת ההפרעה שלה לתעשייה.

מקרה SEIDA ממחיש את המחיר הגבוה והמורכבות של התחרות סביב שבבים בין ארה"ב לסין. אמריקה רוצה לשמור על יתרונה תוך הגבלת עליית סין. אבל סין נחושה להגיע לעצמאות, עם השלכות גיאופוליטיות וכלכליות מרחיקות לכת.

הפוסט חברת סטארט-אפ סינית מבקשת לתכנן שבבים עוקפי חרם הופיע לראשונה ב-Chiportal.