芯片行业为什么还不能把研发全托付给Agent

芯片行业有一个词叫良率指的是生产出来的芯片中符合规格的比例。现在AI研发流程里有一个类似的问题我觉得可以叫做AI流程良率Agent自动化执行一个完整流程最终得到符合预期结果的概率是多少一个Agent流程通常需要调用大模型十次左右。每次调用都有出错的概率假设每次出错率是5%——这已经是比较乐观的估计了——那么十次调用全部正确的概率是 0.95^10大约是60%。换句话说一个流程走完有大约40%的概率在某个环节出了问题。这个概率在大多数应用场景里是可以接受的出问题了人工介入修正就好。但对芯片研发来说这个数字太高了。原因在于芯片研发流程里有大量串联的、强依赖的步骤。设计规范 → RTL实现 → 功能仿真 → 综合 → 时序分析 → 物理设计 → 后仿 → 流片。每一步都依赖上一步的正确输出。还有一个问题Agent出错之后错误的溯源非常困难。用人来做的步骤出了错可以问你当时是怎么想的大多数时候能找到原因。Agent的决策过程是透明的但不直觉的——你能看到它每一步的输入输出但要理解它为什么在某个地方做出了一个错误的判断需要相当的分析成本。对一个需要高度可解释性、需要在流片前把问题都排查干净的行业来说这种不透明性是一个真实的障碍。这并不是说Agent在芯片行业没有用武之地。局部、有限的自动化是现在更合理的切入点。比如让Agent做特定类型的代码审查、生成重复性高的testbench模板、在固定格式里做文档整理——这些任务错了可以快速发现、快速修正错误的扩散范围有限。在这些场景里Agent的效率提升是实实在在的出错率也在可接受范围内。不同的步骤不同的容错要求不同的可接受出错率——这些加在一起才是AI在芯片流程里的真实应用边界。短时间内全流程托付给Agent的条件还不成熟。但每一个能稳定跑起来的局部自动化都是在为更大范围的自动化打基础。