短短两年，ChipAgents已经进入120多家半导体公司，并与英伟达扩大合作，而且近期刚完成了9亿元的A轮融资。更值得关注的是，这家AI时代的EDA新势力，背后是一支颇具中国背景的核心团队。

从UCSB实验室杀入芯片设计

2024年，ChipAgents诞生于加州大学圣塔芭芭拉分校（UCSB）一个AI实验室。

创始人兼CEO William Wang，同时也是UCSB人工智能教授。2009年，他从深圳大学信息工程学院获得计算机科学学士学位，随后赴哥伦比亚大学、卡内基梅隆大学深造，并于2016年获得计算机科学博士学位。

William长期从事人工智能研究。在加入产业创业之前，他已经在生成式AI、大语言模型等方向持续研究多年。2022年，他曾在Amazon Web Services担任访问学者，并参与Amazon Q相关工作。

两年前，一个教授和几名学生开始思考一个问题：AI能否改变全球芯片的设计方式？

ChipAgents给出的答案，是把AI从辅助工具推进到能够真正执行芯片工程任务的智能体。

而这支从UCSB实验室走出来的团队，也带有明显的中国背景。除了毕业于深圳大学的William Wang，负责全球客户成功的Cindy Cui拥有天津大学微电子专业硕士背景，曾在半导体和EDA行业工作20多年；负责研究的Kexun Zhang曾在腾讯深圳、微软北京实习，如今负责ChipAgents的核心AI研究。市场负责人Emily Yan，中英双语背景，并且在国内学术刊物出版作品，也曾在Siemens、Synopsys从事品牌工作。

从AI辅助，走向自主芯片设计

ChipAgents认为，传统AI在芯片设计中的应用，大多集中于文档处理、Bug分析、测试计划生成等具体任务。

更大的机会，在于闭环、自主的工程流程：AI理解设计意图，在RTL和验证环境之间进行推理，生成并评估设计产物，调用EDA工具，根据反馈持续学习，最终完成复杂的芯片开发任务。这也是ChipAgents与普通AI Copilot的区别。

公司提出的方向，是让AI Agent能够独立规划并执行复杂的设计、验证工作。从规格说明出发，生成可综合的Verilog、SystemVerilog和测试平台，而不是只给工程师提供代码建议。

ChipAgents成立两年后，其多智能体系统已经覆盖RTL设计、验证、调试等工作。公司2025年已实现多个头部半导体企业的大规模生产部署，单个客户甚至从试点团队扩展到数百名工程师。

自研Renoir，补上芯片AI的关键缺口

今年6月，ChipAgents发布首个自研模型Renoir。公司认为，通用大模型用于半导体设计存在两个核心问题：数据不足和安全要求。

软件工程拥有大量公开代码、文档和技术讨论，但半导体设计中最有价值的工程知识，往往存在于企业内部的设计文件、调试日志和工具数据中，无法形成公开训练语料。

与此同时，芯片设计文件和知识产权高度敏感，很多企业无法将这些数据发送到第三方云环境。

因此，Renoir从一开始就针对芯片设计进行优化。该模型基于开放权重的混合专家大模型进行微调，并结合公开半导体数据与ChipAgents内部训练数据，覆盖RTL生成、规格理解、调试、测试生成和工具调用等场景。

更重要的是，Renoir可以在客户自己的基础设施中运行，不依赖外部API。在ChipAgents公布的内部芯片设计基准测试中，Renoir接近Claude Opus 4.6的表现，同时将成本降低一半以上。

NVIDIA加入，进一步加速Renoir

7月26日，ChipAgents宣布扩大与NVIDIA的合作，推进Renoir的发展。

ChipAgents使用NVIDIA Megatron Core进行大模型训练，使用NVIDIA NeMo Megatron Bridge支持训练流程和模型格式转换，并使用NVIDIA Model Optimizer进行量化等模型优化。

ChipAgents研究负责人Kexun Zhang表示，半导体设计需要不同于通用AI的系统，不仅要理解硬件设计意图，还要在严格的安全边界内跨设计和验证产物进行推理，同时具备能够在工程团队中规模化部署的成本结构。

ChipAgents希望借助NVIDIA的AI软件和加速计算基础设施，加快Renoir的训练、优化和部署，从AI辅助任务进一步走向闭环自主工程。