北大EDA | PANDA：模拟集成电路设计智能体系统 - 北京大学无锡电子设计自动化研究院

产品资源

首页 - 产品资源 - 产品介绍

产品介绍

北大EDA | PANDA：模拟集成电路设计智能体系统

发布时间：2026-04-27

随着人工智能、物联网和高性能计算等新兴技术的兴起，集成电路正不断向高集成度、高频和低功耗方向发展。在当前EDA工具高度发展、自动化程度不断提高的情况下，模拟电路设计仍然存在核心瓶颈。

模拟电路设计具有极强的经验依赖性，设计师需要在多维度的物理约束下进行艰难的权衡。在传统流程中，电路的拓扑选择、晶体管尺寸优化以及版图设计往往是相互割裂的环节。这种割裂意味着优化环路频繁断裂，每一次后仿真不达标，都需要工程师手动回溯修改。如何加速这一长周期的迭代流程，是一个亟待解决的行业痛点。

大语言模型（LLM）的发展为模拟自动化带来了新的解法。然而实际应用中，对于真实的 EDA 工业环境来说，仅仅让模型生成一段不可靠的代码是远远不够的。如何让大模型真正接入真实工具、理解分析结果并持续迭代，是目前 AI 走向端到端 EDA 必须跨越的鸿沟。

PANDA：产品优势

为了解决这一问题，北京大学电子设计自动化研究院（北大EDA研究院）团队研发推出了基于大模型智能体（Agent）的模拟电路全流程自动化框架——PANDA（Performance-Driven Analog Design Framework）。该框架通过大语言模型充当“设计协调员”，将高层设计意图直接转化为底层工具的执行指令。

与传统的孤立算法辅助相比，PANDA 具有更高的系统连贯性与执行确定性。它能够轻松处理跨阶段的设计依赖，并在拓扑、参数与版图之间形成有效的数据流动，确保最终生成的电路不仅在原理图上可行，更在物理实现后性能达标，大幅降低了模拟芯片的研发时间。

此外，PANDA 提供了标准化的工具调用协议（MCP）和任务技能（Skills）封装。这使大模型能够在不直接操作底层危险命令的前提下，安全、高效地调度现有的 EDA 仿真器与版图引擎，用户也无需陷入繁杂的脚本调试之中。

传统的模拟设计流程

传统的模拟设计流程，在设计初期需要设计师依靠经验手动搭建电路拓扑，接着在缺乏版图寄生参数感知的情况下进行孤立的晶体管尺寸优化。随后，版图工程师需要手动考虑对称、匹配等约束来绘制版图，最后再提取寄生参数进行后仿真。一旦性能不达标，整个冗长的流程又需要推倒重来。

基于智能体（Agent）的 PANDA 流程

对于模拟设计师来说，如果面对一个全新的规格指标需要快速验证方案，或者期望缩短现有 IP 的跨工艺迁移周期，PANDA 可以基于设计意图快速生成端到端的物理版图及后仿真报告，为他们提供强有力的自动化支持。

PANDA 采用先进的智能体工作流设计，在流程中仅需输入高层次的规格意图（如特定的增益、相位裕度目标），智能体即可自主调度工具箱，完成拓扑生成、晶体管参数确定、版图与仿真的全闭环操作。

PANDA 的核心工作流程如下：

意图驱动的拓扑生成

PANDA 集成了模拟电路专家模块，用户在使用时只需输入自然语言的规格需求，智能体即可将其转化为精确的 SPICE 子电路描述。框架能够根据需求自动匹配合适的器件关系，灵活适用于不同的前端应用场景。

晶体管尺寸优化

进入尺寸优化阶段，PANDA 为大模型提供了结构感知的优化引擎。通过引入多步分层贝叶斯优化，系统能够高效处理高维度的黑盒参数寻优。智能体将实时监测优化过程，根据预设的性能目标（如功耗、延迟）决定是否继续迭代，极大增强了探索效率。

约束驱动版图与闭环反馈

在物理实现阶段，智能体会自动提取拓扑中的对称性、匹配等关键几何约束，并通过标准化接口（MCP）驱动底层模拟电路布局布线引擎生成物理版图。更重要的是，PANDA 会自动触发寄生参数提取，将真实的后仿真数据反馈给智能体进行自主比对与方案精修。

在典型的单模块级电路（如运算放大器 OTA、比较器 COMP）验证中，PANDA 展现出了卓越的实战性能：

效率指数级跃升

凭借全流程自动化的优势，PANDA 将传统长达数天甚至数周的人工设计迭代周期，大幅压缩至小时级。

后仿真性能稳健

系统自动生成的版图在经历严苛的寄生参数提取后，依然能够保持优异的性能指标（如高增益与稳健的相位裕度），验证了其在真实物理环境下的可靠性。

PANDA框架的技术细节将在7月于美国长滩举办的设计自动化会议（DAC 2026）上公布，以“PANDA: An LLM-Enhanced Performance-Driven Analog Design Framework Bridging Design Intent and Layout Generation”为题，详细介绍PANDA的技术架构与实现细节。

此前，北大EDA团队已推出基于生成式AI的无源元件综合工具PC-pilot，通过结合深度生成模型和神经网络代理模型，可以在给定设计规范和设计约束的情况下，短时间内设计出多组可行的物理几何参数。PC-pilot可以作为自动化无源元件综合工具直接生成用户所需要的物理结构，也可以作为一个复杂约束下的设计空间探索工具辅助工程师进行设计，缩短设计周期。

未来团队将通过PANDA，结合自研工具与各类标杆工具，在模拟设计全链条层面攻克关键技术、提升设计效率。

END