中国のEDA企業Empyrean Technology（華大九天）が、AIエージェントを使って回路レイアウトの一つの作業を4週間から1週間へ短縮したと、South China Morning Post（SCMP）が2026年9月13日に報じた。会長のLiu Weiping（劉偉平）が示した事例で、回路を設計・検証するソフトウェアの使い方が変わりつつある。同社は、Huaweiが提唱する「Tau Law」に対応した多層の回路設計にも取り組む。設計者の作業を速めながら、複雑な回路を正しく検証できるかが、Empyreanの取り組みを評価する軸になる。

AD

4週間から1週間へ、短縮できた作業の範囲

SCMPによると、EmpyreanはシミュレーションとレイアウトのツールにAIエージェントを適用し、特定の回路レイアウト作業に必要な期間を短縮した。劉氏は深圳で開かれた国際集積回路イノベーション博覧会で、人がツールを操作する形から、エージェントへ指示する形への変化を説明している。

EDAは電子設計自動化を意味し、回路の設計から物理的な配置、検証までを支えるソフトウェア群を指す。レイアウトでは回路素子をどこに置き、配線をどう通すかを決めるため、シミュレーションで動作を調べる工程とも関係が深い。その作業にAIを組み込むことで、設計者が繰り返してきた操作を減らす余地が生まれる。

ただし、今回の「4週間から1週間」は、会長が紹介した一つの作業の成果である。SCMPの公開部分には、回路の規模や使用した計算資源、同じ品質を保てたかという比較条件までは記されていない。修正や最終検証を含む期間かも確認できず、チップ開発全体の所要時間や費用に、そのまま当てはめることはできない。

それでも、従来のツールをエージェントが呼び出して使うという説明には、製品開発上の意味がある。自動化を広げるには、エージェントの指示に応じてツールが動き、結果を次の設計作業へ渡せる必要があるからだ。Empyreanには、この使い方の変化と並行して、ツールが扱う回路そのものの複雑化にも対応する課題がある。

Tau Lawが変える、回路と配線の設計

Huaweiは2026年5月25日、半導体の進化を導く考え方としてTau Lawを発表した。従来の微細化が素子の幾何寸法を縮めるのに対し、同社の提案は信号が伝わる遅延などの時間を短くすることに軸を置く。素子から回路へ、さらにチップやシステムへと対象を広げ、それぞれを協調して最適化する構想である。

回路でその役割を担う技術が、LogicFolding（ロジックフォールディング）だ。Huaweiは、回路配置を組み替えて重要な経路の配線を短くし、信号伝搬にかかる抵抗や容量の負荷を減らすと説明している。ここで減らそうとしているのは、設計者が作業する日数とは別の時間だ。配線を信号が通過する遅延を抑え、回路の性能改善につなげようとしている。

複数層にまたがる配置を扱うには、EDA側も変わる必要がある。劉氏は9月1日付の中国証券報のインタビューで、システムの設計計画や3Dの物理実装が課題になると説明した。さらに、ダイと呼ぶ半導体片をまたぐ検証や信頼性解析にも対応が求められるという。一つの層で設計を完結させる場合に比べ、別の層とのつながりを含めて動作を確かめる必要がある。

同氏によれば、Empyreanは製品間で基礎データを統一し、ソフトウェアの構造も作り直してきた。3Dの設計と検証を一体で扱うソリューションは、すでに顧客に適用され、製造へ設計データを渡すテープアウトを支援したという。ただし、この説明は同社の取り組みを示すもので、今回のAIによる期間短縮と同じ案件だとは確認されていない。

AIとTau LawがEDAに求める変化は、次のように分けられる。

評価する対象 示された変化・狙い 確認が必要な点
AIによる回路レイアウト作業 会長の説明では4週間から1週間へ短縮 対象回路、計算資源、品質、修正を含む所要時間
Tau Lawに沿う回路設計 Huaweiは配線などの信号遅延を減らすと説明 複数層をまたぐ実装と検証の能力
製造前の最終検証 劉氏は解析ツールと人の判断が残ると予想 自動化後も設計と製造工程の適合性を確かめられるか

作業が速く終わることと、完成した回路が速く動くことは、それぞれ評価すべき成果である。Tau Lawに対応するEDAの商機は、こうした回路を設計し、検証する新たな需要にあると考えられる。今回の期間短縮だけから、回路性能や競合ツールに対する優位性を導くことはできない。

AD

AIに任せる工程と、人が判断する工程

劉氏自身、AIエージェントがEDAのすべてを置き換えるとは見ていない。中国証券報には、設計や実装、反復的な最適化はエージェントの形へ進む一方、科学計算を伴うシミュレーションや検証には従来のツールが残るという見方を示した。製造へ進む前の最終検証・承認にあたるサインオフでも、人の判断が必要になるとしている。

この区分に従えば、エージェントの能力と、呼び出される解析ツールの信頼性は一緒に評価する必要がある。AIが配置の変更を速く繰り返せても、出来上がった設計が正しく動き、製造工程に適合するかを確かめる役割は残るためだ。検証を通るまでの修正を含めて時間が縮まれば、設計現場にとって成果を判断しやすくなる。

実用化には、データと計算資源の負担も伴う。劉氏は、学習に使う高品質な設計データと製造プロセスのデータが分断されていることを課題に挙げ、半導体を受託製造するファウンドリーの協力が必要だと説明している。さらに、エージェント型EDAの開発側と利用側の双方で、大量の計算資源が必要になるとの認識だ。

料金の仕組みも変わる可能性がある。同氏は、従来のソフトウェアライセンスに加え、トークンに基づくエージェントサービスの事業モデルを展望した。これは将来像であり、Empyreanが新料金を導入済みだという発表ではない。利用者の費用を考える際には、作業期間とともに、必要な計算資源にも目を向けることになる。

Empyreanの次の実績として問われるのは、対象回路と検証条件を明らかにしたうえで、修正からサインオフまで含めて開発を短縮できるかだ。その成果が多層の回路設計でも積み重なれば、設計者は繰り返し操作に費やす時間を減らし、回路構成の工夫や複雑な判断へ力を振り向けられるようになる。