RTL 代码生成助手
94把已评审的架构说明、接口表、寄存器表和时序约束转成可综合 Verilog/SystemVerilog,并同步产出追踪表、Lint 检查清单和验证交接说明。
面向中国 IC 工程师的可信 Agent Skill 平台。精选、审核、下载、安装,一条链路接入 IC Coder 与主流 AI Coding Agent。
统一维护元数据、版本、许可和发布状态。
精选 Skill
从规格、RTL、验证、STA、PnR 到签核与自动化,优先提供能直接进入工程流的能力包。
把已评审的架构说明、接口表、寄存器表和时序约束转成可综合 Verilog/SystemVerilog,并同步产出追踪表、Lint 检查清单和验证交接说明。
面向多时钟、多复位设计审查 clock domain crossing 与 reset domain crossing 风险,输出同步策略、waiver 证据和签核前闭环清单。
根据 DUT 接口、事务模型、寄存器表和验证计划生成 UVM agent、sequence、scoreboard、coverage 与 smoke regression 骨架,重点保证结构可维护。
把协议规则、状态机、异常优先级和安全属性转成 SVA 计划与断言骨架,帮助验证团队建立可维护的 checker 体系。

IC Coder 面向 FPGA、数字 IC 前端、功能验证、IP 与 SoC 子系统研发。IC Hub 负责沉淀可复用 Skill,让能力可以被发现、审核、下载和安装。
覆盖需求、代码、验证、调试链路。
从需求到波形分析持续反馈。
适配团队权限、数据和运维要求。
连接仿真、综合、报告与自动化流程。
把需求拆解、代码生成、验证执行、波形理解和问题修复连成工程闭环。
精选 IC Coder 公众号文章,用户点标题即可进入阅读全文。
后续可接公众号文章链接、阅读量和专题标签。

AI 写完 Verilog 之后,真正的工作才刚开始
前面我聊过一个判断:AI 会写 Verilog,不等于 AI 能交付芯片。这句话听起来像结论,但落到工程里,真正的问题是:AI 写完 RTL 以后,谁来告诉它“对不对”?如果错了,谁来告诉它“错在哪一个周期、哪一组信号、哪一条约束”? 我最近连续看了几篇围绕芯片 AI Agent、SVA、TestBench feedback 和验证反馈学习的工作,感受很强:

当 AI 从屏幕走进机器人,真正的瓶颈不只是算力,而是实时闭环、接口和确定性
最近我在看 Physical AI、机器人边缘计算和 AI4FPGA 的资料时,越来越强烈地感觉到:AI 硬件的竞争正在从“单点算力”走向“系统闭环”。 过去我们谈 AI 芯片,很容易把注意力放在训练集群、推理吞吐、HBM、先进封装、TOPS 和大模型参数量上。但当 AI 真正进入机器人、无人系统、智能汽车、工业现场,问题会突然变得更“硬”:相机帧什么时候到

真正难的不是生成代码,而是验证闭环
上一期我聊到一个判断:AI 芯片的竞争,正在从单颗芯片里的算力单元,扩展到工艺、封装、互连、验证、EDA 和系统工程。 这一期,我想沿着这个判断继续往下拆一个更具体的问题:既然现在大模型已经能写 Verilog、SystemVerilog,为什么我们还不能说“AI 已经能交付芯片”?

2nm、3D-IC、HBM4 和 AI4EDA 正在汇合
过去两周,我一直在跟踪 AI 芯片和 EDA 领域的几条新动态。 如果平时不盯这个赛道,这些新闻看起来会有点散:Cadence 和三星在谈 2nm/3D-IC,Synopsys 和三星在谈 AI-powered EDA flow,FuriosaAI 与 Broadcom 在谈下一代推理平台,AMD 又在台湾先进封装生态上继续加码。
可信机制
格式、Secret、安全行为、依赖、Benchmark、人工复核和签名下载共同组成平台门禁。
当前门禁
解析 SKILL.md、frontmatter、目录结构和版本号。
企业接入
支持登录授权下载、Skill 包哈希、版本历史、MCP/CLI 安装和后台审计,后续可接企业私有化部署。