IA no projeto de chips: AlphaChip, Synopsys e os limites

Um chip de inteligência artificial pode ter uma história curiosa: parte de seu projeto foi otimizada por outra IA. Isso já acontece em etapas específicas do desenvolvimento de semicondutores. O Google, por exemplo, usou o sistema AlphaChip para posicionar componentes em blocos de suas TPUs, processadores criados para executar modelos de IA. Agora, empresas de automação de projetos eletrônicos, como a Synopsys, querem ampliar o papel da IA para sequências inteiras de tarefas.

O interesse está no ciclo entre software e hardware: modelos mais exigentes apontam o que os chips precisam fazer; ferramentas de IA ajudam engenheiros a encontrar projetos melhores; os chips resultantes podem executar modelos futuros. Mas esse ciclo não significa que uma IA já invente, valide e fabrique sozinha a próxima geração de processadores.

Onde a IA entra no projeto de um chip?

Antes de existir uma peça de silício, uma equipe define a função do chip, descreve seus circuitos, organiza milhões de componentes, verifica se tudo funciona e prepara o projeto para fabricação. Essas etapas usam ferramentas de EDA (electronic design automation, ou automação de projetos eletrônicos) há décadas. A novidade é empregar métodos de IA para explorar alternativas e coordenar parte desse trabalho.

Há duas aplicações que merecem ser separadas:

Aplicação	O que a IA faz	O que isso não significa
Otimização de layout	Testa maneiras de posicionar blocos e ajustar o projeto para metas de potência, desempenho e área.	Criar toda a arquitetura do chip sem requisitos ou engenheiros.
Agentes de projeto e verificação	Planejam tarefas, acionam ferramentas, analisam resultados e repetem etapas quando encontram falhas.	Dispensar testes, aprovação técnica ou as ferramentas que verificam o projeto.

No primeiro caso, o sistema procura uma boa solução em um espaço enorme de possibilidades. No segundo, ele tenta conduzir um fluxo de trabalho: executar uma verificação, identificar um erro, propor uma correção e testar de novo. Gerar uma resposta plausível não basta; o circuito precisa cumprir restrições físicas e funcionar quando sair da fábrica.

O exemplo que já chegou ao silício: AlphaChip e as TPUs

O AlphaChip, do Google DeepMind, usa aprendizado por reforço: ele experimenta posicionamentos de componentes e recebe uma medida de qualidade para melhorar suas escolhas. Seu foco é o floorplanning, a organização de grandes blocos dentro de uma área do chip. Segundo a equipe que desenvolveu o método, os layouts gerados foram usados em gerações de TPUs, aceleradores do Google que executam sistemas de IA.

O caso torna o ciclo concreto. O Google afirma que o AlphaChip também ajudou no layout da TPU Ironwood, voltada a cargas de IA. A contribuição é para partes do posicionamento físico, não uma prova de que o AlphaChip tenha concebido sozinho a Ironwood. Arquitetura, integração, verificação e fabricação continuam envolvendo equipes e processos diferentes.

Esse detalhe evita uma confusão comum: “projetado com IA” não descreve quanto do chip foi automatizado. Pode significar desde uma busca mais eficiente por uma disposição de componentes até assistência na geração e nos testes de circuitos.

O que a Synopsys anunciou agora?

Em 28 de setembro de 2026, a Synopsys apresentou o AgentEngineer, conjunto de agentes para tarefas de projeto e análise, apoiado pela plataforma Autopilot. A proposta vai além de um assistente que sugere comandos: um agente pode receber um objetivo, organizar subtarefas, chamar ferramentas de EDA, examinar os resultados e mudar o plano quando necessário.

A descrição técnica da empresa dá um exemplo em verificação. Um agente interpreta uma especificação, prepara testes, executa ferramentas, mede quanto do comportamento foi coberto, investiga falhas e repete o processo. Outro agente atua na implementação física, que inclui posicionamento, conexões entre componentes e checagens de tempo e consumo. A Synopsys afirma que as equipes podem estabelecer pontos em que pessoas inspecionam os resultados e decidem se o fluxo prossegue.

A empresa diz ter mais de 50 engajamentos com clientes e prevê disponibilidade geral da plataforma para o fim de 2026. Isso indica avaliações e adoção inicial; não quer dizer que 50 chips tenham sido criados autonomamente ou fabricados. A Synopsys também divulga ganhos de produtividade e verificação em casos selecionados. Como o Tom's Hardware observou ao examinar o anúncio, esses números não representam um resultado garantido para todo projeto.

O uso de IA pela Synopsys não começou com esses agentes. Seu DSO.ai, lançado em 2020, emprega aprendizado por reforço para explorar combinações de projeto e otimizar potência, desempenho e área, três objetivos que frequentemente exigem concessões entre si. O AgentEngineer tenta coordenar mais etapas; o DSO.ai é um exemplo anterior de IA aplicada a um problema delimitado.

Por que a decisão humana ainda importa?

Um projeto pode passar em um teste e falhar em outro: ganhar velocidade, mas consumir energia demais; caber na área prevista, mas criar conexões difíceis de fabricar; corrigir uma falha e introduzir outra. Também há decisões de arquitetura, custo, propriedade intelectual e risco que dependem do produto e da empresa. Por isso, automação de etapas não equivale a autonomia irrestrita.

O ponto decisivo é a verificação independente do que o agente produziu. Simulações e ferramentas de análise precisam confrontar suas sugestões com as regras do projeto; engenheiros precisam definir metas e aprovar decisões críticas. Mesmo a Synopsys descreve ferramentas de EDA como a camada que executa e valida tarefas específicas, enquanto equipes podem manter pontos de revisão humana.

Para acompanhar essa tecnologia, vale fazer três perguntas sempre que surgir um novo anúncio: qual etapa foi automatizada, qual chip ou projeto usou a ferramenta e como o resultado foi verificado? O caso das TPUs mostra que a IA já contribui para hardware real. Os novos agentes da Synopsys mostram a direção pretendida pela indústria. A distância entre esses fatos e um chip inteiramente criado por IA continua sendo uma parte essencial da história.

Quando a IA ajuda a projetar os chips da próxima geração de IA

Ouvir reportagem

Onde a IA entra no projeto de um chip?

O exemplo que já chegou ao silício: AlphaChip e as TPUs

O que a Synopsys anunciou agora?

Por que a decisão humana ainda importa?

Fontes consultadas