Im Chipdesign verschiebt sich das klassische Shift-left-Denken zunehmend von einem strikt linearen Vorgehen hin zu einem flexibleren, iterativen Modell. Digitale Zwillinge, KIArtificial IntelligenceKI bezeichnet Verfahren, die Aufgaben durch datengetriebene Modelle automatisieren.-Agenten und surrogate Modelle machen es möglich, deutlich früher im Fluss mehr Varianten zu prüfen – einschließlich Entscheidungen zu Materialien, Transistorstrukturen und Chiparchitekturen.
Der frühere Beginn löst die Verifikationsengpässe jedoch nicht auf. Im Gegenteil: Je früher KIArtificial IntelligenceKI bezeichnet Verfahren, die Aufgaben durch datengetriebene Modelle automatisieren.-generierte Entwürfe und abgeleitete Modelle eingesetzt werden, desto wichtiger wird die Frage, ob sie das geplante Hardwareverhalten korrekt und belastbar abbilden. Genau an dieser Stelle bleibt die Vertrauensfrage zentral.
Mehrere Gesprächspartner beschrieben, dass sich die technische Basis für frühe Designentscheidungen durch mehr Rechenleistung und agentische Systeme deutlich erweitert hat. Gleichzeitig entstehen neue Anforderungen an Multi-Physics-Modelle und an surrogate Modelle, die aus Material- und Physik-Solvern gespeist werden. Solche Ansätze werden inzwischen nicht nur in klassischen digitalen Designbereichen diskutiert, sondern auch bis hin zu CFETcomplementary field-effect transistorEine Transistorarchitektur, die NMOS und PMOS vertikal stapelt.-Strukturen.
Ein weiterer Schwerpunkt ist die Verlagerung von Diskussionen hin zu spec-to-silicon und früher PPA1. power, performance, and area2. power, performance, areaKennzahl für Leistungsaufnahme, Geschwindigkeit und Flächenbedarf.-Analyse. Dabei soll ein KIArtificial IntelligenceKI bezeichnet Verfahren, die Aufgaben durch datengetriebene Modelle automatisieren.-Agent bestehende Designs sogar neu schreiben oder für optimiertes PPA1. power, performance, and area2. power, performance, areaKennzahl für Leistungsaufnahme, Geschwindigkeit und Flächenbedarf. auslegen können. Die offene Frage bleibt aber, ob sich das Ergebnis korrekt belegen lässt – etwa über formale Äquivalenznachweise oder andere verlässliche Prüfverfahren.
Als besonders problematisch gilt, dass Spezifikationen oft gar nicht vollständig vorliegen, obwohl genau diese Dokumente für frühe Automatisierung wichtig wären. Gleichzeitig werden funktionale Verifikation, funktionale Sicherheit, Security und Power zunehmend als gleichrangige Aufgaben betrachtet. Für frühe Einsätze von KIArtificial IntelligenceKI bezeichnet Verfahren, die Aufgaben durch datengetriebene Modelle automatisieren.-gestützten Flows bedeutet das: Ein erheblicher Teil der Arbeit verschiebt sich in Review, Proof und Validierung.
Mehrere Stimmen stellten zudem infrage, ob „Shift left“ überhaupt noch der passende Begriff ist. Statt ein Design früh festzuschreiben, könnte ein Team zunächst eine grobe Richtung definieren und dann auf Basis neuer Informationen Architektur- und Implementierungsentscheidungen schrittweise anpassen. Das würde den Fluss weniger sequentiell und stärker zirkulär machen.
Gerade bei CPUcentral processing unitZentrale Recheneinheit, die Programmbefehle verarbeitet und Datenoperationen ausführt.-, GPUgraphics processing unitEin Grafikprozessor, der auch als Beschleuniger für KI-Workloads eingesetzt wird.- oder Machine-Learning-Entwürfen wird diese Beweglichkeit als notwendig beschrieben, weil sich nicht alle Einsatzszenarien und Workloads früh festlegen lassen. KIArtificial IntelligenceKI bezeichnet Verfahren, die Aufgaben durch datengetriebene Modelle automatisieren.-Agenten können dabei helfen, Optionen schneller durchzuspielen und Engpässe in Formal Verification, Simulation, Virtual Prototyping, Emulation oder FPGAfield-programmable gate arrayNach der Herstellung rekonfigurierbarer Logikchip, dessen interne Verbindungen und Funktionen programmiert werden können.-gestützten Abläufen früher sichtbar zu machen. Die Agenten ersetzen dabei keine Ingenieure, sondern werden eher als Werkzeuge verstanden, deren Ergebnisse weiterhin fachlich geprüft werden müssen.