TSMC’s AI Design Kit: Bringing Agentic AI Into Chip Design
TSMC is introducing an AI Design Kit, or ADK, to help artificial intelligence tools make better use of its semiconductor manufacturing knowledge. The idea is to give AI agents that run chip-design workflows a technology-specific foundation, so they can adjust designs toward performance, power and area targets with less manual iteration. Announced in the context of TSMC’s Open Innovation Platform ecosystem event last week, the ADK points to a shift from AI assisting with isolated design steps toward agents coordinating more of the process.
TSMC는 인공지능 도구가 자사의 반도체 제조 공정 지식을 더 효과적으로 활용할 수 있도록 지원하는 AI 디자인 키트(ADK)를 도입하고 있습니다. 이 구상의 핵심은 칩 디자인 워크플로를 실행하는 AI 에이전트들에게 기술 특화된 기반을 제공하여, 수동 반복 작업을 줄이고 성능, 전력, 면적(PPA) 목표에 맞춰 설계를 조율할 수 있도록 하는 것입니다. 지난주 TSMC의 개방형 혁신 플랫폼(OIP) 생태계 행사에서 발표된 ADK는 AI가 고립된 설계 단계를 보조하는 수준에서 벗어나, 프로세스의 더 많은 부분을 에이전트들이 조율하는 방향으로의 전환을 시사합니다.
A conventional process design kit, or PDK, contains the models, rules and files needed to design a chip for a particular fabrication process. TSMC’s ADK serves a different role. According to Aveek Sarkar, a TSMC director responsible for ecosystem and alliance management, it provides a “technology knowledge layer” for agentic design frameworks. In practical terms, an AI-driven tool could draw on that layer as it selects settings, evaluates tradeoffs and repeats electronic-design-automation tasks. TSMC has not publicly described the full contents, interfaces or licensing terms of the kit.
기존의 공정 디자인 키트(PDK)가 특정 제조 공정에 맞춰 칩을 설계하는 데 필요한 모델, 규칙, 파일들을 담고 있다면, TSMC의 ADK는 다른 역할을 수행합니다. TSMC의 생태계 및 제휴 관리 담당 이사인 아빅 사르카르(Aveek Sarkar)에 따르면, ADK는 에이전트 기반 설계 프레임워크를 위한 '기술 지식 레이어(technology knowledge layer)'를 제공합니다. 실무적으로 AI 기반 도구는 설정을 선택하고, 트레이드오프를 평가하며, 전자 설계 자동화(EDA) 작업을 반복할 때 이 레이어를 활용할 수 있습니다. 다만 TSMC는 이 키트의 전체 내용, 인터페이스, 라이선스 조건 등을 공개적으로 상세히 밝히지는 않았습니다.
Why is such a layer useful? Chipmakers can start with validated reference flows, but those flows cannot prescribe the best settings for every circuit and product. A team designing an AI accelerator, for example, may prioritize speed and dense integration, while another customer values low power or cost. Engineers typically adjust tools and examine the consequences for timing, energy use and physical layout. At advanced process nodes, these choices interact in complicated ways. A faster feedback loop can make it easier to explore options before a design is finalized for fabrication, a milestone known as tape-out.
이러한 레이어가 유용한 이유는 무엇일까요? 칩 제조사들은 검증된 레퍼런스 플로우로 시작할 수 있지만, 그러한 플로우가 모든 회로와 제품에 가장 알맞은 설정을 지정해 줄 수는 없습니다. 예를 들어 AI 가속기를 설계하는 팀은 속도와 고밀도 집적을 우선시할 수 있는 반면, 다른 고객사는 저전력이나 비용을 중요하게 여길 수 있습니다. 엔지니어들은 보통 도구를 조율하며 타이밍, 에너지 소비, 물리적 레이아웃에 미치는 영향을 검토합니다. 미세 공정 노드에서는 이러한 선택들이 복잡하게 얽혀 작용합니다. 피드백 루프가 빨라지면 테이프아웃(제조용 최종 파일 전달)이라는 이정표에 도달하기 전에 다양한 옵션을 더 쉽게 탐색할 수 있습니다.
TSMC says its ADK will enable agentic AI tools and workflows built on knowledge specific to its technologies. An agent might run a design tool, inspect the result, change parameters and run it again, using measured outcomes to decide what to try next. This is an illustration of the intended workflow, not a published specification of ADK functions. TSMC expects the approach to speed circuit- and architecture-specific optimization and plans to develop it with partners that supply electronic design automation software.
TSMC는 ADK가 자사 기술에 특화된 지식을 바탕으로 에이전트형 AI 도구와 워크플로를 가능하게 할 것이라고 밝혔습니다. 에이전트는 측정된 결과를 바탕으로 다음에 시도할 방법을 결정하면서 디자인 도구를 실행하고, 결과를 검사하며, 매개변수를 변경하고 다시 실행하는 과정을 거칠 수 있습니다. 이는 ADK 기능의 공식 사양이 아니라 의도된 워크플로의 예시입니다. TSMC는 이 접근법이 회로 및 아키텍처 특화 최적화 속도를 높일 것으로 기대하며, EDA 소프트웨어 공급 파트너들과 함께 이를 발전시킬 계획입니다.
The company has cited productivity gains of three to five times for digital design and up to six times for analog and radio-frequency design in discussing the initiative. Those are TSMC’s stated figures; its public explanation does not give enough detail to treat them as a universal performance benchmark. Results would depend on the design task, the software involved, the starting point and how productivity is measured. The ADK’s value will become clearer as customers and partners describe actual deployments and comparable outcomes.
TSMC는 이 이니셔티브를 논의하면서 디지털 설계 부문에서 3~5배, 아날로그 및 무선 주파수(RF) 설계 부문에서 최대 6배의 생산성 향상을 언급했습니다. 이는 TSMC의 자체 주장 수치이며, 공개된 설명만으로는 이를 보편적인 성능 벤치마크로 취급하기에 충분한 디테일이 부족합니다. 결과는 설계 작업, 관련 소프트웨어, 출발점, 그리고 생산성이 측정되는 방식에 따라 달라질 것입니다. ADK의 진정한 가치는 고객과 파트너들이 실제 배포 사례와 상응하는 결과를 설명함에 따라 더욱 명확해질 것입니다.
The project fits within TSMC’s broader Open Innovation Platform, which connects its manufacturing technologies with design tools, intellectual property, cloud services and specialist partners. TSMC has already worked with partners on AI-based design tools and has used reinforcement learning for circuit optimization and design-space exploration. The ADK is intended to help agentic systems use that ecosystem more effectively. At its 2026 ecosystem forum, TSMC highlighted AI-driven automation tools and agentic workflows as ways to handle growing design complexity.
이 프로젝트는 TSMC의 제조 기술을 설계 도구, 지식 재산(IP), 클라우드 서비스, 그리고 전문 파트너들과 연결하는 더 큰 규모의 OIP(Open Innovation Platform) 생태계의 일부입니다. TSMC는 이미 AI 기반 설계 도구와 관련해 파트너들과 협력해 왔으며, 회로 최적화 및 설계 공간 탐색을 위해 강화 학습을 활용해 왔습니다. ADK는 에이전트 시스템이 이 생태계를 더 효과적으로 활용할 수 있도록 돕기 위한 것입니다. 2026년 생태계 포럼에서 TSMC는 커지는 설계 복잡성을 다루는 방법으로 AI 기반 자동화 도구와 에이전트 워크플로를 강조했습니다.
There are limits to what an agent can settle on its own. A design that appears better on one metric may create problems elsewhere, including timing, heat or manufacturability. For multi-die systems, the interactions between chips, packaging and interconnects add further constraints. Engineers still need reliable models, verification and sign-off before a design can be manufactured. TSMC describes the ADK as a way to guide optimization within design workflows, not as a substitute for those checks.
물론 에이전트가 스스로 결정할 수 있는 범위에는 한계가 있습니다. 특정 지표에서 더 나아 보이는 설계라 할지라도 타이밍, 발열, 제조 용이성 등 다른 측면에서 문제를 일으킬 수 있기 때문입니다. 다중 다이(multi-die) 시스템의 경우 칩, 패키징, 상호 연결 사이의 상호작용으로 인해 제약이 더욱 늘어납니다. 설계가 제조되기 전에는 여전히 신뢰할 수 있는 모델, 검증, 승인이 필요합니다. TSMC는 ADK를 이러한 검증 절차의 대체재가 아니라, 설계 워크플로 내에서 최적화를 유도하는 도구로 설명합니다.
Bottom line: The ADK is best understood as an emerging layer between TSMC’s process expertise and AI-driven design software. If it works as intended, it could shorten the cycle between a design decision and trustworthy feedback. The unanswered questions are concrete: which tools will use it, how much of the workflow agents can control, what information the kit supplies, and whether the claimed gains hold across customer designs.
요약하자면: ADK는 TSMC의 공정 전문성과 AI 기반 설계 소프트웨어 사이에 새로 등장하는 레이어로 이해하는 것이 가장 좋습니다. 의도대로 작동한다면, 설계 결정과 신뢰할 수 있는 피드백 사이의 주기를 단축할 수 있습니다. 남겨진 구체적인 질문들—어떤 도구가 이를 사용할지, 워크플로의 어느 정도까지 에이전트가 제어할 수 있을지, 키트가 어떤 정보를 제공하는지, 그리고 주장된 생산성 향상 효과가 고객의 실제 설계 전반에 걸쳐 유지되는지 여부—은 앞으로 지켜봐야 할 부분입니다.
