近期大语言模型（LLM）和自主代理的突破为硬件设计优化提供了新契机。本文围绕自主 RTL 与综合优化展开三条互联路径：
- 真实基准测试：讨论基于参考和开放式的 RTL 优化基准，旨在在真实 EDA 工作流下评估优化空间，兼顾可复现性与探索性。
- 工具驱动的 RTL 优化：提出 Dr. RTL 多代理框架，自动完成关键路径分析、RTL 重写以及实现层评估，并通过可复用的优化技能实现持续改进。对 20 个真实 RTL 设计的实验表明，Dr. RTL 在平均 WNS/TNS 上分别提升 21%/17%，面积降低 6%，优于商业综合工具。
- 面向设计的综合优化：探索基于代理的综合脚本调参，以及在中间表示、技术无关优化和技术映射层面的可执行综合算法发现。
最后，展望 AI 原生的设计自动化：在验证约束和实现反馈的引导下，联合探索体系结构、RTL 与 EDA 算法设计空间，实现全链路智能化。
点评：本文展示了将 LLM 与多代理系统深度融合到硬件设计流中的可行路径，提供了可量化的基准与显著的实验收益，为未来 AI‑驱动的全栈硬件优化奠定了基础。