人工智能，正在重做EDA

如果您希望可以时常见面，欢迎标星收藏哦~

无论你是否身处科技行业，过去几年，你一定听过一个词——人工智能（Artificial Intelligence，简称 AI）。

在很长一段时间里，人们谈论 AI，更多联想到的是科幻电影里的智能机器，或是 AlphaGo 战胜人类棋手这样的技术突破。真正让 AI 从实验室走向大众日常的转折点，则是 2022 年底 ChatGPT 的发布。此后，大模型迅速走向成熟，AI 不仅展现出更强的理解、推理与生成能力，也开始在越来越多的产业场景中落地。随着智能体（Agent）的兴起，AI 正逐渐从一个“会聊天”的工具，演变为每个人都能调用的生产力助手。

而作为 AI 的底层算力载体，芯片也在这场浪潮中被重新定义。AI 带来的变化，早已不只是 GPU、CPU 等芯片类型的更迭，更深入到芯片架构、设计流程与研发方法本身。在这一过程中，EDA 正成为推动 AI 芯片创新的重要基础设施，也成为了被AI变革的核心环节之一。

AI殊途同归，芯片逻辑变了

在日前于上海举办的“2026 新思科技开发者大会”开场致辞中，新思科技全球副总裁兼中国区总裁姚尧先生首先指出，在历经互联网普及和智能涌现后，技术产业现在正迈向第三个阶段——数实共生。如他所说，这个阶段最明显的一个特征是智能开始真正进入现实世界，进入工厂、能源、物流等场景。数字世界不再停留在屏幕里，开始深度参与现实世界的运行。

“而在此期间，AI产业开始开始呈现两个明显特征：一是真正依靠基础模型服务作为主要业务的企业其实只占很小比例，多企业最终做的仍然是应用和场景创新；一是全球AI的技术发展路线虽然正在不断趋同，但AI进入现实世界的方式却越来越不同。”姚尧先生接着说。

他以中美两个AI大国为例指出，美国正在将AI推向医疗与生命科学、科研和网络安全等领域，但拥有全球最完整的制造体系、最丰富的产业场景、以及最快的应用落地环境的中国，却在将AI推向工厂。

但最终，我们都会进入Physical AI时代。在姚尧看来，Physical AI 的本质不是“大模型+机器人”，而是 AI、芯片与机电系统三项能力的协同进化，三者是乘法关系而非加法关系。

新思科技总裁兼首席执行官 Sassine Ghazi（盖思新）在随后的分享中也指出，AI真正带来的不是单一技术革命，而是AI与计算、芯片、软件、智能系统等多项技术同步融合的“融合十年”。AI与计算能力正在形成相互促进的正向循环，推动各行业进入万物智能的Physical AI时代。在这个时代，AI 与智能能力无处不在。而为实现这一愿景，芯片技术的大规模普及与创新必不可少。与此同时，我们还需要借助软件，以前所未有的复杂度和精细度来定义新一代智能系统。

以最近火热的具身智能为例，其真正落地的关键不在于AI算法本身，而在于同时解决低功耗、低时延、安全、环境建模与成本可负担性等系统级挑战。面对这个需求的转变，盖思新认为，芯片需要变了。

在他看来，未来的产品开发，不再是单独优化芯片，而是需要同步协同芯片、软件、电子系统以及热、机械、光学、流体等物理系统。为此盖思新认为，无论是机器人、无人机还是智能汽车，都需要实现从硬件层、芯片层，一直到智能层的全栈优化（Full-Stack Optimization）。这种贯穿底层技术与上层智能的协同优化，已经成为必然要求。

为实现上述目标，盖思新认为，这不是一家企业能够独立完成的，而是需要EDA、IP、仿真、制造及产业伙伴共同构建完整生态。新思科技的定位也正从传统EDA公司，升级为覆盖“从芯片到系统（Silicon-to-Systems）”的工程技术平台。而随着Ansys完成战略整合，新思科技进一步打通了EDA、接口IP、多物理场仿真与分析能力，将设计、仿真和验证贯穿整个创新流程。

“面对下一代AI芯片和复杂智能系统，工程挑战已不仅来自电子设计，更涉及热、结构、材料等物理层面，因此只有将电子与多物理场协同融合，才能为未来产品提供完整的系统级工程解决方案。”盖思新说。

从流程转变到AI赋能，EDA走向拐点

基于上述观察，盖思新指出，传统工程开发模式已难以满足未来产品的研发需求，工程开发方式必须被重构：其核心并非依赖单一技术，而是围绕协同设计（Co-design）、数字孪生（Digital Twin）和智能体AI（Agentic AI）三大方向展开。

首先看协同设计方面，据盖思新介绍说，随着AI系统日益复杂，协同设计的内涵正在发生变化。他指出，过去应用于电子设计的方法，如今正进一步扩展到材料、结构、热、光学、流体等多物理场领域。以推理机器人为例，其内部往往集成多颗承担不同功能的芯片，并与整个物理系统深度耦合，因此系统设计本质上已成为跨学科、跨物理域的协同设计。

在这一过程中，高保真建模、验证与签核成为核心能力。无论是开展协同设计、构建数字孪生，还是建立可信模型，都必须依赖高精度的数字与模拟验证能力，因为签核不仅决定设计是否收敛，更是实现“从仿真到现实”（Simulation-to-Real）的关键基础。

为支撑这一趋势，新思科技持续推动设计工具的融合。从早期布局布线、时序分析、签核等独立工具，到如今将设计引擎与多物理场求解器整合到统一平台，并将物理签核深度融入设计流程，最终实现更好的设计收敛性、可预测性，以及对下一代复杂AI系统的完整支持。

再看数字孪生，盖思新表示，虽然这并非新概念，但但随着新一代复杂系统的发展，我们需要以全新的方式来推进数字孪生技术。具体而言，盖思新认为，数字孪生正成为复杂智能系统开发的核心基础设施。传统研发高度依赖物理原型，成本高、迭代慢，而数字孪生能够将验证前移，以更低成本、更快速度完成产品创新，并提升真实世界运行的可预测性。

为了让数字孪生真正服务于工程开发，新思科技也在强化硬件辅助验证能力。软件定义的HAV通过软件升级即可让既有验证平台实现约2倍性能和1.5倍容量提升，使超大规模SoC能够更高效地完成虚拟原型验证与软件运行。同时，公司与英伟达合作，将Omniverse的数字化场景能力与新思科技的高保真多物理场仿真结合，推动数字孪生从设计、验证一直延伸到制造和真实系统开发。

“协同设计和数字孪生并非可有可无的选择，而是实现未来创新和产业变革的必备能力。而要实现这一未来，我们必须充分利用已经成熟且可行的技术，并以此为基础不断向前推进。”盖思新总结说。

面对AI渗透EDA的趋势，新思科技正在打造开放、可互操作的Agentic AI体系，将AI深度融入EDA工具和工作流，并支持客户将自研智能体与新思科技智能体混合部署。其中，情境智能（Context Intelligence）是实现可靠推理和可预测结果的关键，它将客户的工程知识、设计上下文与AI模型结合，支撑自主设计、自主验证等新一代工程能力。

“我们的最终目标是让工程师摆脱重复性工作，将更多精力投入真正创造差异化价值的系统创新中。”盖思新表示。

AI 可以重构设计，

但 Sign-off 永远不会消失

在与半导体行业观察等交流中，盖思新直言，AI 时代最大的变化不是设计效率提升，而是系统公司开始具备从产品规格、架构设计到 RTL 生成的能力。他表示，随着模型持续成熟，芯片公司的价值将逐渐从“设计通用芯片”转向“连接制造、封装、测试等供应链环节”，产业链的协作关系和价值创造方式也将随之重构。

他同时指出，AI 正在改变芯片设计的产业协作关系。未来，客户不仅可以开发自己的 Agent 完成规格定义、RTL 生成乃至物理设计等工作，系统公司与芯片公司的边界也将越来越模糊，这不是新的竞争，而是新的商业模式和产业分工。

因此，盖思新认为，未来真正的竞争优势，不在于固守原有角色，而在于能否主动适应并引领这一新的产业分工。而公司收购Ansys，则是拥抱这种变化的一个典型范例。他表示，新思收购 Ansys 的初衷，就是预判 Physical AI 将推动电子世界与物理世界深度融合。双方整合后，新思已形成覆盖芯片、EDA、多物理场仿真到系统设计的完整产品组合，并在收购完成仅 9 个月内推出首批融合产品，且已在客户项目中落地。

面对AI改变EDA这个趋势，盖思新指出，新思的思路是将每一款 EDA 工具的操作经验和最佳实践封装成 Task Agent，让智能体完成原本由工程师执行的单项任务。目前，任务智能体已经能够高效完成设计、验证等具体工作，甚至在工具知识掌握上超过人类工程师。

但他也同时强调，真正决定未来的是 Multi-Agent Orchestration（多智能体编排）。多个 Agent 如何协同推理、传递结果、规划下一步任务，仍然需要人类负责系统级决策；而无论协同能力如何提升，每个 Agent 的输出都必须经过验证与 Sign-off，确保满足性能、功耗和制造规则。

换而言之，在盖新思看来，Sign-off不可或缺。他解析说，AI 在芯片工程中承担的是生产力角色，而不是最终决策者。由于 AI 的输出具有概率性，任何设计结果在进入制造之前，都必须经过时序、功耗、热、电磁等多维度的 Sign-off（签核） 验证，确保满足设计规则与可制造性要求。

“未来将形成 ‘人类工程师 + 智能体工程师’ 的协同模式。智能体将接管工具配置、脚本编写和最佳实践执行等大量重复性工作，而人类工程师的核心职责将转向定义产品规格、监督智能体以及进行系统级决策。这两者通力合作，探索更大的设计空间、提升验证覆盖率。这这个过程中，真正不可替代的核心能力，始终是基于工程知识与多物理场验证的确定性签核。”盖思新重申。“智能体的价值不在于替代工程师，而是让工程师摆脱重复性工作，将更多精力投入真正创造差异化价值的系统创新。”盖思新强调。

在这种转变驱动下，盖思新认为，人类工程师未来最重要的能力不是掌握更多工具细节，而是持续学习、善于与 AI 协作，并不断适应快速演进的工程创新范式（Reengineering Engineering）。

在中国，连世界

凭借这些领先技术，新思科技为正在加速Physical AI落地的中国客户提供了极具竞争力的服务。

姚尧以理想汽车的马赫 M100芯片举例说，客户关注的不再只是芯片性能，而是芯片、AI 模型、软件、电池与整车系统如何协同设计与验证。新思科技通过 EDA、IP虚拟开发、硬件验证和数字孪生等能力，将软件开发和系统验证前移至流片前，实现系统级研发提效，这也是新思科技与Ansys融合的核心价值所在。

姚尧指出，中国市场正从技术跟随者转变为全球创新的前沿观察站，其价值不仅在于规模，更在于工程落地能力和需求创新。中国客户也更关注方案能否在成本、功耗和开发周期等现实约束下实现，推动系统级工程优化；同时，新能源汽车、机器人、AI终端等市场的高速迭代，使大量新需求率先在中国诞生，并逐步演变为全球产品的发展方向

基于这些判断，姚尧表示，新思科技将持续融合Agentic AI与多物理场仿真能力，深度融入中国创新生态，并以“在中国，连世界”为长期战略，投资人才、拥抱创新、连接全球。“新思中国的长期目标则是以更快响应需求、更深融入生态、更强连接全球，让中国创新成为全球技术能力的一部分。”姚尧强调。

点这里加关注，锁定更多原创内容

*免责声明：文章内容系作者个人观点，半导体芯闻转载仅为了传达一种不同的观点，不代表半导体芯闻对该观点赞同或支持，如果有任何异议，欢迎联系我们。

推荐阅读

喜欢我们的内容就点“在看”分享给小伙伴哦~