智能體如何改造芯片設計？新思科技掏出EDA家底，助攻中國創新

作者 | ZeR0 編輯 | 漠影 9月17日報道，昨日，在2026新思科技開發者大會上，新思科技總裁兼CEO蓋思新（Sassine Ghazi）提出重塑未來需要三項關鍵投資——協同設計、數字孿生、AI智能體，並分享了從芯片到系統的自主工程創新範式。其中，AI智能體加速融入工程研發流程，提升工程生產力；協同設計推動芯片、軟件與系統協同優化；電子數字孿生則通過高保真仿真和多物理場分析，加速產品設計、驗證與落地。作為全球EDA老大，新思科技提供從芯片到系統工程解決方案，其EDA工具幫助工程師完成芯片和半導體IP的數字設計、模擬設計、驗證與籤核，同時也在接口IP和基礎IP領域擁有重要業務。

該公司收購的Ansys則在材料、結構、光學、流體、電磁和熱分析等領域具備重要能力。蓋思新說，新思科技已經進入中國超過30年，中國創新正日益成為全球技術創新的重要部分，中國市場始終是新思科技的重要市場之一，新思科技將持續服務中國廣泛而充滿活力的客戶群體，同時進一步加強中國創新與全球創新之間的鏈接與協同，推動全球科技的共同發展。在他看來，隨著AI加速從數字世界走向物理世界，產業正迎來芯片、軟件、系統與物理規律深度融合的新階段。未來的創新將不再由單一技術突破定義，而將建立在跨領域協同設計與系統級創新之上。

新思科技全球副總裁兼中國區總裁姚堯在開場致辭時談道，新思中國的定位是“在中國，連世界”，希望未來10-20年持續投資中國人才，擁抱中國創新，深度融入中國生態，在真實場景中打磨技術，幫助中國企業更快擁抱全球創新。據他分享，隨著AI加速從數字世界邁向物理世界，產業創新正進入芯片、軟件、系統與現實環境深度融合的全新階段，物理AI將推動工程創新範式的深刻變革。姚堯說，中國是物理AI的重要創新策源地，擁有海量物理世界數據、豐富創新產業場景和強大工程師人才儲備。未來，AI競爭不僅取決於模型能力，更在於將智能快速轉化為現實生產力和產業價值的能力。

臺積電（中國）有限公司總經理羅鎮球說，臺積電與新思科技自成立之初便保持緊密合作，共同推動行業標準與技術演進。臺積電的先進工藝和先進封裝為AI發展提供動能。新思科技打造的DSO.AI和ASO.AI工具可協助客戶加速數字設計和模擬設計流程，加快產品上市時間。羅鎮球展示了臺積電先進邏輯工藝路線圖。當前臺積電2nm工藝已進入大批量生產階段，並持續推出N2P、N2S、N2U等衍生工藝，以及面向汽車電子的專用工藝。臺積電從A16節點引入背面供電技術，進一步提升芯片性能，A14、A13、A12等節點將在2030年前陸續推出。

鑑於摩爾定律帶來的晶體管密度提升放緩，臺積電用多種策略彌補落差，包括持續推進3D堆疊和2.5D先進封裝，以及在服務器及芯片間連接中開始用光取代銅。芯擎科技創始人、聯席董事長兼CEO汪凱博士談道，芯擎科技正從智能汽車主芯片供應商，成為面向端側智能的算力平臺，把經過汽車場景充分驗證的高可靠性體系延伸至具身智能、工業機器人計算多元端側場景，這一演進離不開新思這樣世界領先的EDA全鏈路工具、IP生態與系統級驗證能力的支撐。

一、芯片設計公司的定義發生變化，智能體成為新商業模式 在大會期間的媒體溝通會上，新思科技總裁兼CEO蓋思新告訴，未來一到兩年，芯片設計工程師和傳統芯片設計公司的定義都會發生變化，過去芯片設計需要大量專業人員逐步操作EDA工具，未來一家終端系統公司可以首先提出芯片規格，然後使用AI模型從規格生成RTL，再把RTL交給芯片設計公司或設計服務商，完成後續的驗證、物理實現和製造準備。隨著模型能力進一步提升，AI系統還可能繼續調用EDA工具，把流程從規格說明向下推進，依次完成RTL生成、功能檢查、驗證覆蓋、物理設計、設計收斂、製造前準備等步驟，但有一件事不會改變——籤核檢查清單。

無論芯片是由人類工程師設計、智能體輔助設計，還是由多個智能體完成大部分流程，在進入製造前，都必須通過相同的確定性檢查和籤核標準。因此，未來發生變化的是設計任務由誰執行、如何執行，不會變化的是最終產品必須滿足的製造、性能、可靠性和安全標準。客戶可能自己開發智能體，傳統系統公司可能參與更多芯片設計，新思科技則繼續提供智能體需要調用的EDA、IP、多物理場分析和籤核能力。蓋思新並未將客戶自研智能體視作對新思科技的直接競爭，而更願意將智能體視作一種新的商業模式，以及以及芯片設計方式的必然演進。他還談道，新思科技與所有晶圓廠合作，無論晶圓廠規模大小，都會幫助它們將製造規則和工藝能力接入芯片設計生態。

未來新思科技的智能體商業模式有兩類： 智能體訂閱，客戶可通過多年期訂閱使用新思科技提供的智能體。軟件使用量，智能體調用新思科技的軟件完成設計任務，就會產生相應的軟件使用量。新思科技將在今年9月30日舉行投資者日，屆時將分享更多關於智能體在EDA領域的商業化和變現方式。二、 中美AI生態的物理形態分化，物理AI需將芯片、軟件、機電協同 在開場致辭中，新思科技全球副總裁兼中國區總裁姚堯回顧了過去二十多年的半導體與高科技產業經歷，總結說科技發展本質是不斷縮短數字世界與現實世界的距離，主要經歷了三個階段： （1）萬物互聯時代（1980-2010）：互聯網普及，PC進入家庭，設備聯網形成數字世界。

新思科技通過EDA和IP技術幫助產業突破芯片設計邊界。（2）智能湧現時代（2010-2025）：移動互聯網與雲計算發展，ChatGPT掀開AI理解世界序幕，算力像水電一樣便捷調用。新思科技發佈業界首款支持六大標準的IP核、業界首個AI自主芯片設計解決方案DSO.ai、業界首個芯片生命週期管理平臺。（3）數實共生時代（2025年至今）：智能進入工廠、能源、物流等現實場景，數字深入參與現實世界運行。新思科技在2025年是夠Ansys，2026年推出Multiphysics Fusion解決方案，希望以協同設計新範式來引領從芯片到系統的創新。今年8月，一家美國智庫發佈了一份AI產業研究報告。

該報告從2萬多家公司篩出上千家真正參與AI開發的企業，試圖回答AI產業將往何處發展的問題。報告顯示，中美AI生態呈現“大腦趨同，身體分化”的特點，模型即服務、從零訓練基礎大模型的企業佔比大致相當，選用的底層技術路線分佈也相似，但物理形態與應用場景差異明顯，比如美國純軟件公司佔比61%，中國僅26%，中國做機器人和自動駕駛領域的公司佔比更高，美國更多用強化學習來調教大語言模型，中國更多用強化模型優化機器人行動。姚堯用達爾文雀鳥的“適應輻射”來類比，不同環境造成了這些形態差異，每個生態都將AI裝進他們認為最值得的場景裡。生物進化沒有終點，AI也是。如何未來AI要真正走入現實世界，到底什麼最重要？

姚堯引用了近期馬斯克在G20峰會上提出的一個核心公式： 通用人形機器人的有用程度 = 機器人芯片水平 × AI軟件水平 × 機電靈巧度 。機電結構與芯片性能決定感知與決策速度，如果時延過長，精密機械無法發揮效能。AI賦予機器人語義、空間及物理泛化能力，使其從精密機器升級為能理解物理規律並最終完成任務的智能體 。因此，物理AI不是簡單的將大模型裝進機器人，而是把AI芯片、機電、軟件等能力協同起來。這也是為什麼新思科技不僅持續投入生成式AI，同時也融合了多物理場仿真等領銜能力，構建物理AI時代所需的系統級創新解決方案。

三、三大關鍵投資：協同設計、數字孿生、AI智能體 新思科技總裁兼CEO蓋思新談道，我們正在進入“技術融合的十年”，AI位於這場融合的中心，GPU推動了AI計算速度的提升，AI又開始反過來幫助優化計算架構和芯片設計，AI與算力之間形成的強循環將成為未來技術發展的重要基礎。在他看來，要實現泛在智能，僅有模型不夠，還需要更廣泛的半導體能力，也需要用軟件定義新一代智能系統。未來的機器人、無人機和汽車，都需要從芯片、硬件、軟件一直到智能模型進行全棧優化。進入推理時代，要實現具身智能的廣泛部署，必須同時優化功耗、時延、安全、環境適應能力和成本。新思科技於2025年7月完成對Ansys的收購。

收購後，新思科技已有的EDA和半導體IP能力，與Ansys的仿真和分析能力結合，使其產品組合從芯片設計擴展到多物理場仿真和系統級分析。這項能力不僅服務於物理AI。今天設計先進芯片時，客戶面對的已經不只是電子問題，還有很多關鍵的物理問題，包括熱、結構、應力、流體和電磁效應。這也是為什麼需要一套真正覆蓋從芯片到系統的完整工程產品組合。圍繞物理AI時代的工程挑戰，蓋思新分享了新思科技三大創新方向：協同設計、數字孿生、AI智能體。1、協同設計：從單點優化走向系統級優化，物理分析放進EDA流程 協同設計時，首先要從系統層面思考問題。

要提升系統的設計效率，工程師必須跨越多個工程領域，同時考慮電子、電氣、熱、機械、結構和流體等問題，並對這些領域進行統一建模與協同優化，最終目標是在規定時間內交付可靠、經濟、安全且有競爭力的產品。協同設計可分為縱向協同設計和橫向協同設計。縱向協同設計是在一個工程技術鏈條內部進行優化，橫向協同設計是跨越電子、電氣、熱、機械、流體、電磁和材料等不同學科進行聯合優化。協同設計要求企業與OEM和各級供應商密切合作，不只是獲得硬件數據，還要理解各方的技術路線圖、產品願景以及市場執行計劃，由此建立反饋閉環。

新思科技的協同設計能力經歷了長期演進，最初以邏輯綜合工具起家，之後逐步擴展到佈局佈線、時序分析和其他籤核引擎。這些工具早期彼此獨立，通過不同的接口和數據鏈路連接，後來被融合到統一平臺，使設計結果更容易收斂，也更具有可預測性。籤核級準確性以及從仿真到現實的相關性至關重要。隨著芯片演變為面向AI的“超級芯片”，物理籤核必須更早進入設計流程。過去一年，新思科技一直在把物理仿真與電子設計融合起來，並推出了第一批Multiphysics Fusion產品，覆蓋時序籤核、多die、模擬設計和設計收斂等環節，旨在減少設計迭代和過度設計。其首批產品已開放客戶部署，並在部分客戶項目和生產設計流程中得到驗證。

具備推理能力的機器人會使用多顆芯片。這些芯片必須彼此連接，才能在運動控制、VLA（視覺-語言-動作）模型、推理、傳感器和內存之間傳輸數據。新思科技希望通過規模化、高質量的接口IP幫助客戶降低集成風險，其重點佈局的方向包括224G Serdes、PCIe 8.0、HBM4等，這些接口IP通過測試芯片進行驗證，部分已進入客戶實際系統。新思科技還在探索把原有芯片設計能力與Ansys物理仿真能力結合，用於電池設計、汽車系統、共封裝光學，以及從芯片到系統的協同設計。

2、數字孿生：把實體試錯轉移到虛擬世界 高質量的數字孿生需要具備準確性、適應性、靈活性、可擴展性，目標是降低成本、加快創新，並提高產品在現實世界運行時的可預測性。以汽車為例，汽車數字孿生是一個包含物理系統、電子系統和外部環境的複雜系統級模型，並需要跨領域協同優化。物理數字孿生：用於模擬車輛結構、材料、熱、流體和其他物理行為。電子數字孿生：用於模擬芯片、接口、電子系統和軟件之間的關係。環境數字孿生：用於構建道路、交通參與者和其他外部環境的數字表示。

電子數字孿生方面，新思科技Electronics Digital Twin是一個開放的電子數字孿生平臺，覆蓋從供應鏈、芯片到雲基礎設施、軟件和智能測試自動化的完整電子系統鏈條。同時，新思科技正在推動軟件定義硬件輔助驗證，即在不更換底層硬件的情況下，通過軟件更新提高系統性能、容量和調試效率。其硬件仿真系統ZeBu服務器可實現2倍的容量、2倍的性能和3倍的調試生產力，支撐更大的模型和完整的大模型性能驗證。

環境數字孿生方面，新思科技與英偉達已達成合作，英偉達Omniverse可以為工廠、汽車、衛星和機器人建立可視化的數字表示，並支持物理AI場景的設計與協作，新思科技Ansys則提供高保真、高精度的多物理場仿真工具。客戶可以使用Omniverse完成產品和環境的數字表示，再通過Ansys的物理仿真技術驗證產品在真實條件下的表現，從而構建具備高保真物理屬性的環境數字孿生，使仿真結果可以更可靠地遷移到現實世界。3、AI智能體：未來是人類工程師與AgentEngineer協作 AI的發展正在推動芯片複雜度上升，越來越多軟件定義的智能系統又要求採用新的工程開發方法。

過去30多年，新思科技投入大量資源，為人類工程師設計軟件界面。未來，客戶可以選擇不同方式把AI接入新思科技平臺，既可以選用新思科技的智能體，又可以接入自己的智能體、數據和基礎設施，整個系統開放並具備互操作性。新思科技正在投資任務級智能體，目前已擁有30多個任務級智能體。每個任務級智能體都是某個工具或任務的“專家用戶”。人類工程師負責定義規格、提出要求、檢查結果並提供指導，智能體負責執行具體工作。當多個任務級智能體開始協作時，就形成了領域級多智能體系統。

例如，在驗證過程中，調試智能體負責定位問題，覆蓋率智能體負責判斷測試是否充分，測試智能體負責生成或調整測試，驗證智能體負責執行工具和檢查結果，上層智能體負責安排調用順序和整體策略。更高一層的是長時運行智能體，它能跨多個工程領域進行復雜編排和推理，執行持續時間更長、步驟更多的工程任務。不過，智能體能否產生可信結果，關鍵取決於獲得多少工程上下文。這些上下文包括客戶的設計規則、歷史項目數據、企業工程經驗、專有IP、工具使用方法、質量標準和驗證要求。

今年美國設計自動化大會DAC上，新思科技與多家合作伙伴展示了相關能力，包括與英偉達合作的自主設計與驗證收斂、自主式電熱分析，與AMD、微軟合作的自主調試收斂和實現工作流，並與其他頂級半導體及系統公司實現了翻倍的token效率和更好的芯片質量。結語：未來智能體將成為調用EDA工具的得力助手 蓋思新希望大家認識到兩件事：一是未來沒有AI的支持，工程師可能無法完成越來越複雜的工作；二是實現未來創新仍然需要更多人才和更多工程師。他相信，最終能夠勝出的企業和個人，將是主動學習和使用AI、積極適應未來工作方式的人。

協同設計和數字孿生是未來產品創新的必要條件，必須將他們提升到更高的複雜度與成熟度，才能以可控成本按時推出有競爭力的產品。部署長時運行、多智能體工程系統需要消耗大量算力，因此未來的智能體工程平臺不僅要提高設計效率，還必須控制Token消耗和計算資源使用。未來，AI智能體將輔助有效調用成熟EDA工具，成為驗證工程師、實現工程師、機械工程師或流體工程師的助手。這也給以新思科技為代表的EDA企業提出要求：必須持續提供最好的創新能力，支持客戶把他們設想的產品真正設計出來。