股票配资系统
智东西
作者 | ZeR0
编辑 | 漠影
智东西9月17日报道，昨日，在2026新思科技开发者大会上，新思科技总裁兼CEO盖思新（Sassine Ghazi）提出重塑未来需要三项关键投资——协同设计、数字孪生、AI智能体，并分享了从芯片到系统的自主工程创新范式。
其中，AI智能体加速融入工程研发流程，提升工程生产力；协同设计推动芯片、软件与系统协同优化；电子数字孪生则通过高保真仿真和多物理场分析，加速产品设计、验证与落地。
作为全球EDA老大，新思科技提供从芯片到系统工程解决方案，其EDA工具帮助工程师完成芯片和半导体IP的数字设计、模拟设计、验证与签核，同时也在接口IP和基础IP领域拥有重要业务。该公司收购的Ansys则在材料、结构、光学、流体、电磁和热分析等领域具备重要能力。
盖思新说，新思科技已经进入中国超过30年，中国创新正日益成为全球技术创新的重要部分，中国市场始终是新思科技的重要市场之一，新思科技将持续服务中国广泛而充满活力的客户群体，同时进一步加强中国创新与全球创新之间的链接与协同，推动全球科技的共同发展。
在他看来，随着AI加速从数字世界走向物理世界，产业正迎来芯片、软件、系统与物理规律深度融合的新阶段。未来的创新将不再由单一技术突破定义，而将建立在跨领域协同设计与系统级创新之上。
新思科技全球副总裁兼中国区总裁姚尧在开场致辞时谈道，新思中国的定位是“在中国，连世界”，希望未来10-20年持续投资中国人才，拥抱中国创新，深度融入中国生态，在真实场景中打磨技术，帮助中国企业更快拥抱全球创新。
据他分享，随着AI加速从数字世界迈向物理世界，产业创新正进入芯片、软件、系统与现实环境深度融合的全新阶段，物理AI将推动工程创新范式的深刻变革。
姚尧说，中国是物理AI的重要创新策源地，拥有海量物理世界数据、丰富创新产业场景和强大工程师人才储备。未来，AI竞争不仅取决于模型能力，更在于将智能快速转化为现实生产力和产业价值的能力。
台积电（中国）有限公司总经理罗镇球说，台积电与新思科技自成立之初便保持紧密合作，共同推动行业标准与技术演进。台积电的先进工艺和先进封装为AI发展提供动能。新思科技打造的DSO.AI和ASO.AI工具可协助客户加速数字设计和模拟设计流程，加快产品上市时间。
罗镇球展示了台积电先进逻辑工艺路线图。当前台积电2nm工艺已进入大批量生产阶段，并持续推出N2P、N2S、N2U等衍生工艺，以及面向汽车电子的专用工艺。台积电从A16节点引入背面供电技术，进一步提升芯片性能，A14、A13、A12等节点将在2030年前陆续推出。
鉴于摩尔定律带来的晶体管密度提升放缓，台积电用多种策略弥补落差，包括持续推进3D堆叠和2.5D先进封装，以及在服务器及芯片间连接中开始用光取代铜。
芯擎科技创始人、联席董事长兼CEO汪凯博士谈道，芯擎科技正从智能汽车主芯片供应商，成为面向端侧智能的算力平台，把经过汽车场景充分验证的高可靠性体系延伸至具身智能、工业机器人计算多元端侧场景，这一演进离不开新思这样世界领先的EDA全链路工具、IP生态与系统级验证能力的支撑。
一、芯片设计公司的定义发生变化，智能体成为新商业模式
在大会期间的媒体沟通会上，新思科技总裁兼CEO盖思新告诉智东西，未来一到两年，芯片设计工程师和传统芯片设计公司的定义都会发生变化，过去芯片设计需要大量专业人员逐步操作EDA工具，未来一家终端系统公司可以首先提出芯片规格，然后使用AI模型从规格生成RTL，再把RTL交给芯片设计公司或设计服务商，完成后续的验证、物理实现和制造准备。
随着模型能力进一步提升，AI系统还可能继续调用EDA工具，把流程从规格说明向下推进，依次完成RTL生成、功能检查、验证覆盖、物理设计、设计收敛、制造前准备等步骤，但有一件事不会改变——签核检查清单。
无论芯片是由人类工程师设计、智能体辅助设计，还是由多个智能体完成大部分流程，在进入制造前，都必须通过相同的确定性检查和签核标准。
因此，未来发生变化的是设计任务由谁执行、如何执行，不会变化的是最终产品必须满足的制造、性能、可靠性和安全标准。
客户可能自己开发智能体，传统系统公司可能参与更多芯片设计，新思科技则继续提供智能体需要调用的EDA、IP、多物理场分析和签核能力。
盖思新并未将客户自研智能体视作对新思科技的直接竞争，而更愿意将智能体视作一种新的商业模式，以及以及芯片设计方式的必然演进。
他还谈道，新思科技与所有晶圆厂合作，无论晶圆厂规模大小，都会帮助它们将制造规则和工艺能力接入芯片设计生态。
未来新思科技的智能体商业模式有两类：
智能体订阅，客户可通过多年期订阅使用新思科技提供的智能体。
软件使用量，智能体调用新思科技的软件完成设计任务，就会产生相应的软件使用量。
新思科技将在今年9月30日举行投资者日，届时将分享更多关于智能体在EDA领域的商业化和变现方式。
二、 中美AI生态的物理形态分化，物理AI需将芯片、软件、机电协同
在开场致辞中，新思科技全球副总裁兼中国区总裁姚尧回顾了过去二十多年的半导体与高科技产业经历，总结说科技发展本质是不断缩短数字世界与现实世界的距离，主要经历了三个阶段：
（1）万物互联时代（1980-2010）：互联网普及，PC进入家庭，设备联网形成数字世界。新思科技通过EDA和IP技术帮助产业突破芯片设计边界。
（2）智能涌现时代（2010-2025）：移动互联网与云计算发展，ChatGPT掀开AI理解世界序幕，算力像水电一样便捷调用。新思科技发布业界首款支持六大标准的IP核、业界首个AI自主芯片设计解决方案DSO.ai、业界首个芯片生命周期管理平台。
（3）数实共生时代（2025年至今）：智能进入工厂、能源、物流等现实场景，数字深入参与现实世界运行。新思科技在2025年是够Ansys，2026年推出Multiphysics Fusion解决方案，希望以协同设计新范式来引领从芯片到系统的创新。
今年8月，一家美国智库发布了一份AI产业研究报告。该报告从2万多家公司筛出上千家真正参与AI开发的企业，试图回答AI产业将往何处发展的问题。
报告显示，中美AI生态呈现“大脑趋同，身体分化”的特点，模型即服务、从零训练基础大模型的企业占比大致相当，选用的底层技术路线分布也相似，但物理形态与应用场景差异明显，比如美国纯软件公司占比61%，中国仅26%，中国做机器人和自动驾驶领域的公司占比更高，美国更多用强化学习来调教大语言模型，中国更多用强化模型优化机器人行动。
姚尧用达尔文雀鸟的“适应辐射”来类比，不同环境造成了这些形态差异，每个生态都将AI装进他们认为最值得的场景里。生物进化没有终点，AI也是。
如何未来AI要真正走入现实世界，到底什么最重要？姚尧引用了近期马斯克在G20峰会上提出的一个核心公式：
通用人形机器人的有用程度 = 机器人芯片水平 × AI软件水平 × 机电灵巧度 。
机电结构与芯片性能决定感知与决策速度，如果时延过长，精密机械无法发挥效能。AI赋予机器人语义、空间及物理泛化能力，使其从精密机器升级为能理解物理规律并最终完成任务的智能体 。
因此，物理AI不是简单的将大模型装进机器人，而是把AI芯片、机电、软件等能力协同起来。这也是为什么新思科技不仅持续投入生成式AI，同时也融合了多物理场仿真等领衔能力，构建物理AI时代所需的系统级创新解决方案。
三、三大关键投资：协同设计、数字孪生、AI智能体
新思科技总裁兼CEO盖思新谈道，我们正在进入“技术融合的十年”，AI位于这场融合的中心，GPU推动了AI计算速度的提升，AI又开始反过来帮助优化计算架构和芯片设计，AI与算力之间形成的强循环将成为未来技术发展的重要基础。
在他看来，要实现泛在智能，仅有模型不够，还需要更广泛的半导体能力，也需要用软件定义新一代智能系统。未来的机器人、无人机和汽车，都需要从芯片、硬件、软件一直到智能模型进行全栈优化。
进入推理时代，要实现具身智能的广泛部署，必须同时优化功耗、时延、安全、环境适应能力和成本。
新思科技于2025年7月完成对Ansys的收购。收购后，新思科技已有的EDA和半导体IP能力，与Ansys的仿真和分析能力结合，使其产品组合从芯片设计扩展到多物理场仿真和系统级分析。
这项能力不仅服务于物理AI。今天设计先进芯片时，客户面对的已经不只是电子问题，还有很多关键的物理问题，包括热、结构、应力、流体和电磁效应。
这也是为什么需要一套真正覆盖从芯片到系统的完整工程产品组合。
围绕物理AI时代的工程挑战，盖思新分享了新思科技三大创新方向：协同设计、数字孪生、AI智能体。
1、协同设计：从单点优化走向系统级优化，物理分析放进EDA流程
协同设计时，首先要从系统层面思考问题。要提升系统的设计效率，工程师必须跨越多个工程领域，同时考虑电子、电气、热、机械、结构和流体等问题，并对这些领域进行统一建模与协同优化，最终目标是在规定时间内交付可靠、经济、安全且有竞争力的产品。
协同设计可分为纵向协同设计和横向协同设计。纵向协同设计是在一个工程技术链条内部进行优化，横向协同设计是跨越电子、电气、热、机械、流体、电磁和材料等不同学科进行联合优化。
协同设计要求企业与OEM和各级供应商密切合作，不只是获得硬件数据，还要理解各方的技术路线图、产品愿景以及市场执行计划，由此建立反馈闭环。
新思科技的协同设计能力经历了长期演进，最初以逻辑综合工具起家，之后逐步扩展到布局布线、时序分析和其他签核引擎。这些工具早期彼此独立，通过不同的接口和数据链路连接，后来被融合到统一平台，使设计结果更容易收敛，也更具有可预测性。
签核级准确性以及从仿真到现实的相关性至关重要。随着芯片演变为面向AI的“超级芯片”，物理签核必须更早进入设计流程。
过去一年，新思科技一直在把物理仿真与电子设计融合起来，并推出了第一批Multiphysics Fusion产品，覆盖时序签核、多die、模拟设计和设计收敛等环节，旨在减少设计迭代和过度设计。其首批产品已开放客户部署，并在部分客户项目和生产设计流程中得到验证。
具备推理能力的机器人会使用多颗芯片。这些芯片必须彼此连接，才能在运动控制、VLA（视觉-语言-动作）模型、推理、传感器和内存之间传输数据。
新思科技希望通过规模化、高质量的接口IP帮助客户降低集成风险，其重点布局的方向包括224G Serdes、PCIe 8.0、HBM4等，这些接口IP通过测试芯片进行验证，部分已进入客户实际系统。
新思科技还在探索把原有芯片设计能力与Ansys物理仿真能力结合，用于电池设计、汽车系统、共封装光学，以及从芯片到系统的协同设计。
2、数字孪生：把实体试错转移到虚拟世界
高质量的数字孪生需要具备准确性、适应性、灵活性、可扩展性，目标是降低成本、加快创新，并提高产品在现实世界运行时的可预测性。
以汽车为例，汽车数字孪生是一个包含物理系统、电子系统和外部环境的复杂系统级模型，并需要跨领域协同优化。
物理数字孪生：用于模拟车辆结构、材料、热、流体和其他物理行为。
电子数字孪生：用于模拟芯片、接口、电子系统和软件之间的关系。
环境数字孪生：用于构建道路、交通参与者和其他外部环境的数字表示。
电子数字孪生方面，新思科技Electronics Digital Twin是一个开放的电子数字孪生平台，覆盖从供应链、芯片到云基础设施、软件和智能测试自动化的完整电子系统链条。
同时，新思科技正在推动软件定义硬件辅助验证，即在不更换底层硬件的情况下，通过软件更新提高系统性能、容量和调试效率。其硬件仿真系统ZeBu服务器可实现2倍的容量、2倍的性能和3倍的调试生产力，支撑更大的模型和完整的大模型性能验证。
环境数字孪生方面，新思科技与英伟达已达成合作，英伟达Omniverse可以为工厂、汽车、卫星和机器人建立可视化的数字表示，并支持物理AI场景的设计与协作，新思科技Ansys则提供高保真、高精度的多物理场仿真工具。
客户可以使用Omniverse完成产品和环境的数字表示，再通过Ansys的物理仿真技术验证产品在真实条件下的表现，从而构建具备高保真物理属性的环境数字孪生，使仿真结果可以更可靠地迁移到现实世界。
3、AI智能体：未来是人类工程师与AgentEngineer协作
AI的发展正在推动芯片复杂度上升，越来越多软件定义的智能系统又要求采用新的工程开发方法。
过去30多年，新思科技投入大量资源，为人类工程师设计软件界面。未来，客户可以选择不同方式把AI接入新思科技平台，既可以选用新思科技的智能体，又可以接入自己的智能体、数据和基础设施，整个系统开放并具备互操作性。
新思科技正在投资任务级智能体，目前已拥有30多个任务级智能体。
每个任务级智能体都是某个工具或任务的“专家用户”。人类工程师负责定义规格、提出要求、检查结果并提供指导，智能体负责执行具体工作。
当多个任务级智能体开始协作时，就形成了领域级多智能体系统。例如，在验证过程中，调试智能体负责定位问题，覆盖率智能体负责判断测试是否充分，测试智能体负责生成或调整测试，验证智能体负责执行工具和检查结果，上层智能体负责安排调用顺序和整体策略。
更高一层的是长时运行智能体，它能跨多个工程领域进行复杂编排和推理，执行持续时间更长、步骤更多的工程任务。
不过，智能体能否产生可信结果，关键取决于获得多少工程上下文。这些上下文包括客户的设计规则、历史项目数据、企业工程经验、专有IP、工具使用方法、质量标准和验证要求。
今年美国设计自动化大会DAC上，新思科技与多家合作伙伴展示了相关能力，包括与英伟达合作的自主设计与验证收敛、自主式电热分析，与AMD、微软合作的自主调试收敛和实现工作流，并与其他顶级半导体及系统公司实现了翻倍的token效率和更好的芯片质量。
结语：未来智能体将成为调用EDA工具的得力助手
盖思新希望大家认识到两件事：一是未来没有AI的支持，工程师可能无法完成越来越复杂的工作；二是实现未来创新仍然需要更多人才和更多工程师。
他相信，最终能够胜出的企业和个人，将是主动学习和使用AI、积极适应未来工作方式的人。
协同设计和数字孪生是未来产品创新的必要条件，必须将他们提升到更高的复杂度与成熟度，才能以可控成本按时推出有竞争力的产品。
部署长时运行、多智能体工程系统需要消耗大量算力，因此未来的智能体工程平台不仅要提高设计效率，还必须控制Token消耗和计算资源使用。
未来，AI智能体将辅助有效调用成熟EDA工具，成为验证工程师、实现工程师、机械工程师或流体工程师的助手。
这也给以新思科技为代表的EDA企业提出要求：必须持续提供最好的创新能力股票配资系统，支持客户把他们设想的产品真正设计出来。
牛配资提示：文章来自网络，不代表本站观点。
