AI算力走向系统级，2026芯和半导体用户生态大会聚焦STCO与AI for EDA
10月30日，2026 芯和半导体 用户生态大会 在上海举办，主题为“芯跃系统，智驭万变”。超千名产业链企业和高校代表围绕 STCO （芯片到系统的协同优化）、 系统级 EDA和 AI for EDA展开交流。 芯和半导体 在会上发布了EDA2027版本。
中国半导体行业协会副秘书长陈文在致辞中表示，人工智能正在推动半导体产业创新从制程微缩转向系统集成。她肯定了芯和近年来沿“从芯片到系统”方向持续拓展 系统级 EDA能力的探索，并期待芯和继续夯实多物理仿真这块“压舱石”，推动 AI 多智能体与EDA的融合。
赛迪研究院集成电路所所长周峰则从产业规划角度指出，先进封装、多芯片集成和EDA已被列为“十五五”产业基础能力的重点，EDA需要从单点工具进一步走向系统化、智能化。
算力看系统，设计要协同
芯和半导体 董事长凌峰博士在开幕演讲中指出， AI 正在改变衡量算力的方式。过去芯片性能以单颗芯片为准；进入AI时代，计算单元已扩展为机柜乃至集群，算力高低要看整个系统的Token产出效率和综合成本。
他用木桶理论解释：系统算力取决于算力、存力、运力、电力中最短的一块，任何一个环节掉队，芯片再强也难以发挥。而这几块“木板”之间相互牵连，热会影响电，电又会影响信号，各自优化已难以解决问题。
因此，凌峰认为 STCO 势在必行：要求设计从一开始就站在系统层面，以整体能效和成本为目标，把芯片、封装、板卡直至机柜放在一起考虑，让电、热、力、光等多物理问题在设计前期得到协同解决。
据其介绍，芯和以 系统级 设计与多物理场仿真能力为基础，向上引入AI智能体，向外将仿真工具从芯片一路扩展到整机，并已通过与产业链伙伴的多项合作推动 STCO 落地。
圆桌：AI时代的STCO系统设计
上午的《AI时代的STCO系统设计》圆桌由芯和半导体总裁代文亮博士主持，沐曦CTO彭莉、立讯技术CPO陈琼南、村田SVP封明安、武汉新芯CTO周俊、江波龙高级技术专家田福俊参与讨论，覆盖AI芯片、存储、先进封装、高速互连、核心器件和互连整机等AI硬件产业链关键环节。
来自不同产业位置的嘉宾形成了一致的判断：AI时代，局部最优已经越来越难以保证系统最优。 芯片、封装、存储、互连、供电和散热之间的相互影响日益增强。立讯技术CPO陈琼南提到，如果缺少系统级联合仿真，问题往往要到后期才能发现，一次设计修改带来的成本可能高达数千万元。
这也正是STCO的价值所在：让不同环节围绕同一个系统目标更早协同，让模型、数据和多物理仿真真正贯穿设计过程。随着设计空间不断扩大，AI也将承担更多方案探索和优化工作，但最终仍需要专业EDA和可信物理仿真完成工程验证。“系统级EDA让我们从芯片看到系统， AI for EDA 则让AI真正进入设计主流程。”代文亮博士总结道。
AI真正进入设计主流程
联想集团首席工程师&总监莫志坚分享了联想与芯和历时一年多联合打造EDA Agent 2.0的实践。联想集团首席工程师&总监莫志坚分享了联想与芯和历时一年多联合打造EDA Agent 2.0的实践。现场演示中，EDA Agent已经从单点辅助走向多智能体协同，从解答设计规范、承担建库和布局布线，到边设计边检查，覆盖了多个研发环节，从读取器件手册到输出DDR分析报告，全程自动完成。该流程使设计迭代效率提升约5倍，人工操作减少约90%。
芯和半导体研发副总裁蒋历国现场发布EDA2027版本。除全新的3DIC PDK和光电联合仿真平台外，本次发布更重要的变化是： AI for EDA 开始从单点功能走向平台化和产品化。Agentic AI超级智能体平台AgentEvo负责理解设计任务、编排工程流程并调用专业EDA工具，推动AI从辅助操作进一步进入真实设计流程。Physics AI可信物理智能底座XAI则利用AI进行建模、预测和优化，扩大工程师可探索的设计空间。这两大核心AI能力最终都建立在芯和系统级EDA和多物理仿真能力之上，形成“AI探索、专业EDA验证”的闭环。
分论坛：STCO与 AI for EDA 真实工程实践
下午分论坛环节，芯和联合用户生态合作伙伴进一步把STCO与AI for EDA落到真实工程实践中。围绕从芯片到系统的协同优化，海光信息、豪威、昂瑞微从芯片设计出发，芯耀辉、易卜半导体聚焦先进封装与CPO，一博科技、安捷利美维从PCB与板卡切入，光本位科技、烽火通信延伸到高速光电互连，爱德万、季丰电子则从测试验证环节补上设计闭环，共同呈现出从芯片、封装、板卡、互连到系统验证的完整链路。在AI for EDA方向，诺瓦星云分享了AI进入板级设计和多物理仿真的实际应用。上海交通大学、浙江大学也分享了相关学术研究成果。
从本届大会可以看出，沿着STCO与AI for EDA两条主线，芯和系统级EDA正在不断拓展国产EDA的价值边界，也为中国EDA进入AI计算基础设施和下一代智能系统设计提供了新的实践样本。