Agentic AI重构芯片工程范式新思科技引领EDA迈入“融合十年”
2026 新思科技 开发者大会现场， 新思科技 总裁兼首席执行官 Sassine Ghazi（盖思新）以 “万物智能已来，未来工程重构（Reengineering the Future）” 为主题，系统阐述 “融合十年（The Convergence Decade）” 的产业判断：AI、计算架构、多物理仿真、系统工程多重技术浪潮交汇，正在改写从芯片到复杂智能系统的开发逻辑。以任务智能体为代表的 Agentic AI 不再只是 EDA 工具的附加功能，而是成为驱动产业变革的底层新层，推动芯片设计从人类主导的工具辅助模式，走向人类工程师与智能体协同工作的混合型工程模式。在这一轮范式转移之下， EDA 行业的技术路线、商业模式、人才能力边界、产业合作关系都正在发生深度重塑。
协同设计和数字孪生不是可选项，而是实现未来创新和产业变革的必备能力。我们正处在 “融合十年”，AI 与计算双向循环驱动，全栈优化已经成为产业必然要求。—— 新思科技 总裁兼首席执行官 Sassine Ghazi
融合十年到来：Physical AI 倒逼 EDA 走向全栈系统工程
当前行业正处在 AI 与计算双向互促的正向循环之中：GPU 算力的崛起托起 AI 大模型的爆发，而 AI 又反向驱动计算架构持续迭代升级。AI 大算力芯片、智能汽车、人形机器人等具身 AI（Physical AI）产品快速崛起，这类开放真实环境下运行的智能系统，对低功耗、低时延、安全性、环境适应性、成本可控性提出严苛约束，单一芯片设计已经无法解决全部问题，从硬件层、芯片层到上层智能应用的全栈优化成为产业刚需。
传统 EDA 长期聚焦芯片内部电子设计，而 Physical AI 时代的产品，大量故障根源来自热、机械应力、流体、电磁等物理效应。3D‑IC 堆叠带来的芯片翘曲、局部热过载，自动驾驶整车多域耦合，机器人多学科交互，都要求设计流程打通电子与物理仿真。过去企业约 90% 研发经费消耗在物理原型迭代，75% 原型工作用于排查故障，而 60% 的问题根源在设计早期就已经埋下，反复制作物理原型的模式，已经跟不上智能硬件快速迭代节奏。
新思科技在完成对 Ansys 收购之后，将 EDA 电子设计能力与 Ansys 多物理场仿真分析能力完成深度整合，构建起 “从芯片到系统（Silicon‑to‑Systems）” 完整技术底座。收购完成约 14 个月便推出多物理场融合量产产品，将时序签核、电磁仿真、热‑机械应力分析融入统一设计流程，把电子设计、结构仿真、材料分析、流体计算打通，支撑协同设计、数字孪生、 Agentic AI 三大核心战略方向，以此应对 Physical AI 时代的复杂系统挑战。
“协同设计、数字孪生不是可选项，是下一代创新的必备能力。”Sassine Ghazi 强调，协同设计分为纵向协同与横向协同。纵向协同已经被国内大量客户实践，实现芯片虚拟化，在流片之前并行开发芯片软件，芯片回片后即可完成软硬件集成，大幅压缩产品上市周期；横向协同则将协同思想拓展到电子、热、机械、流体多学科，是面向机器人、汽车等复杂系统的关键突破点。而数字孪生则通过高保真分层模型，把大量验证工作前置到虚拟环境。以汽车电子数字孪生为例，覆盖电子、结构材料、运行环境三大维度，在硬件尚未就绪的阶段，完成绝大多数软件与系统验证，理想汽车马赫 M100 项目实践显示，借助电子数字孪生、ZeBu、HAPS 硬件辅助验证平台，在芯片回片前即可完成约 90% 软件功能验证，有效降低流片风险，缩短整车研发周期。
图 新思科技 总裁兼首席执行官 Sassine Ghazi (右)与 新思科技全球副总裁兼中国区总裁姚尧（左）接受媒体采访
智能体不会取代工程师，未来将是人类工程师与智能体工程师组成的混合型劳动力；人类把重复性任务交给智能体，聚焦规格定义、系统判断与差异化创新。——新思科技总裁兼首席执行官 Sassine Ghazi
Agentic EDA 落地：从单点辅助走向多智能体协同的工程新范式
Agentic AI 是本次大会最受关注的技术方向。区别于过去单点 AI 辅助脚本生成、局部优化，任务智能体（Task Agents）针对 EDA 每一类专业任务打造专属智能体，调试智能体、覆盖率智能体各司其职，多个专业智能体编排协作，共同完成芯片设计、验证、收敛全流程。人类工程师聚焦规格定义、目标约束设定、结果审核与系统级决策；智能体承接重复繁琐的工具配置、脚本编写、日志分析、验证探索等工作，形成 “人做决策，智能体执行任务” 全新分工模式。
目前新思科技已经拥有超过三十种任务智能体，已经实现从规格定义到 RTL 的前端自主设计闭环，并且和英伟达、AMD、微软开展联合技术验证，实现自主调试收敛、电子热分析自动化等能力。Sassine Ghazi 指出，Agentic EDA 完整技术体系分为三层：底层是各类大模型，中间层是工程上下文（Context Intelligence），上层是 EDA 核心工具引擎。其中上下文是保障智能体输出可信结果的关键，承载企业沉淀的工程经验、设计约束、工艺规则，缺少领域上下文，大模型输出很容易出现工程幻觉，无法直接用于芯片制造。
产业普遍存在一种焦虑：AI 智能体是否会取代工程师？Sassine Ghazi 给出明确判断：智能体不会替代工程师，而是重构工程师的工作内容。未来将形成混合型劳动力：工程师不再需要耗费大量精力钻研工具参数、编写复杂脚本，但是必须强化系统级认知，理解物理边界，定义产品目标，监督智能体工作、审核输出结果。“真正被智能体接管的是重复性任务，人类保留创造力、系统判断与差异化决策。” 工程师的核心竞争力，从精通工具操作转向系统架构思考、对底层物理规律的理解，这是 AI 短期内无法替代的核心能力。
同时，行业也要正视 Agentic EDA 现阶段的现实瓶颈。当前最大制约不是大模型能力，而是算力与 Token 成本。智能体持续调用大模型与 EDA 工具，带来巨大基础设施开销，成本大头并非 EDA 软件许可，而是算力资源。企业需要权衡本地部署与云端调度，选择适配自身业务的模型，评估自研智能体或者复用厂商智能体，投资回报尚处在探索阶段。从行业落地现状看，几乎所有头部芯片企业都在评估 Agentic EDA，30 余家客户已经开展实际部署，但绝大多数企业还处于试点验证阶段，大规模普及尚需时日。
工程领域对结果确定性有零容错的硬性要求，芯片流片失败代价可达数亿美元，因此无论 AI 自主程度多高，签核（Sign‑off）流程不可跳过。智能体输出不能直接流入制造环节，每一步输出都必须经过完整验证、签核，确保满足时序、功耗、热效应、制造规则，保证可追溯、可审计。这也是新思科技的核心优势：依托长期积累的签核能力，叠加 Ansys 多物理场签核体系，给智能体的工程输出建立可靠的校验闸门，规避大模型概率性输出带来的工程风险。
图 新思科技 总裁兼首席执行官 Sassine Ghazi 与 新思科技全球副总裁兼中国区总裁姚尧在2026新思科技开发者大会现场 商业模式与产业生态重构：订阅 + 按量计费，模糊的竞合边界
Agentic AI 重塑工作流的同时，EDA 商业模式正在发生改变。传统 EDA 以多年期订阅许可为主，而智能体运行会短时间高频调用大量软件引擎资源，传统固定订阅模式难以匹配这种负载波动。新思科技提出订阅与按使用量（Consumption）计费混合模式：基础能力沿用多年订阅，当智能体运行带来突发大规模工具调用时，额外采用按使用量计费，给客户更大灵活度。同时新思科技坚持开放可互操作智能体栈，客户既可以直接使用新思科技全套智能体，也可以运行自研、开源智能体，调用新思底层工具引擎，保护客户自有知识产权与差异化工程经验，不会绑定客户只能使用厂商提供的智能体。这一商业化模式的更多细节，将在 9 月 30 日投资者日进一步披露。
AI 时代，传统客户、供应商、竞争对手的边界正在变得模糊。系统厂商可以直接给出产品规格，借助 Agentic EDA 生成 RTL，甚至完成部分物理设计，传统芯片公司的角色也随之发生变化，部分芯片企业未来会更多转向供应链管理专家，聚焦流片、封装、测试落地。这不是系统公司与芯片设计公司互相竞争，而是产业链价值分工重新洗牌。与此同时，EDA 厂商与算力巨头的生态联盟成为新常态，新思科技与英伟达的合作分为三大板块：GPU 加速 EDA 与多物理场仿真工具；联合打造面向芯片设计的 AI 平台；基于 Ansys 多物理场仿真，赋能英伟达 Omniverse 数字孪生平台，补齐其高保真物理仿真短板，共同支撑 Physical AI 的数字孪生开发。此外，与微软、AMD 合作推进自主调试、设计收敛流程，多方联合推进自主工程工作流落地。
IP 业务也随之迎来变革，新思科技提出 Factory One 与 Factory Two 双路线。Factory One 延续传统标准 IP 开发模式，一次开发多次销售；Factory Two 面向 AI 时代大量定制化芯片需求，提供定制 IP 开发服务，作为重要增长方向。面向 3D‑IC 蓬勃发展趋势，新思科技把多物理场能力融入 3D‑IC 设计流程，重点解决堆叠芯片热管理、晶圆翘曲开裂等物理层面的痛点，支撑芯粒异构集成架构大规模落地。
未来工程师有两样东西 AI 难以替代：对底层物理规律边界的理解，以及对系统产品需求的定义能力。工具操作可以交给 AI，但系统级思考的能力属于人。——新思科技总裁兼首席执行官 Sassine Ghazi
面向中国市场：Physical AI 是最大机遇，挑战来自组织方法论升级
中国市场制造业基础雄厚，汽车、人形机器人、AI 硬件迭代速度全球领先，是 Physical AI 创新的前沿阵地。新思科技全球副总裁兼中国区总裁姚尧表示，中国客户需求正在发生明显转变：过去聚焦芯片 PPA 指标优化，今天更多关注完整复杂系统，追求工程系统效率，即在成本、功耗、时间约束下，快速、可靠把完整产品推向市场。很多全球尚未大规模涌现的需求，率先在中国市场出现，经过验证之后反向输入全球产品路线，中国市场已经成为全球创新的观察站。
但国内企业落地协同设计、数字孪生、智能体 EDA，最大瓶颈不在于工具采购，而在于组织与工程方法论。传统企业内部芯片团队、软件团队、系统团队相互独立，时序上前后接力；而 Physical AI 时代芯片、软件、算法、物理环境深度耦合，需要跨学科团队早期协同，在设计早期共同发现问题。不同规模团队落地路径需要区分对待：大型企业具备完整跨学科团队，可以优先试点横向协同设计与电子数字孪生；中小团队优先从前端验证类任务智能体切入，循序渐进推进流程改造，避免盲目全流程大跃进。
人才层面，AI 浪潮下工程师的知识体系正在迭代。Sassine Ghazi 给新一代工程师的建议：两件事情永远无法被 AI 替代，一是底层物理学认知，理解物理世界的约束边界；二是系统需求定义能力。未来工程师不需要精通每一项 EDA 工具参数，但是必须具备系统视角，理解电子、热、机械、光学之间相互约束关系。持续快速学习，适应人机协同新模式，是工程师最重要的能力。“两年前大家认为自主设计还需要五年，今天已经走到生产环境，技术演进速度远超所有人预期。”
结语：技术快速演进，确定性藏在底层工程底座
Agentic AI 给半导体行业打开巨大生产力空间，但行业需要保持清醒认知：智能体可以加速设计流程，但无法绕开物理定律与签核验证。芯片设计的瓶颈正在发生迁移：AI 把设计、验证环节效率大幅提升，未来产业链瓶颈会逐步向制造端转移。即便三个月完成芯片设计，制造周期依然会约束新产品上市节奏，产业需要制造、封装、设计全链条协同进化，才能释放 AI 设计的全部潜力。
作为拥有 40 年历史、在中国深耕30多年的 EDA 厂商，新思科技将协同设计、数字孪生、Agentic AI 作为面向未来三大投资主线，依托收购 Ansys 之后 “芯片‑系统‑多物理场” 完整能力，构建开放的自主工程技术栈。而整个产业的命题，已经不再是 “要不要用 AI 做芯片设计”，而是如何用好智能体，平衡算力成本、工程可信度、组织变革，实现更快、更可靠的 “首次设计即成功”，迎接万物智能时代下的工程重构浪潮。