代理式AI崛起：重塑硅-封装-板协同设计的新范式(1)
一、典型困境：一场永远开不完的跨团队会议凌晨两点，某AI加速器项目的联合评审仍在进行。SI工程师刚刚演示完封装互连的反射仿真，话音未落，PI团队指出电源网络的IR Drop超标；热仿真团队随即警告，如果按照PI的建议加密去耦电容，局部热流密度将超出封装散热极限；EMI团队则在一旁沉默，因为他们知道，无论哪个方向的妥协都会让辐射发射指标再次越界。这不是极端案例，而是硅-封装-板（Silicon-Package-Board，SPB）协同设计领域每天都在上演的常规场景。四个团队、三个设计层次、四个物理域——信号
首日战报丨比昂芯展台火爆，AI+EDA 方案广受追捧
7月1日，2026慕尼黑上海电子展正式启幕。身为国家高新技术企业，比昂芯科技携核心产品重磅登场，有力印证了新一代自主可控工业EDA软件的雄厚实力。开展第一天，比昂芯科技W5.819号展位热度不减，专业团队全程坐镇，为来访客户进行一对一深度解读，现场交流气氛既专业又热烈。同时，BSim电路仿真V2.0也同步展出，引得众多客商驻足咨询。展会期间，比昂芯科技荣幸受邀接受央视总台社教节目中心科技专题部的专访，公司CEO张汝民博士详细阐述了企业布局及自主研发的核心产品，全方位展示了公司在自主创新领域的丰硕成果。本次
华为"韬定律"V2版论文正式发布，芯片产业发展将迎来哪些新机遇？
近日，在中国科学院科技论文预发布平台ChinaXiv上，华为董事、半导体业务部总裁何庭波公布了A time scaling theory for multi-layer electronic systems（《面向多层级电子系统的时间缩微理论》，业界称为"韬（τ）定律"）的第二版更新。 与5月25日首次发布的V1版本相比，新版本在保持原有理论框架的基础上，增添了详尽的工程实施细节、实际测试数据以及产品迭代路线图，进一步印证了"韬（τ）定律"作为半导体产业演进新准则的可行性。 "韬（τ）定律"V2版本发布后
工业AI迈向物理世界，研华生态峰会聚焦边缘智算
本期导读7 月 2 日，以 “边缘智算・共创未来” 为核心主题的2026 研华工业 AI 生态伙伴峰会于苏州圆满举办。本次大会汇聚600多位产业领袖、行业专家、产业链上下游伙伴与终端用户，围绕边缘智算、工业AI Agent和Physical AI的最新发展，深入智能制造、智慧能源、机器人、智能设备、智慧城市等行业的落地实践展开交流，共同探讨工业AI从试点验证到规模化落地的可行路径。研华董事长刘克振表示：“进入AI时代，产业发展的重点正逐步转向平台化能力与生态协同。面对这一趋势，研华持续推进"Edg
OpenAI亲自造芯仅9个月量产,国家同步出台7项AI新规!
最近科技圈彻底沸腾：OpenAI亲自下场造芯片，预计仅用9个月！与此同时，国家发布了7项AI重磅新规。一边是突飞猛进的技术，一边是落地的规范。这不仅是大厂之间的军备竞赛，更暗藏巨大的财富密码。当算力成本被大幅重构，普通人在风口里该如何破局？这不仅关乎认知，更关乎你的钱包。高科技芯片与人工智能算法结合OpenAI用9个月搞定芯片量产，打破了传统数年周期。这背后是AI大幅缩短了EDA（电子设计自动化）流程。国家的7项AI新规，实则是行业走向成熟的入场券。大量中小企业对合规要求一知半解，这便产生了巨大的信息差红
射频芯片设计瓶颈与AI破局之路
如今人人都在关注AI处理器，讨论英伟达显卡，热议计算力竞争。然而，一个更为基础的制约因素，正阻碍着整个无线通讯行业的发展，却鲜少有人深入探讨。那就是RFIC，即射频集成电路的设计效率。放眼全球，射频前端集成电路市场规模在2025年预计达255亿美元，到2034年或将猛增至481亿美元。每部iPhone内部都装配着Qorvo、Skyworks、Broadcom、Qualcomm的射频前端模组，而Starlink终端上1280个相控阵单元的背后，是数百颗RFIC芯片。但RFIC设计堪称半导体行业中自动化程度最
Cadence AI 荣膺 L5 级认证，全球首款全自主虚拟芯片工程师问世
by上海卫红EDA（致力于芯片IC版图、封装PKG及PCB设计的全链路学习读物，传递专业EDA信息）微信号：Shanghai_weihong关注本号掌握前沿EDA技术，如有疑问或建议，欢迎添加微信(Lavidlee)交流作者：晨晞专注于EDA设计资源、面试技巧及职场动态分享，助你快速洞察行业，实现从新手到高阶工程师的蜕变。觉得有用请点赞推荐，感谢支持...感谢您抽出..时间阅读本文这并非实验室的演示 Demo，而是已深度集成全球顶级 EDA 工具链的商业化产品。该 AI 超级智能体适配芯片全流程设计验证工
华大九天实现Chiplet设计重大进展
快科技6月9日讯 今日华大九天在投资者互动平台宣告重要技术进展，其先进封装EDA平台现已全面具备支撑高端AI芯片、GPU、高性能处理器等Chiplet芯粒设计的能力。在3DIC（三维集成电路）这一后摩尔时代关键技术领域，华大九天已前瞻构建覆盖异构集成三维芯片协同设计到验证的全流程解决之道，是目前国内唯一具备该全流程能力的EDA提供商。值得一提的是，华大九天推出的首款Argus 3DIC物理验证平台全面支持2.5D/3D异构集成封装设计，可实现从协同设计到封装的全链路物理验证。该平台独创的3D数据编织技术可
AI 深入晶圆厂：AI4EDA 的未来在于硅片闭环
此前多期内容都在强调一点：AI4EDA 不能仅盯着“代码生成能力”。若仅停留在 RTL 脚本编写或局部优化层面，很容易让 AI4EDA 变成一个看似聪明却与芯片交付脱节的工具。真正的芯片工程绝非一句 Prompt 便能终结。它贯穿需求、架构、RTL、验证、综合、布局布线、Signoff、DFT、ATPG、制造测试、良率分析及硅后调试。每一步都蕴含数据，每一步也都会留下痕迹。近期几则行业动态进一步印证了这一趋势。5 月 31 日，NVIDIA 与 TSMC 宣布将 AI 引入晶圆厂；5 月 28 日，Syn
华为韬定律5年内冲击1.4纳米等效性能？美国顶尖学者独家解析
每经记者｜岳楚鹏每经编辑｜金冥羽 兰素英 易启江 过去60多年间，全球半导体产业基本遵循英特尔联合创始人戈登·摩尔提出的"摩尔定律"：集成电路上的晶体管数量大约每18至24个月翻一番。 然而，随着先进制程日益接近物理极限和成本边界，"摩尔定律"的增长空间正在缩减，业界开始探索后摩尔时代的新路径。 在5月25日举行的IEEE国际电路与系统研讨会（ISCAS 2026）上，华为公司董事、半导体业务部总裁何庭波正式推出"韬（τ）定律"（Tau Scaling Law），旨在突破传统晶体管微缩路线，预计到2031
新思科技引领智能体AI重塑芯片设计新纪元
近年来，随着半导体行业对先进制程与AI算力近乎疯狂的追逐，芯片设计的复杂度也以指数级态势攀升。叠加AI应用规模化落地速度“远超人们想象”，市场对芯片的约束条件早已跳出传统PPA(功耗、性能、面积)等基础指标，包括安全性、稳定性在内的功能需求越来越多。“AI时代，芯片之中有什么这个概念被改变了，我们如何去设计芯片这个命题也被改变了。”新思科技首席产品管理官Ravi Subramanian日前在与《电子工程专辑》的对话中表示，新思科技之所以要提出“Re-engineering Engineering(重构工程
AI芯片热潮推动新思科技业绩大涨，探索新型收费模式
受益于AI芯片研发热潮，新思科技二季度营收同比增长42%，并上调全年业绩预期。EDA业务成为增长引擎，公司正尝试按芯片量产规模收取专利费的新模式，摆脱传统授权计费方式。云厂商自研芯片带动工具需求，依托技术优势，企业深度受益于AI半导体产业红利。5月27日美股收盘后，全球EDA龙头新思科技（Synopsys）公布2026财年第二季度财报（统计周期至4月30日），各项核心经营数据全面优于市场预期。受益于全球AI芯片研发热潮，企业同步上调本年度营收与盈利目标，同时披露正在与合作客户商讨全新计费方案，尝试按照单片
AI重塑硬件安全验证新格局
硬件安全：AI 时代的攻防新战场伴随人工智能技术的迅猛进步，强劲的 AI 模型正被应用于挖掘各类系统的安全隐患。当攻击范围由软件延伸至底层硬件时，风险呈几何级数上升。不同于软件，硬件一旦存在缺陷，难以靠“打补丁”迅速修补。故而，在硬件设计初期实施高阶安全验证，成为控制风险的核心途径。不过，传统安全验证流程极度仰赖专家经验，门槛高、周期长，难以契合日益迫切的安全诉求。Caspia：让 AI 化身你的安全验证专家为破解此难题，Caspia 公司发布了一款依托 AI 的安全验证方案，致力于让非专家用户也能高效开
AI驱动RTL设计：芯片前端智能化升级
寄存器传输级编码作为硬件设计的关键层级，运用Verilog、SystemVerilog、VHDL等硬件描述语言，在时钟边沿间构建数据流动模型。这构成数字芯片设计不可或缺的基础环节。该阶段输出可综合的寄存器传输级代码，直接影响四大关键指标：电路功能与设计规格的符合程度、代码的可综合特性、芯片的功耗性能面积边界、后续验证工作的难易程度与整体效率。Cadence ChipStack AI Super Agent于2026年2月发布，借助心智模型精准解读设计需求，消除理解偏差，能够自动化产出寄存器传输级代码、测试
AI赋能工业软件：从被动工具到主动智能体
人工智能正如同"电力"一般渗透到工业代码的每一个角落，将原本冰冷的工业软件从单纯的"工具"，进化为拥有智慧的"智能体"。今天，让我们一起探讨这场工业领域的"静默革命"。CAD作为工程师的"数字画笔"，在过去数十年间，工程师需要逐点逐线地在屏幕上描绘产品的形态。在人工智能介入之前，设计汽车零件需要依赖经验进行初步绘制，随后进行反复测试和修改。这种方法不仅耗时，而且设计师的想象力通常被局限于简单的几何形状。如今，人工智能将CAD转变为生成式设计工具。设计师只需输入关键参数，系统就能自动生成符合要求的创新结构方