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(重构工程创新)”理念，就是希望打破过往AI单点优化的局限，让智能体AI(Agentic AI)尽早成为驱动行业迭代的核心变量。
新思科技首席产品管理官Ravi Subramanian
智能体AI重构芯片工程逻辑
在Ravi看来，芯片设计产业正迎来两大关键变化：一是AI应用重塑了芯片架构的定义逻辑;二是沿用多年的标准化工程研发流程，即“架构规划—分层设计—验证—实现—量产”，将迎来全新的系统性革新。
于是，他将目前AI介入芯片设计的过程分为四个阶段：早期AI落地停留在结果优化层面，整套研发链路保持不变，只通过AI算法优化设计输出指标。进入第二阶段后，AI开始承接部分重复性工作以实现流程自动化，但全流程统筹与项目主导权依旧掌握在工程师手中。此后，AI化身工程师研发助手，嵌入原有工作流承担细分零散任务，优化作业效率，但仍然无法撼动既定研发顺序。
变革的质变发生在第四阶段，也是新思“重构工程创新”理念的核心落脚点。此时智能体AI将跳出工具属性，化身为与工程师并行协作的研发伙伴，不再被动遵从既定工序，而是能够结合项目目标重构作业顺序，从底层改写工程运转模式。
Ravi分享了新思目前在验证、测试、IP三大核心环节落地智能化方案后取得的成效。包括在数字化验证环节，基于强化学习的智能体可在保障验证质量不变的前提下精简仿真轮次，有效压缩项目周期与研发成本;数字化测试场景下，智能体AI通过优化筛选测试用例，大幅降低测试环节的时间与资源消耗;在IP开发环节，智能体可对标PCI规范自动生成全套测试文件，免去工程师手动翻译、录入规格的繁琐工作，一站式完成IP测试输出。
分层方案破解AI可信性痛点
不过，尽管智能体AI正稳步推动芯片设计行业走向全流程的范式革新，但坦率地说，全行业距离完整落地全新研发体系仍有距离。工程师认知转型与AI生成结果可信度，被认为是横亘在系统级创新转型前的两大核心痛点。
其一，传统集成电路工程师的培养体系以确定性工程逻辑为核心，而AI依托概率模型输出结果，二者底层逻辑相悖，现有工程师缺乏系统化AI知识储备，需要长期的再教育与实操磨合;其二，行业从业者普遍对AI快速输出的设计方案存疑，固有工程思维难以接纳非人工推导的结果，畏惧AI失误带来流片损失。
“前端培育信任、后端严格校验”，是Ravi提出的解决思路。他解释说，通常情况下，芯片设计越靠近量产环节，对准确性或者可信度的要求就越高，“它不是99%，而是99.999%”。毕竟，一丝设计偏差就会带来难以估量的损失，这也使得AI生成结果的不可解释性成为行业普遍顾虑。
因此，在新的设计流程中，Ravi建议不妨优先在前端RTL编码、功能验证环节落地AI辅助，让工程师在架构设计、代码调试阶段实操验证AI输出精度，在项目落地中积累使用信心。待前端应用形成规模化落地、工程师建立稳定信任后，再循序渐进将智能体AI方案延伸至物理实现、后端签核等贴近量产的关键环节，用工程实测数据逐步打破AI黑盒偏见。
“AI并未颠覆我们的业务，而是在放大我们的战略优势。”Ravi告诉《电子工程专辑》，新思科技数十年的深厚行业积累、专有代码库与求解器，以及与晶圆厂设计技术的原生协同优化，能够提供最优、确定性且经过硅验证的结果，而这是概率型AI模型无法复制的。
全自主EDA设计短期内难以落地
当被问及“AI能否在短期内实现全自动化芯片设计”问题时，Ravi给出了否定的回答——“未来三年内，芯片设计自动化程度将实现跨越式提升，但全流程无人自主设计芯片尚不具备落地可能性。”
他从两个方面做了进一步解释：从技术底层来看，一套可直接送往晶圆厂量产的完整芯片方案，需要AI自主完成架构创新、多维度性能平衡、工期管控、量产工艺数据生成四大环节，而任一单项技术突破都需要十年以上持续研发。同时，芯片设计的创新内核源于工程师的创造性优化，面对差异化的客户定制需求、前沿架构探索，人类工程师的主观创新无法被智能体替代。
如果不加时间局限的话，随着算力基础设施、大模型架构与工艺仿真技术持续迭代，全自动化EDA设计存在理论落地空间。但短期内，人机协同仍是智能体EDA的最优解，“人类把控顶层创新、AI承接全流程落地优化”的分工格局，将是行业的常态。
三维产品路线，锚定中长期技术布局
面对产业变革需求，如何完善从IP、芯片架构到系统量产的全链条解决方案，构建起AI时代的EDA产业护城河，成为新思需要面对的新战略课题。而最新发布的基于台积电C-Node工艺的IP产品组合，就被视作新思为边缘及物理AI应用的扩展提供的全新落地方案。
新思科技计划在台积公司N6C与N4C工艺推出的IP产品组合将会涵盖PCIe、USB、Die-to-Die、DDR5、LPDDR6、MIPI摄像头与显示接口、UFS、HDMI、DisplayPort、逻辑库、存储器、非易失性存储器(NVM)、I/O以及SLM等，能够全方位满足边缘AI、物理AI、智能机器人、智能制造、无人机等新高增长场景的芯片设计需求。而且，该IP将会复用经验证的架构，帮助客户降低集成风险，加快面向成本敏感及高增长细分市场的人工智能系统级芯片(SoC)上市进程。
不过，这些只能算是新思在物理AI时代迈出的“一小步”，《电子工程专辑》在梳理过更多维度的产品和战略布局后发现，依托对多物理场仿真、跨域协同技术的深度整合，新思已经搭建起覆盖芯片到实体系统的全链条研发体系。
电子与多物理场协同设计
2025年，新思斥资350亿美元完成了对Ansys公司的收购，补齐了自身在物理世界仿真领域的技术短板，也完成了从芯片设计工具提供商，到系统级工程能力平台供应商的蜕变。
Ravi表示，此前新思深耕EDA工具与IP领域，Ansys则坐拥全球领先的热、流体、机械多物理场仿真技术，双方常年保持技术协同。并购完成后，双方实现了技术与客户资源双向扩容：产品边界从单一芯片电路设计，延伸至“芯片-系统-物理世界”的全链路工程体系。融合打造的协同设计(Co-design)方案，可在设计早期同步兼顾电路性能、散热损耗、机械形变、气流扰动等跨维度参数，规避后期系统返工。
资源整合与产品落地方面，新思原有的2000余家全球客户，叠加Ansys超18000家存量客户，大幅拓宽了新思科技的服务边界，能够为各行业企业的数字化、智能化转型提供全方位支撑。根据规划，收购后的首款产品已顺利完成技术整合的阶段性落地，即将于年底推出。
从Copilot迈向Autopilot自主设计
在AI产品线布局上，新思正加速推动AI由“协同驾驶”(Copilot)向“自动驾驶”(Autopilot)演进，年内即将落地业内首个面向设计与验证的L4级智能体工作流。该系统由 AgentEngineer技术驱动，融合自适应学习与多代理编排机制，展示了代理式人工智能如何增强人类工程师能力，并在超越传统方法的基础上加速执行高度复杂的芯片设计任务。
区别于低等级AI仅能执行指定指令，L4智能体AI具备自适应学习与多智能体协同编排能力，工程师仅需输入目标功耗、性能指标，智能体即可自主完成架构选型、参数调配与方案优化，无需人工逐项落地细节设计。
公开数据显示，传统方法下，一个大型SoC的前端设计可能需要一个工程团队耗时4至6个月;而借助AgentEngineer技术，可节省最多约2个月的验证时间，同时仍能达到覆盖率目标。客户已经观察到生产效率最高可提升2倍，在部分场景中甚至可达到5倍提升。
数字孪生加速原型验证向数字环境迁移
实体硬件测试常年占据芯片研发70%的预算开支，样机打样、实物验证拉高研发成本与试错门槛。为此，新思联合英伟达共同打造了全域虚拟测试解决方案，依托电子数字孪生技术将绝大多数物理测试迁移至数字空间完成，免去实体样品制作环节。
经过虚拟仿真验证后的方案再进入实体生产，既能压缩研发投入，也能提升企业对芯片良率的把控信心，目前该方案已在先进芯片设计领域商用，并持续向汽车、机器人等终端行业拓展。
深耕中国市场，物理AI成本土增长新引擎
作为衔接全球半导体技术与中国本土产业的关键枢纽，新思中国被赋予“连接中国创新和世界创新的一个窗口”的战略定位，也是新思全球落地物理AI、数字孪生、多芯粒(Multi-Die)三大前沿赛道的核心阵地。
因此，立足中国产业发展机遇，推动公司进一步融入中国产业生态，同时融合全球能力，携手本土伙伴共同推进创新的落地，成为新思中国未来发展的重要策略。新思科技全球副总裁兼中国区总裁姚尧表示，“在中国，连世界”，正成为新思科技十分明确的本土化战略。
新思科技全球副总裁兼中国区总裁姚尧
区别于传统跨国企业“在中国，为中国”的单一模式，这一战略目标更加强调“双向”的创新赋能。
从技术上看，姚尧认为今天的产品已经不再是单一芯片问题，而是芯片、软件、系统乃至物理环境高度耦合的整体工程问题。在这种情况下，传统分阶段、各自优化的方法已经很难成立。行业正在转向“协同设计”这一全新工程范式：“横向协同”——在多个物理域间同步建模与联动优化;“纵向协同”——将软件、芯片作为一个系统整体进行联合优化,
在生态上，“我们更愿意把‘系统’作为设计的起点，而不是设计的结果。同时也更强调从‘合作交付’走向‘共同定义需求，加速双向创新’。”在姚尧看来，今天很多工程问题，已超出了单一公司的边界：一方面，中国市场需求变化快、场景复杂，对效率和交付要求更高，新思中国不能只做简单适配，而是把这些领先需求纳入研发体系来驱动产品演进。
另一方面，当前国内芯片企业对Agent技术落地热情高涨，众多本土IC设计公司已自研内部智能体工具，新思愿意将全球前沿EDA、IP与智能体技术引入国内，助力本土设计公司落地AI赋能的芯片研发。
“我本人和整个新思中国团队都深信这样的核心逻辑：新思科技，是客户和合作伙伴看世界的一扇窗口。”他说。
从“能不能做”到“一次做对”
其实，“重构工程”理念不仅适用于全球，对于正处于物理AI爆发期的中国市场，这一理念还有着更具象的落地形态。正如姚尧所言，“长期来看，物理AI将成为中国人工智能产业未来核心发展主线。”
他指出，相较于通用大模型，物理AI不再局限于算法与数据层面，而是融合环境感知、智能决策、实体执行的一体化技术体系。同时，落地约束条件也更为严苛，既要满足产品短周期量产上市需求，还要严控芯片与整机功耗、平衡规模化生产成本，技术落地复杂度远高于通用AI。
但依托完备的实体经济产业链，中国在物理AI赛道具备得天独厚的本土竞争优势，新能源智能汽车、人形机器人两大场景已率先跑出产业化成果，后续增长潜力充足。相比之下，传统手机与消费电子受存储芯片价格上涨拖累，增长动能逐步放缓。
立足中国产业发展机遇，新思科技锚定三大方向深耕本土市场：其一为多物理场仿真，围绕人形机器人、智能汽车等复杂硬件产品，匹配电、磁、光、力、热多维度耦合研发诉求，加码技术与资源布局;其二布局数字孪生，携手国内生态合作伙伴落地虚拟化仿真测试方案，帮助企业压缩研发开支、加快产品量产落地节奏;其三聚焦多芯粒技术，依托芯片架构优化，打造低功耗、高性能算力方案，为物理AI产品持续迭代筑牢底层支撑。
不过，姚尧也坦承，中国客户当前在AI芯片设计、复杂系统验证上面临的最大变化，是“问题难度”在发生变化。今天的AI系统，已经不再是单一芯片问题，而是一个复杂工程问题：
算力、功耗和成本之间的极限平衡
系统复杂度显著提升，需要跨芯片、软件和系统协同设计
上市时间要求更高，很多问题必须在设计阶段提前收敛
所以，问题已经从“能不能做”，变成“能不能一次做对”。在这样的背景下，“AI正在从被设计的对象，变成工程设计本身的一部分。”变成了非常明显的趋势。
新思的做法，是把AI能力系统性嵌入整个工程流程，通过智能体AI，帮助工程师在复杂设计空间中更快找到最优解。同时，把中国市场最前沿的工程挑战，转化为推动全球技术和产品演进的动力。比如最新发布的C Node IP，就是基于市场对物理AI领先需求率先推动研发的一类产品，不仅服务中国，也可以服务更广泛的全球市场。
结语
放眼2025年及更长远的未来，中国GDP体量稳步攀升的背后，持续的科技创新正成为核心驱动力。正如Ravi在采访最后所强调的，随着中国在更多前沿技术领域取得不断突破，新思科技将始终秉持“Our technology, Your innovation”的核心理念，依托不断重构的工程创新底座，陪伴并赋能中国企业在自研攻关的道路上，实现从“能做”到“一次做对”的跨越。