在新思科技中國30周年暨2025新思科技開發(fā)者大會上，新思科技總裁兼CEO蓋思新（Sassine Ghazi）先生在主題演講中，重點闡述了新思科技在2025年的戰(zhàn)略轉(zhuǎn)型和未來發(fā)展方向。他指出2025 年是新思科技意義非凡的一年，通過完成對Ansys的收購，公司正式確立“從芯片到系統(tǒng)”工程解決方案全球領(lǐng)導(dǎo)者地位。

蓋思新先生詳細(xì)介紹了新思科技在三大關(guān)鍵領(lǐng)域的引領(lǐng)技術(shù)突破：系統(tǒng)級設(shè)計、芯片設(shè)計升級與AI智能體。這些突破正在重塑從芯片到系統(tǒng)工程設(shè)計的范式，終極目標(biāo)是賦能全球創(chuàng)新者，大幅降低復(fù)雜創(chuàng)新的門檻與周期，從而與客戶及合作伙伴攜手，共同推動人類社會向智能未來的堅實邁進。

以下為演講實錄：

各位上午好，歡迎來到新思科技中國開發(fā)者大會。

我在開發(fā)者大會上做過四次演講，這次是首次以現(xiàn)場形式呈現(xiàn)。所以，我十分期待能感受到大家的熱情與活力——畢竟今年對我們公司而言，無疑是具有變革意義的一年。

新思科技在中國市場已深耕30年。40年前，新思科技就革新了芯片設(shè)計的方式，以應(yīng)對當(dāng)時行業(yè)發(fā)展中日益增長的復(fù)雜性與規(guī)模挑戰(zhàn)，期間我們有諸多里程碑值得慶賀。能加入這樣一家始終以客戶成功與支持為核心、同時深耕創(chuàng)新的公司，我深感榮幸。

另一個值得分享的好消息是——我此前提到，2025年將是新思科技發(fā)展史上具有變革意義的一年。我們正致力于將新思科技打造為“從芯片到系統(tǒng)”工程解決方案領(lǐng)域的領(lǐng)導(dǎo)者。在接下來的演講中，我會為大家詳細(xì)解讀“從芯片到系統(tǒng)”工程解決方案的具體內(nèi)涵。

戰(zhàn)略轉(zhuǎn)型：從芯片到系統(tǒng)創(chuàng)新的全面布局

各位作為新思科技的客戶，正全力投身創(chuàng)新，為市場推出智能系統(tǒng)與智能產(chǎn)品。為支持大家的這一轉(zhuǎn)型進程，我們現(xiàn)有解決方案也需不斷演進。

幾個月前，我們完成了對Ansys的收購。如今，我們正積極構(gòu)建“從芯片到系統(tǒng)”的一體化解決方案，不僅服務(wù)于半導(dǎo)體企業(yè)，也為那些致力于創(chuàng)新、打造智能產(chǎn)品的系統(tǒng)公司提供支持。

在深入介紹解決方案之前，我想先簡要介紹當(dāng)下的新思科技。

目前，新思科技在電子設(shè)計自動化（EDA）領(lǐng)域穩(wěn)居全球第一，在IP領(lǐng)域排名全球第二。其中，在接口IP與基礎(chǔ)IP細(xì)分領(lǐng)域，我們更是處于領(lǐng)先地位。同時，我們在仿真與分析領(lǐng)域也位列全球第一。這正是我們?yōu)樾酒c系統(tǒng)領(lǐng)域打造的三大核心解決方案。

上個財年，新思科技全球營業(yè)收入已攀升至約90億美元，這一規(guī)模使新思科技在全球軟件企業(yè)營收排名中位列第12位。能取得這一里程碑式的成就，離不開各位對新思科技的信任，我們對此心懷感激。此外，公司將25%的營收投入研發(fā)。在我們行業(yè)，研發(fā)與創(chuàng)新是核心驅(qū)動力，唯有如此，我們才能攜手攻克復(fù)雜挑戰(zhàn)，抓住發(fā)展機遇。

關(guān)于當(dāng)前的解決方案，無論是EDA領(lǐng)域的一體化融合解決方案、IP領(lǐng)域的市場變革趨勢，還是仿真與分析領(lǐng)域的技術(shù)應(yīng)用，我都會為大家講解相關(guān)解決方案及整合思路。

或許大家會問，我們?yōu)楹我苿舆@一轉(zhuǎn)型？為何要著力打造“從芯片到系統(tǒng)”的解決方案？

若大家思考當(dāng)下的產(chǎn)品形態(tài)，以及未來3年、5年乃至10年的發(fā)展方向便會發(fā)現(xiàn)，未來我們接觸的大多數(shù)產(chǎn)品都將是人工智能驅(qū)動的產(chǎn)品（即我們所說的“智能系統(tǒng)”）。隨著智能系統(tǒng)的普及，從芯片層面到應(yīng)用或系統(tǒng)層面的全鏈路優(yōu)化，將變得至關(guān)重要。

關(guān)于這一趨勢的具體體現(xiàn)，有諸多案例可分享。在此，我以一款機器人為例，它具備視覺感知、物體識別能力，能通過自然語言與用戶交互，還可自主學(xué)習(xí)并執(zhí)行操作。

這款機器人能識別不同物體，判斷哪些應(yīng)放入冰箱、哪些無需放入，并且能在使用過程中持續(xù)學(xué)習(xí)?？此坪唵蔚墓δ?，從工程設(shè)計角度來看，實則極具挑戰(zhàn)。

更重要的是，如何在控制成本的同時，加快產(chǎn)品上市速度，以實現(xiàn)這樣的創(chuàng)新目標(biāo)？

正如我所說，人工智能驅(qū)動的智能系統(tǒng)案例還有很多，例如智能汽車、搭載邊緣人工智能（Edge AI）的智能手機，以及能自主完成手術(shù)的醫(yī)療設(shè)備等。

然而，這些機遇背后，是產(chǎn)品設(shè)計過程中急劇增加的工程復(fù)雜度。一方面，技術(shù)復(fù)雜度不斷疊加；另一方面，產(chǎn)品交付速度的要求也達(dá)到了行業(yè)前所未有的高度。

對于長期深耕行業(yè)、關(guān)注摩爾定律的各位而言，半導(dǎo)體行業(yè)向來以“快節(jié)奏”著稱：過去，每18至24個月就會基于新的技術(shù)節(jié)點推出新一代芯片。而如今，為高效抓住發(fā)展機遇，行業(yè)對芯片優(yōu)化與定制的周期要求已大幅縮短。

因此，傳統(tǒng)的產(chǎn)品設(shè)計方法必須革新。這正是我們所說的：如何重新設(shè)計傳統(tǒng)工程方法，以實現(xiàn)“從芯片到系統(tǒng)”的產(chǎn)品研發(fā)。

重構(gòu)系統(tǒng)設(shè)計：構(gòu)建數(shù)字孿生，實現(xiàn)跨物理域協(xié)同創(chuàng)新

接下來，我的演講將圍繞三個部分展開：第一，如何為智能系統(tǒng)重構(gòu)工程設(shè)計體系？我們將從系統(tǒng)層面切入，隨后探討芯片層面的工程重構(gòu)，以及如何在全技術(shù)棧中運用人工智能，提升終端產(chǎn)品工程設(shè)計的效率與效果。

要實現(xiàn)這一目標(biāo)，必須“結(jié)合場景進行設(shè)計”。以芯片設(shè)計為例，當(dāng)前行業(yè)（尤其是數(shù)據(jù)中心及其他應(yīng)用領(lǐng)域）正呈現(xiàn)出顯著趨勢，針對特定工作負(fù)載定制芯片成為重點方向。

而要實現(xiàn)芯片與特定工作負(fù)載的匹配，就必須掌握軟件層面的知識，這一點至關(guān)重要。否則，產(chǎn)品不僅會延遲上市，成本也會大幅增加。

Ansys的優(yōu)勢在于提供系統(tǒng)層面的產(chǎn)品定義能力，而新思科技則擅長結(jié)合軟件與人工智能場景進行芯片設(shè)計，雙方的協(xié)同將為行業(yè)帶來全新價值。

接下來，我將通過一個案例，具體說明跨領(lǐng)域優(yōu)化的復(fù)雜性。以自動駕駛汽車為例，其最高層面的定義始于車輛所需的智能水平，核心即人工智能模型。這一層面是用戶（或乘客）與車輛交互的關(guān)鍵：無論是規(guī)劃從A點到B點的路線，還是讓車輛識別物體（區(qū)分路邊的樹木與行人）并判斷應(yīng)發(fā)出何種警報、采取何種操作，都需在系統(tǒng)的智能需求層面進行定義。

要將這些智能需求落地，需要海量軟件提供全層級的控制與執(zhí)行能力，例如車輛電池續(xù)航管理、各類操作控制等，都依賴軟件實現(xiàn)。

再往下便是芯片研發(fā)環(huán)節(jié)，芯片需處理人工智能與軟件層面設(shè)定的所有任務(wù)，但這僅僅是汽車的電子部分。

隨后是電氣系統(tǒng)設(shè)計：需要通過印制電路板（PCB）等部件，連接電機、電池等硬件，這是當(dāng)前工程師需攻克的又一領(lǐng)域。

當(dāng)汽車運行時，轉(zhuǎn)子等部件會產(chǎn)生熱量，因此必須進行熱管理；同時，還需考慮機械設(shè)計，例如選擇何種材料，以及如何優(yōu)化空氣動力學(xué)設(shè)計以提升燃油效率（傳統(tǒng)燃油車）或續(xù)航里程（新能源車）。

由此可見，即便是一輛自動駕駛汽車，其跨領(lǐng)域工程優(yōu)化的復(fù)雜度也極高，涵蓋電子、電氣、熱學(xué)、機械、流體等多個領(lǐng)域。

眾所周知，當(dāng)前行業(yè)最大的挑戰(zhàn)在于：如何設(shè)計這樣的系統(tǒng)？如何構(gòu)建必要的數(shù)字孿生模型？唯有解決這些問題，才能以最短時間、最低成本完成汽車研發(fā)。

因此，要在該市場中保持競爭力，跨領(lǐng)域設(shè)計至關(guān)重要。而這一邏輯，不僅適用于自動駕駛汽車，也適用于我此前提到的機器人，以及未來3至5年內(nèi)將廣泛普及的眾多應(yīng)用場景。

談及跨領(lǐng)域設(shè)計，就必須考慮模型的精度，針對每個領(lǐng)域，都需構(gòu)建相應(yīng)的數(shù)字孿生模型，以便系統(tǒng)工程師全面把握產(chǎn)品形態(tài)，明確優(yōu)化方向。

如今，我們與客戶交流時發(fā)現(xiàn)，大家面臨的核心挑戰(zhàn)之一是：在每個領(lǐng)域的設(shè)計中，都需預(yù)留大量冗余，而這些冗余往往會增加研發(fā)時間與成本。

基于此，新思科技的愿景是構(gòu)建“數(shù)字孿生架構(gòu)”，將芯片虛擬化技術(shù)融入其中。這樣，當(dāng)系統(tǒng)工程師研究車輛動力學(xué)或其他物理世界相關(guān)特性時，也能在系統(tǒng)層面完成相應(yīng)建模。

不妨試想，當(dāng)前設(shè)計一個不涉及物理世界的大語言模型（LLM），已需應(yīng)對構(gòu)建高精度前沿模型的復(fù)雜挑戰(zhàn)，確保用戶提問后能獲得可靠回答。

而若要讓此類模型應(yīng)用于物理世界，就必須考慮物理世界的動態(tài)特性。

實踐路徑：跨領(lǐng)域優(yōu)化與數(shù)字孿生

在此，我想分享一個新思科技與汽車行業(yè)合作伙伴聯(lián)合打造的演示案例：我們通過自主研發(fā)的Virtualizer產(chǎn)品實現(xiàn)芯片虛擬化，并與提供物理世界（車輛行駛環(huán)境）模型的IPG公司合作，構(gòu)建了完整的虛擬仿真模型，可實時模擬車輛在物理世界中的運行狀態(tài)。這意味著，在芯片完成流片與制造前，工程師就能通過虛擬模型了解芯片性能，提前啟動軟件開發(fā)與人工智能模型研發(fā)，無需等待實體芯片落地。

這只是一個簡單案例。當(dāng)我們談及設(shè)備在物理世界中的應(yīng)用時，必須考慮結(jié)構(gòu)、機械等多方面因素。而在這些領(lǐng)域，Ansys的技術(shù)將發(fā)揮關(guān)鍵作用。其結(jié)構(gòu)解決方案能精準(zhǔn)呈現(xiàn)機械物理特性，并提供建模與仿真能力。

Ansys的多款產(chǎn)品已成為行業(yè)標(biāo)準(zhǔn)，例如Ansys Mechanical與LS-DYNA。在此，我以LS-DYNA為例：它可用于模擬碰撞測試，無需進行實體碰撞實驗，只需通過傳感器數(shù)據(jù)就能分析機械沖擊對所選材料的影響。

如今，通過建模與仿真，也就是即數(shù)字孿生技術(shù)，這類測試已能以更高效的方式完成。將這些技術(shù)整合后，還需考慮多物理場因素。再以流體動力學(xué)為例：調(diào)整汽車車身曲線設(shè)計，會如何影響空氣動力學(xué)特性？進而如何改變續(xù)航里程或燃油消耗？

這些正是Ansys通過物理建模與仿真技術(shù)所能解決的問題。此外，對于物理設(shè)備在實際使用中的完整性、維護需求等，也可通過前期建模提前規(guī)劃。因此，在系統(tǒng)層面進行產(chǎn)品設(shè)計時，必須重構(gòu)工程體系，以應(yīng)對跨領(lǐng)域的復(fù)雜挑戰(zhàn)。

我相信，在座各位大多是半導(dǎo)體芯片設(shè)計師。接下來，我將深入探討芯片設(shè)計的發(fā)展趨勢，以及其自身所需的工程重構(gòu)。

革新芯片設(shè)計：融合AI與多物理場，驅(qū)動PPA極限

大約10年前，新思科技就革新了芯片設(shè)計的快速收斂方法，推出了Fusion設(shè)計平臺。該平臺的核心目標(biāo)是：在設(shè)計階段減少簽核前的迭代次數(shù)；將簽核技術(shù)提前融入設(shè)計流程，確保在綜合時序分析、提取等環(huán)節(jié)就能構(gòu)建一致的設(shè)計體系，后續(xù)經(jīng)過布局布線，最終順利完成簽核。

如今，新思科技在該解決方案領(lǐng)域已確立絕對領(lǐng)先地位，F(xiàn)usion設(shè)計平臺通過高度融合的方式，整合了設(shè)計流程的各個環(huán)節(jié)。大家現(xiàn)在看到的，正是當(dāng)前實現(xiàn)高效芯片設(shè)計所必需的流程。

在此基礎(chǔ)上，若融入人工智能技術(shù)，又將如何？我們可在設(shè)計的每個環(huán)節(jié)運用人工智能，以更快速度實現(xiàn)更優(yōu)的功耗、性能與面積（PPA）指標(biāo)。核心目標(biāo)始終是：應(yīng)對復(fù)雜度挑戰(zhàn)，構(gòu)建收斂、可預(yù)測的設(shè)計流程。

與汽車、機器人設(shè)計類似，芯片設(shè)計也需應(yīng)對機械相關(guān)問題。如今，芯片上集成的器件和晶體管數(shù)量越來越多，而尺寸卻不斷縮小，這就導(dǎo)致熱管理問題日益突出，如何為芯片散熱？將芯片封裝后，在實際運行過程中，是否會因性能需求或軟件負(fù)載而出現(xiàn)翹曲、開裂等機械問題？

這些挑戰(zhàn)與系統(tǒng)層面的問題極為相似，芯片設(shè)計不僅是電子工程問題，還需結(jié)合物理場分析。

而解決這些問題的關(guān)鍵在于：如何將Ansys的技術(shù)（如同我們在時序、功耗、提取領(lǐng)域所做的那樣）提前融入芯片設(shè)計階段？如何在設(shè)計初期就考慮熱管理、機械應(yīng)力等物理場因素？最終目標(biāo)仍是減少迭代次數(shù)，提升設(shè)計質(zhì)量。

以下是Ansys在多物理場領(lǐng)域的部分解決方案，已廣泛應(yīng)用于芯片設(shè)計階段。例如，大家熟知的RedHawk，已成為行業(yè)內(nèi)分析電壓降（IR drop）的標(biāo)準(zhǔn)工具。

此外，如何考慮電磁效應(yīng)，如何在電壓降分析中兼顧電遷移問題，以及信號完整性（SI）、電源完整性（PI）等？當(dāng)前，這些分析大多在設(shè)計后期進行，導(dǎo)致工程師需在設(shè)計中預(yù)留大量冗余。而理想的流程是：在設(shè)計初期就融入這些分析，避免后期因優(yōu)化需求而延長迭代周期。

這正是新思科技當(dāng)前的創(chuàng)新方向——我們持續(xù)投入研發(fā)，致力于在芯片設(shè)計流程中融入物理場分析能力，讓工程師在設(shè)計階段就能應(yīng)對熱管理、機械應(yīng)力等挑戰(zhàn)。

在加速芯片研發(fā)的過程中，IP也扮演著關(guān)鍵角色。如今，針對不同應(yīng)用場景， IP領(lǐng)域已形成眾多標(biāo)準(zhǔn)。無論是消費類系統(tǒng)級芯片（SOC）、移動設(shè)備、汽車電子還是數(shù)據(jù)中心，在IP設(shè)計中都需滿足高效、高帶寬的接口需求，并確保及時交付。

新思科技在各應(yīng)用領(lǐng)域、各代工廠的接口IP領(lǐng)域均處于領(lǐng)先地位，這為客戶提供了更多選擇，助力大家在最短時間內(nèi)打造具有競爭力的芯片。同時，我們的安全I(xiàn)P與基礎(chǔ)IP也能深度融入SOC設(shè)計流程。

當(dāng)前，隨著SOC復(fù)雜度不斷提升，客戶向我們提出了新的需求：能否不再僅提供單一接口標(biāo)準(zhǔn)IP，而是整合相關(guān)IP，提供完整的子系統(tǒng)解決方案？

基于此，我們已與多家客戶展開合作，推出子系統(tǒng)服務(wù)：整合各類IP，添加邏輯與測試結(jié)構(gòu)，承擔(dān)基礎(chǔ)研發(fā)工作，讓客戶能專注于核心差異化IP的開發(fā)。

這正是市場的發(fā)展方向，也是行業(yè)創(chuàng)新與需求的集中體現(xiàn)。

從芯片到系統(tǒng)，AI智能體工程師重構(gòu)工程創(chuàng)新范式

談及人工智能，許多人認(rèn)為它是未來的技術(shù)趨勢。但我想強調(diào)的是：如今，芯片設(shè)計領(lǐng)域已有多款成熟的人工智能產(chǎn)品投入應(yīng)用，客戶通過這些工具，能有效降低復(fù)雜度，實現(xiàn)更優(yōu)設(shè)計效果。

新思科技早在2017年就啟動了“人工智能驅(qū)動EDA”的研發(fā)投入。可以自豪地說，我們是“人工智能賦能芯片設(shè)計”領(lǐng)域的開拓者。

2017年前后，我們開始思考：哪些前沿技術(shù)可應(yīng)用于EDA與芯片設(shè)計，以在保證功耗、性能、面積（PPA）指標(biāo)的同時，大幅縮短研發(fā)周期？

基于這一目標(biāo)，我們推出了首款產(chǎn)品：DSO.ai。我們選擇從設(shè)計流程中最復(fù)雜的布局布線環(huán)節(jié)入手：在布局布線階段，需設(shè)置大量參數(shù)以運行Fusion Compiler，最終實現(xiàn)最優(yōu)PPA，而參數(shù)組合的復(fù)雜度極高。

我們最初采用強化學(xué)習(xí)技術(shù)，于2017年啟動相關(guān)研發(fā)，并在2020年推出首款產(chǎn)品DSO. .ai，這款基于強化學(xué)習(xí)的工具可與Fusion Compiler無縫協(xié)作。

此后，我們將該技術(shù)逐步拓展至芯片設(shè)計的其他環(huán)節(jié)，通過強化學(xué)習(xí)實現(xiàn)全流程優(yōu)化。例如，我們將其應(yīng)用于驗證環(huán)節(jié)，推出VSO.ai，應(yīng)用于時序分析環(huán)節(jié)，推出了TSO. Ai，在物理分析環(huán)節(jié)推出了ASO.ai，以及3DIC設(shè)計環(huán)節(jié)的3DSO.ai 。所有這些工具均采用強化學(xué)習(xí)技術(shù)，確保輸出結(jié)果可靠，可直接用于芯片流片。

除了在各產(chǎn)品中嵌入強化學(xué)習(xí)功能，我們還整合了設(shè)計、驗證與制造環(huán)節(jié)的數(shù)據(jù)分析能力。這樣，從綜合到硅后優(yōu)化的全流程，都能通過數(shù)據(jù)驅(qū)動實現(xiàn)持續(xù)優(yōu)化。以下是DSO.ai、VSO.ai、TSO.ai與ASO.ai的部分應(yīng)用成果。不難發(fā)現(xiàn)，這些工具在功耗、性能、面積（PPA）指標(biāo)上的表現(xiàn)，均顯著優(yōu)于人工優(yōu)化結(jié)果。

因此，正如我開篇所言，若大家尚未嘗試在芯片設(shè)計中運用強化學(xué)習(xí)或人工智能技術(shù)，我強烈建議開發(fā)者多多了解，這些技術(shù)已進入量產(chǎn)應(yīng)用階段，其效果正如大家所見，十分出色。

以上是我們在強化學(xué)習(xí)領(lǐng)域的探索歷程。而大約3年前，市場上出現(xiàn)了一項極具影響力的技術(shù)，ChatGPT。這類前沿模型支持自然語言交互，不僅能幫助用戶快速獲取洞見，還能加速初級工程師的成長。

基于此，新思科技結(jié)合客戶需求，選擇合適的前沿模型，融入自身技術(shù)知識并進行訓(xùn)練，最終打造出能與用戶高效交互的工具。無論是在工作流程中查詢結(jié)果，還是生成TCL腳本等各類代碼，用戶都能通過自然語言快速實現(xiàn)。例如，資深開發(fā)者完成一次設(shè)計運行后，可通過該工具查詢：基于當(dāng)前設(shè)置，是否已實現(xiàn)最優(yōu)PPA？工具還會提供優(yōu)化建議。

不難想象，這一技術(shù)將為應(yīng)對當(dāng)前復(fù)雜的設(shè)計挑戰(zhàn)帶來革命性變化。

在開發(fā)過程中，我們將這款“輔助工具”（Copilot）分為兩個階段：第一階段是“知識輔助型”，第二階段是“創(chuàng)意生成型”。

在“知識輔助型”階段，我們的所有產(chǎn)品現(xiàn)已支持通過大語言模型（LLM）進行交互。而在“創(chuàng)意生成型”階段，我們正處于初期探索，用戶可提供設(shè)計規(guī)范，要求模型（或輔助工具）自動生成RTL代碼；若已有RTL代碼，也可讓工具自動生成文檔或測試平臺（Testbench）——這將大幅提升設(shè)計流程的效率。

以下是“知識輔助”與“創(chuàng)意生成”兩個階段在提升設(shè)計效率方面的部分案例與數(shù)據(jù)。

在“輔助工具”（Copilot）的基礎(chǔ)上，行業(yè)正迎來一個更令人興奮的方向：智能體（Agents）。

我們能否將這一概念應(yīng)用于芯片設(shè)計流程？例如，在設(shè)計的各個環(huán)節(jié)，能否將任務(wù)委派給智能體完成？我們將這類智能體稱為“AI智能體工程師”（Agent Engineers）。

接下來，我將介紹如何利用“AI智能體工程師”作為輔助工具，實現(xiàn)更優(yōu)設(shè)計效果。

可以將其理解為一條技術(shù)路線圖：首先，需構(gòu)建精準(zhǔn)、全面的知識庫（這是基礎(chǔ)階段）；隨后，在此基礎(chǔ)上實現(xiàn)從“輔助工具”（Copilot）到“自動駕駛”（Autopilot）的跨越，讓人工智能從“助手”升級為“執(zhí)行者”，用戶只需下達(dá)任務(wù)指令，智能體即可自主完成。

第一步，如前所述，是“知識輔助”階段：通過大語言模型整合知識，支持用戶交互；用戶可直接對接知識庫，獲取所需信息。

第二步，能否實現(xiàn)“自主學(xué)習(xí)與執(zhí)行”？例如，構(gòu)建任務(wù)專用智能體，用戶可向其分配特定任務(wù)并由其自主完成。舉例來說，若出現(xiàn)設(shè)計規(guī)則檢查（DRC）違規(guī)，或RTL代碼存在錯誤、需解決代碼靜態(tài)檢查（Linting）問題，能否基于知識庫向智能體下達(dá)明確任務(wù)，讓其自主采取行動并輸出結(jié)果？

我們將這類智能體稱為“行動型智能體”（Acting Agent）或“任務(wù)專用智能體”（Task-Specific Agent）。進一步思考：針對DRC錯誤或時序違規(guī)，當(dāng)智能體識別問題后，能否與其他任務(wù)智能體協(xié)作，例如自動回溯設(shè)計設(shè)置與腳本，分析“若采取A、B、C三項措施，能否解決多個違規(guī)問題”？

第三步，是“規(guī)劃型智能體”：能否讓多個智能體通過自適應(yīng)學(xué)習(xí)與推理協(xié)作，共同達(dá)成設(shè)計目標(biāo)？

最終階段便是“自動駕駛”（Autopilot）：這是”AI智能體工程師”的終極應(yīng)用愿景，人類工程師只需設(shè)定設(shè)計規(guī)范與需求，智能體即可自主協(xié)同、規(guī)劃，最終輸出子系統(tǒng)級、模塊級或芯片級的設(shè)計成果。

為方便用戶理解，我們借鑒了自動駕駛汽車的分級體系。大家或許記得，約10年前，行業(yè)提出了自動駕駛L1至L5級別的劃分標(biāo)準(zhǔn)——通過不同級別，逐步實現(xiàn)從輔助駕駛到完全自動駕駛的跨越。

在”AI智能體工程師”領(lǐng)域，我們也可參考這一邏輯：L1級為“知識輔助”；L2級為“行動型智能體”（可自主完成特定任務(wù)）；L3級為“多智能體協(xié)同規(guī)劃”；最終達(dá)到L5級“完全自主”，整個過程將依托推理與自適應(yīng)學(xué)習(xí)技術(shù)逐步推進。

如今，相關(guān)技術(shù)已具備落地基礎(chǔ)。例如，我開篇提到的機器人案例，其模型已能實現(xiàn)推理、自適應(yīng)調(diào)整與自主執(zhí)行操作。

在芯片設(shè)計領(lǐng)域，我們今日可明確宣布：新思科技的”AI智能體工程師”已達(dá)到L2級水平，能自主完成特定任務(wù)；同時，在“多智能體協(xié)同規(guī)劃”（L3級）領(lǐng)域，我們已進入初期探索，可實現(xiàn)多個任務(wù)智能體的協(xié)同，以達(dá)成設(shè)計目標(biāo)。

這是一個長期歷程，無法一蹴而就。但目前，我們已能為客戶提供L1級（知識輔助）與L2級（特定任務(wù)執(zhí)行）的服務(wù)；在L3級（多智能體協(xié)同）領(lǐng)域，也已啟動早期部署與客戶合作。

布局技術(shù)前沿：驅(qū)動工作流程、引擎與算力的根本性變革

這無疑是一個令人振奮的機遇。究其原因，在于當(dāng)前芯片設(shè)計的復(fù)雜度正急劇提升，在座各位大多面臨這樣的挑戰(zhàn)：不再是設(shè)計通用芯片并推向多個市場，而是需針對特定工作負(fù)載定制芯片。這意味著，在工程師數(shù)量不變的情況下，大家需提升5倍、10倍甚至100倍的效率。

正因如此，我們對”AI智能體工程師”推動芯片設(shè)計流程簡化的前景充滿信心。更重要的是，”AI智能體工程師”的應(yīng)用范圍不僅限于芯片設(shè)計，還可覆蓋所有工程領(lǐng)域。

此前我提到的跨領(lǐng)域協(xié)同優(yōu)化（機械、流體、結(jié)構(gòu)分析、計算流體動力學(xué)等），未來均可通過智能體實現(xiàn)。屆時，在系統(tǒng)層面，工程師將能更高效地把握優(yōu)化機遇，實現(xiàn)最優(yōu)設(shè)計效果。

最后，我想對本次演講進行總結(jié)。若從新思科技的技術(shù)創(chuàng)新與投入角度來看，可將未來機遇分為三個方向：

第一個方向是“工作流程革新”。當(dāng)我們開始探討”AI智能體工程師”時，芯片設(shè)計流程的變革便已提上日程。正如葛群所提到的，40年前，綜合技術(shù)（Synthesis）改變了芯片設(shè)計方式；此后，行業(yè)雖不斷創(chuàng)新，但工作流程的核心邏輯始終未變。

即便我們通過Fusion平臺整合了設(shè)計流程的多個環(huán)節(jié)，減少了迭代次數(shù)，工作流程本身仍未突破傳統(tǒng)框架，從設(shè)計規(guī)范到RTL代碼編寫，再到綜合、布局布線等，步驟始終固定。

而”AI智能體工程師”將徹底改變這一現(xiàn)狀。具體會如何改變？目前我們尚無法完全預(yù)見，但可以確定的是：一旦“任務(wù)智能體”投入應(yīng)用并實現(xiàn)協(xié)同規(guī)劃，人類工程師的角色將發(fā)生根本性轉(zhuǎn)變，工作流程也將隨之革新。

第二個方向是“核心引擎升級”。這里的“引擎”，可理解為各類求解器（Solver）。無論是多物理場分析（流體動力學(xué)、結(jié)構(gòu)力學(xué)、熱學(xué)等），還是芯片設(shè)計中的時序、功耗、提取分析，其背后的求解器都經(jīng)過了數(shù)十年的技術(shù)積累，具備極高的精度與可靠性。

新思科技將持續(xù)加大在“引擎”層面的投入，因為未來的”AI智能體工程師”不僅將在產(chǎn)品層面發(fā)揮作用，還將深入到引擎與求解器層面，以實現(xiàn)對物理場、時序、功耗等設(shè)計要素的精準(zhǔn)控制，達(dá)成最優(yōu)設(shè)計效果。

而這也正是數(shù)字孿生技術(shù)在跨領(lǐng)域設(shè)計與系統(tǒng)優(yōu)化中不可或缺的原因，通過減少設(shè)計冗余，實現(xiàn)更高效的優(yōu)化。

第三個方向是“計算效率提升”。當(dāng)前，我們所處的時代對計算能力的需求極高，部分設(shè)計任務(wù)的運行時間長達(dá)數(shù)天，有時點擊“執(zhí)行”按鈕后，需等待一周才能獲得結(jié)果。如何通過強化學(xué)習(xí)、人工智能技術(shù)及計算架構(gòu)革新，縮短結(jié)果交付時間？

目前，我們的所有產(chǎn)品均支持在CPU上運行（包括x86、ARM架構(gòu)，部分產(chǎn)品還可根據(jù)客戶特定需求定制）；同時，我們已實現(xiàn)GPU加速，部分場景下效率可提升10倍、15倍甚至20倍。

以Prime Sim為例，作為一款高精度快速SPICE仿真工具，它在保證仿真精度不妥協(xié)的前提下，能大幅縮短結(jié)果交付時間。對比CPU與GPU運行效果，其效率可提升10至12倍。

下一步，我們將探索AI加速器的應(yīng)用，目前已與部分客戶展開合作，針對運行時間長、資源消耗大的產(chǎn)品，通過定制化計算架構(gòu)進一步優(yōu)化效率。

未來，我們還將啟動量子計算領(lǐng)域的早期研發(fā)，探索其在特定任務(wù)加速中的應(yīng)用潛力。

攜手同行：以信任為基，共筑智能未來

新思科技的使命是“賦能創(chuàng)新者，推動人類進步”，我們始終以嚴(yán)謹(jǐn)?shù)膽B(tài)度踐行這一使命。歸根結(jié)底，我們的核心目標(biāo)是為大家提供先進技術(shù)，助力更多開發(fā)者實現(xiàn)創(chuàng)新，而這一切，都離不開大家對新思科技的信任。

因此，在演講即將結(jié)束之際，我想再次感謝大家的信任與支持，更感謝我們之間的緊密合作。正是這份合作，讓我們能夠攜手突破極限，引領(lǐng)行業(yè)發(fā)展步伐，共同推動萬物智能未來的實現(xiàn)。

謝謝大家！