在生成式 AI 與算力需求快速增長的背景下，半導(dǎo)體產(chǎn)業(yè)正經(jīng)歷從芯片到系統(tǒng)的深度重構(gòu)。設(shè)計復(fù)雜度指數(shù)級上升、研發(fā)周期持續(xù)壓縮、工程資源日益緊張，AI 正以前所未有的深度融入工程流程，逐漸成為推動芯片與系統(tǒng)創(chuàng)新的關(guān)鍵引擎。

在此背景下，新思科技于 2026 年 1 月 22 日在上海舉辦 2026 AI 技術(shù)開發(fā)日（AI Tech Day），匯聚來自新思科技、NVIDIA、小米等全球領(lǐng)導(dǎo)者的技術(shù)專家與實踐者，與現(xiàn)場數(shù)百名開發(fā)者一起，從戰(zhàn)略視角、工程實踐到一線案例，系統(tǒng)性展示 AI 在芯片設(shè)計、驗證、仿真及系統(tǒng)級創(chuàng)新中的最新技術(shù)進展與落地成果，全面呈現(xiàn)了 AI 驅(qū)動工程效率躍遷的現(xiàn)實路徑。

AI 超級周期下的芯片與系統(tǒng)重構(gòu)

新思科技產(chǎn)品管理資深副總裁 SanjayBali在開場演講中，從宏觀產(chǎn)業(yè)角度系統(tǒng)闡述了 AI 正在驅(qū)動的新一輪“半導(dǎo)體超級周期”。他指出，生成式 AI、Agentic AI 和多模態(tài)模型的發(fā)展，正在推動算力需求呈指數(shù)級增長，這一變化不僅體現(xiàn)在數(shù)據(jù)中心端，也正快速擴展至邊緣計算、汽車、移動終端等廣泛場景。由此帶來的直接影響是：硬件架構(gòu)復(fù)雜度激增、設(shè)計周期不斷壓縮，而市場對每一代芯片的性能、能效和上市節(jié)奏要求卻持續(xù)提高。

在這一背景下，傳統(tǒng)依賴人工經(jīng)驗和反復(fù)迭代的芯片設(shè)計方法已難以為繼。EDA 軟件正從“設(shè)計工具”升級為“半導(dǎo)體價值鏈的生產(chǎn)力平臺”，而 AI 是實現(xiàn)這一轉(zhuǎn)變的核心引擎。

在生態(tài)層面，他強調(diào)新思科技正在不斷加強與 GPU 廠商和頭部客戶的深度協(xié)作，加速把這些能力“產(chǎn)品化、規(guī)?；⒐こ袒?。

新思科技 AI 技術(shù)方法論、技術(shù)棧與路線圖

新思科技研發(fā)副總裁 Thomas Andersen從研發(fā)和技術(shù)落地視角，對新思科技 AI 能力的發(fā)展路徑進行了系統(tǒng)拆解。他回顧了公司自 2017 年起在機器學(xué)習(xí)和強化學(xué)習(xí)領(lǐng)域的持續(xù)投入，并重點介紹了以 DSO.ai 為代表的 AI 優(yōu)化技術(shù)，如何在物理實現(xiàn)、驗證和測試階段幫助客戶解決大規(guī)模參數(shù)空間探索這一長期難題。

在此基礎(chǔ)上，他深入講解了新思科技 Copilot 的整體架構(gòu)，包括 Knowledge Assistant、Workflow Assistant 和 Run Assistant。這些能力通過將內(nèi)部最佳實踐、方法學(xué)和工具知識系統(tǒng)化，引入自然語言交互，讓開發(fā)者能夠在具體設(shè)計上下文中快速獲取建議、生成腳本或定位問題，大幅降低學(xué)習(xí)門檻并提升效率。

Thomas 進一步描繪了新思科技向 Agent Engineer 和多智能體系統(tǒng)演進的長期愿景。在這一模式下，AI 不再只是“給建議”，而是能夠圍繞明確目標(biāo)進行規(guī)劃、執(zhí)行、迭代和驗證，逐步接管高重復(fù)性、高復(fù)雜度的工程任務(wù)，為開發(fā)者釋放更多精力用于架構(gòu)設(shè)計和創(chuàng)新決策。

從硅基到系統(tǒng)：加速計算與 Physical AI 的工程協(xié)同

作為特邀嘉賓，NVIDIA AI 解決方案架構(gòu)師及技術(shù)專家付少童，從算力平臺與生態(tài)協(xié)同的角度，分享了英偉達與新思科技在 EDA、系統(tǒng)仿真和 AI 平臺層面的深度合作實踐。他指出， EDA 和 CAE（計算工程）軟件的核心均依托于大規(guī)模數(shù)值計算，而 GPU 天然適配這類高并行、高吞吐的計算模式。

分享中還介紹到，CUDA 生態(tài)、GPU 加速數(shù)學(xué)庫及 Python 友好框架已在新思科技產(chǎn)品體系中落地，幫助客戶在仿真、驗證和分析任務(wù)中實現(xiàn)數(shù)量級的性能提升。同時，分享現(xiàn)場還重點闡釋了 AI Physics 的理念，即將物理求解器與數(shù)據(jù)驅(qū)動的 AI 模型相結(jié)合，在保證精度的同時顯著提升求解效率、降低計算成本。

在更高層面，付少童展示了 Omniverse 平臺在數(shù)字孿生和 Physical AI 領(lǐng)域的應(yīng)用前景，通過將芯片、系統(tǒng)和物理世界的仿真結(jié)果進行統(tǒng)一可視化和實時交互，為半導(dǎo)體、工業(yè)、汽車等行業(yè)打造全新的工程范式。

GenAI 助力芯片設(shè)計與驗證效率躍升的實踐

來自小米玄戒的特邀嘉賓、人工智能驗證技術(shù)專家高浩雄，從一線客戶實踐出發(fā)，分享了小米玄戒在過去一年中將生成式 AI 引入芯片設(shè)計和驗證流程的探索路徑。他指出，AI 與芯片設(shè)計形成了顯著的“正反饋”：AI 技術(shù)需要更強算力、更高帶寬、更高能效比的芯片作為基底，而 AI 技術(shù)反過來又幫助芯片研發(fā)團隊更快速度、更高質(zhì)量、更低成本地完成設(shè)計。

在具體實踐中，小米與新思科技緊密合作，實現(xiàn)了對新思科技 GenAI 工具的本地化安全部署及卓有成效的應(yīng)用。首先是建立了面向全流程芯片開發(fā)的智能知識助手系統(tǒng)（Knowledge Assistant），幫助工程師在不用反復(fù)查閱海量文檔的情況下輕松解答工具/流程使用方面的問題，效率提升 4x 以上。在形式化驗證方面，引入新思科技 Formal Advisor 來通過 Spec 作為輸入高效生成斷言，進行形式化驗證，將數(shù)小時的斷言開發(fā)過程縮短到幾分鐘。 另外，小米設(shè)計團隊也首次使用新思科技 Lint 智能檢查工具 Lint Advisor，實現(xiàn)自然語言的 lint 自定義來檢查設(shè)計中難以發(fā)現(xiàn)的連接性問題，在數(shù)萬行代碼中快速找到隱藏的連線問題。后續(xù)雙方還會在代碼生成、自動化 Debug 等方面進行更多合作與探索，讓 AI 真正成為工程生產(chǎn)流程中的常態(tài)化能力。

下一代 AI 調(diào)試智能體與調(diào)試生產(chǎn)力革新

新思科技高級資深應(yīng)用工程師凌懷奇圍繞芯片調(diào)試這一高復(fù)雜度、重人力投入的關(guān)鍵環(huán)節(jié)，系統(tǒng)介紹了新一代調(diào)試智能體 Verdi Assistant 的總體架構(gòu)與核心能力。隨著設(shè)計規(guī)模與復(fù)雜度持續(xù)攀升，傳統(tǒng)依賴大量人工操作與腳本的調(diào)試模式已難以高效應(yīng)對。

Verdi Assistant 將大語言模型與多智能體架構(gòu)深度融入調(diào)試流程，能夠理解自然語言意圖，自動完成波形與日志分析、斷言診斷和設(shè)計探索等任務(wù)。通過多智能體協(xié)同編排，實現(xiàn)從問題描述、任務(wù)分解到定位與結(jié)果解釋的完整閉環(huán)，未來還將擴展自動生成調(diào)試文檔、開展假設(shè)檢驗并給出修復(fù)建議，進一步構(gòu)建智能化的閉環(huán)調(diào)試體系，顯著提升效率并有效降低工程師的學(xué)習(xí)門檻。

AI 驅(qū)動設(shè)計實現(xiàn)與生產(chǎn)力躍升

新思科技首席應(yīng)用工程師倪敏璐重點介紹了新思科技在數(shù)字設(shè)計實現(xiàn)階段的 AI 驅(qū)動優(yōu)化能力，尤其是 Fusion Compiler 中的 AI Fusion 技術(shù)。AI Fusion 將強化學(xué)習(xí)能力深度嵌入數(shù)字實現(xiàn)流程，幫助用戶在有限計算資源下完成高效的 PPA 探索，并在多個工藝節(jié)點和應(yīng)用領(lǐng)域中實現(xiàn)穩(wěn)定收益。

同時，她分享了新思科技 Copilot Workflow Assistant 在腳本開發(fā)和腳本優(yōu)化方面的實踐效果。通過自然語言生成、總結(jié)、修復(fù)和注釋腳本，開發(fā)者可以顯著降低編寫復(fù)雜腳本的時間成本，從而更快的速度、更高的效率 得到解決方案，提高芯片設(shè)計的整體生產(chǎn)力和創(chuàng)造力。

AI/ML 與多物理場完整性分析的融合

新思科技應(yīng)用工程技術(shù)總監(jiān)張書強從多物理場分析角度，闡述了 AI 在功耗完整性、可靠性和系統(tǒng)級分析中的關(guān)鍵價值。當(dāng)前芯片設(shè)計已從單一目標(biāo)走向多約束耦合：電源完整性、IR/EM、熱與應(yīng)力彼此牽制，系統(tǒng)規(guī)模更大、封裝更復(fù)雜。傳統(tǒng)做法不僅計算慢、試錯多，還高度依賴少數(shù)專家經(jīng)驗。AI 的價值不在“取代求解器”，而在于把經(jīng)驗結(jié)構(gòu)化、流程自動化、風(fēng)險前置化，讓團隊更早看清系統(tǒng)級問題，更快做出有把握的權(quán)衡。

通過模型學(xué)習(xí)、多智能體協(xié)作和 AI 驅(qū)動的資源預(yù)測與仿真加速，新思科技正在幫助開發(fā)者更早、更快地理解設(shè)計風(fēng)險，并在多種約束間做出更優(yōu)權(quán)衡。這種能力不僅提升了分析效率，也為復(fù)雜系統(tǒng)架構(gòu)探索提供了更廣闊的空間。

模擬設(shè)計進入 AI 智能時代

新思科技資深技術(shù)總監(jiān)匡一寧分享了 AI 在模擬設(shè)計領(lǐng)域帶來的深刻變化。模擬設(shè)計長期依賴專家經(jīng)驗、人工調(diào)參和反復(fù)仿真，生產(chǎn)效率提升空間巨大。通過模型學(xué)習(xí)、強化學(xué)習(xí)以及生成式 AI，新思科技正在推動模擬仿真、參數(shù)優(yōu)化和版圖遷移的高度自動化。隨著AI 在模擬領(lǐng)域的落地，工程師可以把更多精力放到電路意圖與魯棒性把控上，而重復(fù)繁瑣的交互，迭代，收斂環(huán)節(jié)則由工具自動完成。

在多個實際案例中，AI 技術(shù)幫助客戶將模擬設(shè)計周期從數(shù)月縮短至數(shù)周甚至數(shù)天，同時在性能和可靠性上取得更優(yōu)結(jié)果。這一趨勢正在重塑模擬設(shè)計的工程范式，使其逐步具備規(guī)模化和可復(fù)制能力。

硬件輔助驗證推動下一波人工智能創(chuàng)新浪潮

新思科技首席應(yīng)用工程師黃進圍繞 AI 芯片復(fù)雜度持續(xù)攀升所帶來的驗證挑戰(zhàn)，介紹了硬件輔助驗證（Hardware-Assisted Verification, HAV）在當(dāng)前芯片開發(fā)與驗證中的關(guān)鍵價值。豐富的 AI 應(yīng)用場景與高速增長的 AI 擴展需求，催生了復(fù)雜的 AI 芯片架構(gòu)及其軟件，AI 芯片正在快速走向多 Die、異構(gòu)計算與高速互聯(lián)，系統(tǒng)規(guī)模接口復(fù)雜度大幅攀升，單靠軟件仿真已難以覆蓋真實運行場景與系統(tǒng)級聯(lián)動問題。要想在更短窗口內(nèi)保證質(zhì)量與進度，驗證必須“左移”，把系統(tǒng)級風(fēng)險盡早暴露與解決。

通過引入仿真加速與原型驗證相結(jié)合的 HAV 技術(shù)，新思科技應(yīng)用模塊化 HAV，EP-ready 等先進的驗證方法學(xué)，幫助客戶實現(xiàn)從 IP、子系統(tǒng)到整芯片乃至系統(tǒng)級的端到端驗證覆蓋，實現(xiàn)底層與上層應(yīng)用軟件在流片前的提前驗證。HAV 能有效推動驗證流程左移，縮短從芯片設(shè)計到系統(tǒng) Demo 的整體周期，保障功能，功耗與性能滿足設(shè)計要求，加速 AI 芯片產(chǎn)品的落地與創(chuàng)新。

結(jié)語

本次 AI 技術(shù)開放日現(xiàn)場還設(shè)置了 GenAI 技術(shù)應(yīng)用現(xiàn)場展示，讓現(xiàn)場開發(fā)者沉浸式體驗新思科技 GenAI 技術(shù)帶來的效率和生產(chǎn)力提升，為未來創(chuàng)新提供更有力的支撐。在新思科技與生態(tài)伙伴的持續(xù)投入下，AI 正推動芯片工程進入一個更加智能、高效、可持續(xù)的新時代。