核心观点 - 英伟达联合全球领先的工业软件巨头及云服务商、OEM厂商，共同推出基于CUDA-X、Omniverse和GPU加速的工业软件与智能体解决方案，旨在加速各行业的工业设计、工程仿真与制造流程，标志着物理人工智能和自主智能体驱动的工业革命新时代到来[2][4][5] 生态系统与合作伙伴 - 英伟达与工业软件领导者Cadence、达索系统、PTC、西门子和新思科技合作，将GPU加速的软件和工具带给包括发那科、现代重工、本田、捷豹路虎、凯傲、梅赛德斯-奔驰、联发科、百事公司、三星、SK海力士和台积电在内的全球领先工业企业[2][20] - 上述解决方案运行在亚马逊AWS、谷歌云、微软Azure和甲骨文云等领先云服务商，以及戴尔、HPE和超微等原始设备制造商的英伟达AI基础设施上[3][20] 工业软件与智能体解决方案 - Cadence、达索系统、西门子和新思科技正利用英伟达NeMo平台、Nemotron开放模型、CUDA-X库和加速计算，在其平台中引入智能体人工智能，为复杂的芯片和系统工作流程提供自主设计智能体[6][21] - 具体智能体应用包括：Cadence的ChipStack AI SuperAgent用于半导体设计与验证；达索系统的3DEXPERIENCE平台上的Virtual Companions角色智能体；西门子的Fuse EDA AI Agent用于半导体和PCB全流程；新思科技的AgentEngineer多智能体框架[21] 加速设计与工程仿真 - **汽车行业**：本田使用由英伟达Grace Blackwell平台加速的新思科技Ansys Fluent软件，空气动力学仿真速度比CPU快**34倍**，缩短了开发周期[7] 捷豹路虎和梅赛德斯-奔驰使用西门子Simcenter STAR-CCM+软件优化工程流程[7] 达索系统的SIMULIA软件支持Rivian的车辆仿真测试[8] - **航空航天**：Ascendance使用甲骨文云上的Cadence Fidelity软件，实现了当日完成全空气动力学仿真，这在基于CPU的高性能计算中无法实现[10] - **能源行业**：Solar Turbines利用戴尔基础设施上的Cadence Fidelity软件，在**14小时内**完成了360度、**十亿**网格的燃烧室仿真[11] 阿贡国家实验室在由HPE构建、英伟达A100 GPU加速的Polaris超级计算机上使用Cadence Fidelity进行高保真燃烧仿真[12] 半导体设计与制造 - 随着半导体设计进入后摩尔定律的**万亿**晶体管时代，行业领导者采用英伟达加速工具推进电子设计自动化[13] - 三星和SK海力士使用Cadence、新思科技和西门子的软件，在英伟达加速的戴尔和HPE系统上，优化大规模计算光刻和物理验证，加速DRAM和闪存生产[14] - Astera Labs在AWS上使用新思科技PrimeSim B200 GPU加速的EC2实例，芯片设计速度比纯CPU系统快**3.5倍**[15] 联发科利用英伟达H100 GPU，将Cadence Spectre加速**6倍**[15] - 台积电使用HPE和超微系统上的新思科技工具加速先进制造的关键工作负载[22] 美光扩大与Cadence的合作，采用GPU加速设计工具并集成智能体AI，提升其复杂内存设计工作流程的效率[22] 工业数字孪生与制造物流 - 西门子新推出的Digital Twin Composer利用英伟达Omniverse库，使富士康、现代重工、百事公司和凯傲等公司能够大规模构建工业元宇宙环境[24] - Krones在微软Azure上使用Ansys Fluent，结合英伟达Omniverse和CUDA-X，将灌装线仿真时间从数小时缩短至数分钟[25] - PTC宣布了从其Onshape CAD平台到英伟达Isaac Sim的新机器人设计-仿真工作流程，为发那科等公司创建无缝的CAD到OpenUSD桥梁[26] - 凯傲与西门子、英伟达和埃森哲合作，利用英伟达Omniverse和物理AI数字孪生架构，创建大规模、物理精确的仓库数字孪生，以训练和测试基于英伟达Jetson的自动叉车车队[27]

公司与行业战略合作进展 - Synopsys与NVIDIA的战略合作伙伴关系正在加速生态系统创新，旨在彻底改变跨行业的产品设计和工程流程[1] - 双方合作将NVIDIA的AI与加速计算能力与Synopsys领先的工程解决方案相结合，帮助客户以更低的成本、更高的精度和更快的速度设计、仿真和验证智能产品[1] - 合作旨在应对研发团队面临的日益复杂的工作流程、不断上升的开发成本和上市时间压力等重大工程挑战[1] 合作的核心价值主张与技术融合 - 传统工程方法已无法跟上当今软件定义智能系统的复杂性，双方正在重新设计产品的设计和开发方式[2] - 合作通过实现电子与多物理场的协同设计、加速计算密集型工作负载以及应用数字孪生进行虚拟原型设计来帮助客户[2] - NVIDIA认为，AI和加速计算正在从根本上重塑工程，现代工程发生在仿真和数字孪生中[2] - 双方结合NVIDIA CUDA-X、Omniverse、AI与Synopsys的硅到系统平台，旨在将日益增长的复杂性转化为强大优势[2] 客户案例与性能提升 - **Astera Labs**：为AI互连性运行Synopsys PrimeSim™，在AWS上使用B200 GPU，相比多核CPU仿真实现了**3.5倍**的加速[3][4] - **本田**：使用四个GB200 GPU，在Ansys Fluent®流体仿真软件上实现了高保真CFD，相比1，920个基于云的CPU核心，计算速度**加快34倍**，成本**降低38倍**[3][7] - **应用材料**：与Synopsys合作，使用经NVIDIA cuEST优化的Synopsys QuantumATK®，将用于大规模动态材料建模的复杂量子化学仿真速度提升高达**30倍**[3][7] - 应用材料此前利用NVIDIA GPU相比多核CPU，在包含约25，000个原子的多纳米非晶系统上已实现**8倍**的仿真加速[7] 数字孪生与物理AI进展 - Synopsys通过将现实世界的物理原理融入虚拟开发过程，缩小仿真与现实之间的差距，成为物理AI开发中日益重要的组成部分[6] - 从自动驾驶汽车到人形机器人，精确的仿真减少了迭代次数并提高了合成数据的纯度[6] - **ADI**在其基于NVIDIA Omniverse构建的Isaac Sim™环境中集成了Synopsys物理引擎，用于其触觉传感原型、飞行时间视觉系统以及下一代机器人灵巧性基准的数字孪生[6] - ADI的平台将支持包括川崎重工在内的早期采用者，通过模拟机器人性能和生成预测准确性更高的合成数据，减少迭代物理测试的需求并加速开发[6] 代理AI与工程自动化 - Synopsys正在与NVIDIA合作构建一个开放、安全的硬件加速代理AI堆栈，以满足从硅到系统的用例需求[3][8] - Synopsys的AgentEngineer™多智能体工作流利用NVIDIA Agent Toolkit，并支持NVIDIA NIM推理服务和Nemotron模型，为客户提供性能和可选性[9] - 在GTC上，Synopsys展示了由AgentEngineer技术驱动的代理电子设计自动化工作流，该技术可以编排复杂的芯片设计任务，在高性能环境中扩展，并让工程师保持控制[10] - 演示包括Synopsys新的行业首个用于设计和验证的L4代理工作流[10] 行业影响与市场活动 - Synopsys拥有业界最广泛的工程应用程序组合，支持跨工程工作负载的AI和GPU加速计算[2] - AWS表示，云技术正在改变整个行业的创新方式，使公司能够即时访问最先进的计算工具，而无需管理复杂基础设施的负担[5] - Synopsys在GTC 2026设有展位（1135），展示最新的AI驱动工程解决方案，并安排多场专题会议，涵盖工业机器人、半导体制造AI、GPU量子化学加速以及用于患者护理的数字孪生等主题[11]

公司战略与产品发布 - 新思科技在Converge大会上宣布了其Multiphysics Fusion技术，旨在解决由电磁、热和机械效应引起的芯片设计问题 [1] - 公司高管强调，随着半导体节点尺寸缩小以及先进封装技术的应用，物理问题变得至关重要，设计正从2D转向3D，堆叠芯片离不开深入的多物理场仿真 [1] - 新思科技的目标是在尖端处理器进入生产前识别潜在问题，以消除设计流程后期出现意外 [1] 收购与合作进展 - 新思科技详细说明了收购Ansys将如何帮助这家EDA公司加速从芯片到完整电子系统的战略转型，覆盖数据中心、自动驾驶汽车和机器人等领域 [1] - 公司与英伟达在2024年12月宣布了一项多年期战略合作伙伴关系，涵盖CUDA加速计算、智能体与物理AI以及Omniverse数字孪生技术 [1] - 作为合作的一部分，英伟达购买了价值20亿美元的新思科技股票 [1] 市场表现与分析师观点 - 新思科技股价在周四常规交易时段下跌3.3%至418.72美元，前一交易日微涨至432.98美元 [1] - 瑞穗证券分析师重申对新思科技股票的“跑赢大盘”评级，目标价为600美元，认为公司“独特地定位于AI基础设施建设和普适智能的交汇点” [1] - 分析师指出，整合Ansys技术将“显著增强新思科技的竞争护城河” [1] 行业背景与案例 - 英伟达的Blackwell AI处理器约两年前在服务器机架中运行时曾遇到热问题，最终通过重新设计服务器解决了过热问题，这凸显了设计阶段仿真与验证的重要性 [1] - 英伟达首席执行官在Converge大会上与公司高管同台讨论了双方的合作关系 [1]

核心观点 - 人工智能的快速发展以及对更高效计算基础设施的需求，正在驱动硅芯片设计与系统工程两大传统领域走向融合，这将定义未来十年的技术、经济和工程创新[2] - 人工智能带来的生产力提升被认为是推动未来25年全球经济增长翻倍的核心驱动力，而这一增长严重依赖先进的半导体和计算基础设施，半导体行业将在其中扮演核心角色[4] - 为支持人工智能经济的蓬勃发展，半导体行业正步入一个将持续十年的重大转型期，这将深刻影响从芯片架构到供应链的方方面面[5] - 未来的技术创新将取决于软件、硬件和物理系统的集成，工程师需要具备跨学科的广泛知识，以应对人工智能向物理世界扩展带来的挑战[6] 行业趋势与融合 - 传统上独立的硅工程师（设计芯片）与系统工程师（设计汽车、医疗设备等完整产品）领域，因人工智能驱动的技术（如自动驾驶汽车、机器人）而必须紧密合作，硬件与系统工程的界限正变得模糊[3] - 随着人工智能不断扩展到机器人、自主系统等“物理人工智能”领域，软件、硬件和物理系统的集成将变得日益重要[6] 人工智能性能衡量标准的转变 - 人工智能系统性能的衡量标准正从传统的“每秒令牌数”（处理速度）转向基于效率的指标，如“每美元令牌数”和“每瓦令牌数”，以评估相对于成本和能耗的有效计算量[3] - 这一转变至关重要，因为运行大型人工智能系统成本极高且能耗巨大，例如人工智能辅助搜索查询所需的能量可能是传统搜索查询的4到6倍[3] - 随着人工智能的广泛应用，提高能源效率将成为科技行业面临的最严峻挑战之一[3] 人工智能与全球经济增长 - 当前全球经济年产值约为117万亿美元，其中约41万亿美元来自实体产品，约60万亿美元来自服务业[4] - 未来25年，全球GDP可能会翻一番，达到约250万亿美元，这种增长很大程度上将由人工智能带来的生产力提升所驱动[4] - 人工智能系统严重依赖先进的半导体和计算基础设施，这意味着半导体行业将在推动未来经济扩张方面发挥核心作用[4] 人工智能硬件的关键组件与挑战 - 决定人工智能系统性能的四个关键组件是：计算（如GPU和专用AI加速器）、互连（芯片和计算节点间的数据传输技术）、存储（尤其是高带宽内存）和电源[5] - 高效的数据传输至关重要，因为数据传输通常比执行计算本身消耗更多电量[5] - 现代人工智能模型需要海量数据，存储是重大挑战，如果人工智能数据中心消耗掉大部分可用内存资源，内存供应短缺甚至可能扰乱某些行业[5] - 电源消耗是一个主要制约因素，因为大型人工智能系统需要大量的电力才能运行[5] 半导体行业的转型 - 半导体行业正步入重大转型期的第一个十年，各公司将调整制造工艺、设计方法和基础设施以支持人工智能经济的蓬勃发展[5] - 这一变革将影响从芯片架构到存储器生产和数据中心设计的方方面面[5]

文章核心观点 - 共封装光学器件是解决人工智能数据中心功耗和带宽瓶颈的关键技术，通过将光子引擎与计算芯片集成在同一封装内，可显著降低每比特传输能耗并提高带宽，从而应对AI发展带来的巨大电力与数据挑战[2][3][4] CPO技术原理与优势 - CPO将光子引擎直接集成到与ASIC、GPU或CPU相同的封装基板或模块内，使电信号传输距离缩短至几毫米，替代了传统需要15到30厘米PCB传输的方案[2] - 该技术的核心优势在于提供极低的每比特传输能耗，这是衡量数据中心效率的关键指标，尽管CPO本身并非低功耗技术[2][4] - CPO通过消除对长距离低效电线的需求，并减少对大量高速电I/O引脚的需求，从而释放封装资源用于供电，支持背面供电等先进技术[12][25] 市场驱动与行业参与方 - 到2030年，满足全球人工智能需求预计需要5.2万亿美元的数据中心投资，解决电力和带宽挑战对投资回报至关重要[3] - 在CPO技术开发中处于领先地位的公司包括博通、英伟达、英特尔、Marvell和Ayar Labs[3] - 技术由GlobalFoundries、IBM、英特尔晶圆代工、Tower Semi和台积电等代工厂支持，同时EDA工具供应商如Cadence、Keysight EDA、西门子EDA和Synopsys也推出了CPO设计工具[3][19][20] CPO设计挑战与解决方案 - **功耗管理**：为AI数据中心设计的计算节点芯片功耗极高，一个两英寸见方的芯片可消耗近35,000安培电流，功耗高达35千瓦，管理高功耗是先进封装设计的重大挑战[6] - **热光协同设计**：光子元件对温度高度敏感，温度变化会导致光学器件出现波长漂移，设计需进行复杂的多物理场仿真以控制热流[14] - **供电挑战**：为光子集成电路中的环形谐振器供电是挑战，每个环路可能消耗1到10毫瓦，未来设计可能集成数千个环路，供电需求随之增长[7] - **系统集成**：CPO需要管理单个封装中光和电的物理与功能融合，涉及异构芯片集成、消除信号瓶颈、硅光子学发展及激光源管理等[14] 技术实施与产业链进展 - CPO采用3D芯片配置，将光子器件安装在基板上，微型SerDes堆叠其上，通过TSV传输信号，光纤直接连接封装内的光子器件[9] - 该技术可节省高达30%的系统总功耗，并通过在光纤内设置8到16个通道，在低功耗下提供卓越带宽[12][14] - 大型EDA公司正积极布局：Cadence与Lightmatter及Tower Semiconductor合作开发集成流程；Keysight EDA收购Synopsys光学业务并发布验证工具；西门子EDA收购Canopus AI并扩大与英伟达合作；Synopsys与Lightmatter、台积电及英伟达合作优化接口与仿真[19][20] 未来发展方向与待解决问题 - 为使CPO更普及，需解决高级封装问题，包括GPU/ASIC附近的散热、实现更高精度光耦合、提高激光器可靠性、提高制造良率及降低制造成本[22] - 其他挑战包括促进CPO模块外形尺寸标准化、改进测试验证自动化及确保光引擎故障时的可维护性[22] - 从物理层面，光子集成电路波导的折射率对温度敏感，系统需被加热至约100度的稳定高温，并通过内置加热器及热管理来维持性能稳定[22] - 系统集成需确保多芯片复合光子器件所有元件在合适温度范围内工作且不过度耦合[23]

关键要点总结 一、 公司及行业背景 * 公司为**新思科技**，一家提供从硅片到系统的工程解决方案的领先企业，2024年宣布转型，并于2025年完成对**Ansys**的收购，2026年是合并后新公司的第一年[1][24][162] * 行业为**电子设计自动化**、**半导体IP**及**多物理场仿真与分析**，服务于半导体、人工智能、汽车、数据中心等多个高科技领域[1][24][180] 二、 核心宏观趋势与未来愿景 * 行业正进入**技术融合的十年**，计算、人工智能、新材料、新能源等**多个大趋势同时发生**，需要从技术角度进行融合以应对同时发生的颠覆[3][4] * **计算能力的指数级提升**是AI繁荣的基础，过去5-8年，新架构、工艺技术和封装技术的进步使计算能力足够强大以支持AI发展[4] * 行业正迈向**普适智能时代**，AI将无处不在，产品将从“智能”升级为“智慧”，能够学习、适应并自主行动[6] * **物理AI**是下一个前沿，AI将从数字世界（数据中心/设备）走向物理世界（机器人、汽车等），实现比特与原子（数字与物理）的融合与操控[6][7][12] * 物理AI中的**非具身AI**（在非受控真实环境中运行）比具身AI（在受控环境中）的工程复杂度高出**数个数量级**[7][8] * 客户展望：**人形机器人**将填补劳动力缺口（到2030年有数千万个未填补的岗位），增强人类劳动力，执行人类不愿做的任务，并将在10-20年内成为常态[9][11][16][20] * 物理AI系统面临**功率受限、延迟敏感、环境非受控、成本高昂**等核心挑战[22][23] 三、 公司战略与核心投资领域 为应对未来挑战并把握机遇，公司聚焦三大关键投资领域：**协同设计、数字孪生、智能体AI**[25]。 1. 协同设计 * **定义与必要性**：协同设计涉及跨多个工程领域（电子、电气、热、机械、流体等）进行优化，以交付最终产品[26]。未来产品的严苛约束（如人形机器人的复杂性）使得必须重新思考工程方法，从**垂直协同设计**（工程领域内优化）扩展到**水平协同设计**（跨工程领域优化），以减少过度设计、降低成本和时间[25][26][29][81] * **客户案例**：奥迪等客户强调与合作伙伴进行协同设计、模拟和获取早期反馈对于实现差异化体验至关重要[30][31]。AMD指出，在构建复杂的多芯片封装设计时，需要从最初就开始**跨全系统进行优化**[47] * **多物理场融合技术**：公司宣布推出**Multi-Physics Fusion**技术，将Ansys的多物理场仿真分析引擎深度集成到新思科技的EDA平台中，在**设计阶段**就考虑电磁、热、机械等效应[36][38] * **首批四项技术**：1) 时序签核多物理场方案（PrimeTime集成RedHawk）；2) 多芯片设计（3DIC Compiler集成HFSS-IC、RedHawk、Totem）；3) 设计收敛（PrimeClosure集成RedHawk、Totem）；4) 模拟设计（Custom Compiler、PrimeSim集成Totem）[37][38][39][40] * **价值**：从过度设计转向协同设计，减少迭代，降低成本、时间和能耗[40][41]。英特尔确认该技术对实现先进封装和埃米时代工艺至关重要，可减少设计裕量，交付最高性能[42] * **IP的关键作用**：在AI时代，芯片间数据移动的接口IP至关重要。公司是**接口IP领域的领导者**，并发布了首款**HBM4 IP测试芯片**，运行速度达**9+ Gbps**，未来可达**12 Gbps**[24][43][44] * **与Ansys的产品整合**：在Ansys作为宿主的产品中（如R1版本），也集成了新思科技的技术，例如光子集成电路设计、原子模拟平台等[45][46] 2. 数字孪生 * **必要性**：2025年全球研发支出达**1.7万亿美元**，但仅**10%** 用于自动化与技术工具，**90%** 仍用于人力和物理原型[51]。物理原型在开发智能系统时变得不可行，且**75%** 的研发时间用于消除故障，其中**60%** 的故障源于初始设计阶段[52]。数字孪生可降低成本、加速设计周期、提供预测性洞察[53][54] * **平台与生态**：公司宣布推出**电子数字孪生平台**，这是一个基于云的开放平台，旨在聚合生态系统（已有**超过30家**合作伙伴），为自动驾驶汽车等产品提供虚拟化、软件开发和快速验证所需的基础设施[55][56] * **软件定义系统**：通过软件更新，可在不更换硬件（如ZeBu Server 5）的情况下提升性能、改进调试能力，实现接近**2倍**的性能提升[58]。硬件架构的灵活性支持通过软件实现容量和性能的持续改进[59] * **与NVIDIA的合作**：合作包含多个层面：1) **GPU加速**：将新思科技产品优化运行于NVIDIA GPU，可获得**10倍、15倍甚至100倍以上**的运行时加速[60][143]；2) **Omniverse**：作为物理AI的操作系统，用于在逼真环境中可视化、模拟最终产品。Ansys Fluent（计算流体动力学）和AVxcelerate（自动驾驶用例）等产品将接入Omniverse，以提供高保真的环境数字孪生[60][61][123][129] * **客户案例**：数据中心客户指出，数字孪生有助于在虚拟环境中进行“假设”分析，应对**12个月**的设计周期压力，实现更高效部署[63][64] 3. 智能体AI * **愿景与框架**：为应对工程复杂性的复合增长，需要人类工程师与**智能体工程技术**合作，重新设计工程流程[66][67]。公司提出了从**L1（副驾驶）到L5（自动驾驶）** 的五级自主性框架，涵盖芯片设计流程的各个阶段[67][204] * **进展**： * **L1**：已推出**6个副驾驶**，覆盖几乎所有设计流程环节[67] * **L2**：已部署**24个任务智能体**，由人类工程师分配特定任务[67] * **L3**：已有**3个多智能体工作流**，由更高级的智能体进行编排[67] * **L4/L5**：正在积极部署L4，并为L5进行早期探索。L4需要**情境智能**来动态编排多个智能体[68][81] * **行业首个L4智能体工作流**：公司宣布推出行业首个L4级智能体工作流，例如能够从规范生成RTL的智能体，它通过编排多个子任务智能体（如架构设计、测试生成、形式验证等）来完成复杂任务[70][212][216] * **基础与开放性**：智能体AI建立在公司现有的求解器、算法和产品基础之上，并与微软、NVIDIA、AWS、谷歌等合作提供基础设施层。平台具有开放性，客户可以接入自己的智能体、数据或基础设施[69][70] * **合作伙伴观点**：微软CEO Satya Nadella指出，生成式AI与EDA工具的结合，将使智能体工程师成为生产力的下一个主要驱动力。未来将是**多智能体系统**的时代，结合自然语言模型与物理模型来驱动EDA工作流[74][77][78] * **NVIDIA观点**：NVIDIA CEO Jensen Huang强调，智能体AI将导致使用新思科技工具的**虚拟工程师数量增加数个数量级**，工具使用量将呈指数级增长。AI智能体能够进行人类无法完成的跨多个领域（电子、机械、热等）的协同设计与优化[152][156][168][171] 四、 半导体行业动态与AI超级芯片挑战 * **AI驱动行业变革**：AI正在彻底改变产品的构思、测试和上市方式，工程师需要并行运行更多的设计、测试和验证工作负载[47] * **AI超级芯片的三大轴心**：设计AI超级芯片时，必须在**性能、质量（一次成功）、速度（上市时间）** 三个轴向上同时推进，**无法妥协**[183] * **行业时钟加速**：半导体行业已进入**一年周期**的节奏，因为AI计算需求每年增长**4.4倍**，而摩尔定律每年仅带来**15%-30%** 的提升，必须通过架构创新和多芯片封装来弥补差距[184] * **验证挑战巨大**：为确保AI芯片一次成功，需要完成高达**10^15**（一千万亿）次验证周期，覆盖从能源、芯片、基础设施、中间件到模型和应用的**五层技术栈**[186] * **应对策略 - 极端协同设计**：需要在多个并行的“泳道”中同时执行，并进行跨泳道的协同设计与优化，涵盖垂直与水平协同设计[187][188] 五、 AI在EDA中的应用进展 * **AI作为优化器**：公司将强化学习应用于整个芯片设计流程，例如：VSO.ai可帮助将测试数量减少**2倍**并降低计算量；DSO.ai可提升性能和功耗；3DIC平台中的AI可优化互连路由；ASO.ai可优化模拟电路并迁移IP节点；TSO.ai可将测试模式数量和测试量减少**20%-45%**[189][192][193][194][195][196] * **AI作为助手**：基于LLM构建了知识助手、工作流助手、运行助手等，已拥有**超过15,000名**用户，处理了数百万次查询，满意度很高。Formal Advisor已生成**超过20万条**断言，Lint Advisor已检查数百万行代码[200][201][202][203][204] * **AI作为同事（智能体EDA）**：已交付**超过15个**L1至L4级别的客户智能体项目，包括Lint修复智能体、拥塞和DRC修复智能体等[206][207]。模拟版图合成等突破性技术，可自动完成模拟布局布线，加速设计周期[197][199] * **性能与质量提升**：通过与NVIDIA合作进行GPU加速，在SPICE仿真、计算光刻等领域获得显著加速（如OPC加速在3年内从**5倍**提升至近**30倍**）[218][219][220]。物理验证工具IC Validator在先进节点上性能提升显著（PERC快**3倍**，天线检查快**2.5倍**），并已完成**超过270次**3纳米及以下工艺的流片[221][222]。PrimeTime持续创新，引入分布式STA和3D IC SDA技术，并集成多物理场引擎[223][224] 六、 先进封装与多芯片系统 * **发展趋势**：为满足AI计算需求，封装技术从单芯片向**多芯片系统**演进，晶体管数量激增，目标是从**3.5-5.5倍**光罩尺寸发展到**9.5倍**光罩尺寸，最终实现**晶圆级系统**和**面板级系统**[232] * **3DIC Compiler平台**：公司构建的统一平台，将原型设计、构建和签核整合，支持2D/3D协同优化、复杂的互连技术，并**原生集成多物理场分析**和AI优化[234][235][236] * **客户案例**：通过自动化路由和AI优化，客户在HBM4接口设计中实现了更快的执行时间、更好的信号完整性指标（插入损耗、串扰）和更优的眼图[238]。Meta、英特尔、Marvell、谷歌等客户正在使用该平台进行架构决策、芯片堆叠、共封装光学和SI验证等工作[239]

公司产品发布与战略 - 电子设计自动化公司Synopsys发布了新的AI驱动工程解决方案，旨在推进下一代AI芯片和系统的设计、验证和交付[1] - 新推出的产品包括Synopsys Multiphysics Fusion技术，这是首个整合了Synopsys与Ansys技术的EDA产品，用于解决由电磁、热和机械效应引起的芯片设计问题[1] - 公司展示了业界首个由Synopsys AgentEngineer技术驱动的、协调的多智能体设计与验证工作流[1] - 公司升级了核心Ansys产品，增加了AI驱动的多物理场仿真和真实世界数字孪生技术[1] - 公司首席执行官Sassine Ghazi表示，通过整合软硬件协同设计、电子与物理设计，利用数字孪生在物理生产前进行设计、测试和改进产品，并运用AI增强人类能力，客户的研发团队可以加速其智能系统的上市时间[1] 公司并购与整合 - Synopsys于去年7月完成了对Ansys价值350亿美元的现金加股票收购[1] - 在最近的Converge大会上，公司概述了收购Ansys之后的技术路线图[1] 公司股价与市场表现 - 新闻发布当日，SNPS股价在午后交易中下跌超过1%，至427.50美元[1] - 根据IBD Stock Checkup，SNPS股票的IBD综合评级为51（满分99）[1] 行业背景与活动 - 公司于3月11日在加州圣克拉拉举行的Synopsys Converge大会，可能成为公司股价的下一个催化剂[1]

收购安西斯(Ansys)的战略意义与技术路线 - 公司收购安西斯(Ansys)旨在整合芯片设计与终端产品的物理仿真能力 以应对日益复杂的工程挑战 其核心是通过多物理场仿真创建高保真度的数字孪生 实现芯片与电子系统的协同设计[2][3] - 此次收购使公司的客户覆盖范围扩大了超过10倍 目前超过90%的汽车原始设备制造商使用其软件进行电子系统和物理结构(如流体动力学)的设计[4][5] - 公司认为 工程复杂性的加剧以及人工智能的融入(如运行机器人、汽车或无人机的智能体) 正驱动芯片设计与物理系统这两个世界的融合 而公司结合安西斯产品组合提供的虚拟表征能力是应对此趋势的关键[5][6] 公司的核心竞争壁垒与AI应用 - 公司认为其软件的特殊之处并非代码本身 而在于其物理模型、算法、求解器及求解器的保真度 这对于确保芯片设计在投入制造前达到100%的确定性至关重要[7] - 公司正将人工智能全方位应用于产品中 旨在为工作流程带来自动化、更高层次的简化与数字化 但核心仍是支撑客户实现产品目标的物理层面[8][9] - 人工智能帮助客户应对工程人才短缺的挑战 它能够增强现有工程师的能力 并通过改进制造良率来降低成本 例如在内存芯片领域 提高良率至关重要[10][11] 市场对AI影响软件行业的看法及公司定位 - 公司认为近期软件股抛售中 市场将所有软件公司归为一类并担心被AI取代是一种“天真的”过度反应 工程软件的关键在于其物理内核与求解器 而非单纯的代码 这与基础模型可替代的软件应用有本质区别[14][15][16] - 公司以英伟达等客户为例 指出若不将AI全面注入设计流程 将芯片设计周期从传统的18-24个月缩短至12个月是不可能的节奏 同时AI还能帮助提高制造良率[13] 业务增长前景与财务展望 - 尽管中国市场因限制和出口管制等因素增速放缓(此前曾连续3-4年保持20%以上的复合增长) 但硅芯片设计的普及与复杂性增加 仍在高性能计算、汽车、移动、消费电子等多个领域和地区为公司带来机会[17][18] - 公司重申其长期承诺 即电子设计自动化(EDA)业务实现两位数增长 知识产权(IP)业务实现中双位数(mid-teens)增长 安西斯产品组合同样预期实现两位数增长[18] - 支撑这一增长信心与承诺的 是当前工程领域的巨大加速以及正在发生的行业转型[19]

公司战略与产品发布 - Synopsys推出用于设计AI芯片的新软件工具 旨在应对芯片设计日益增长的复杂性[1] - 此次产品发布是公司以350亿美元收购工程软件公司Ansys后的首波新成果[1] - 新工具的目标是将工程分析工具嵌入芯片设计软件中 使设计人员能在设计阶段就解决热力学等问题 从而提升性能、降低功耗和成本[1] 行业趋势与市场动态 - 芯片设计复杂性激增 旗舰产品如AMD和Nvidia的芯片已演变为由许多更小的“芯粒”以复杂方式堆叠封装而成[1] - 这一“芯粒”趋势是推动Synopsys收购Ansys的核心动因 因为芯片设计师现在必须应对原本属于机械工程领域的问题 例如热量导致芯粒变形或膨胀从而可能损坏芯片[1] - 单个复杂芯片的成本可达数万美元[1] 公司市场地位与客户关系 - Synopsys是芯片设计软件的主要供应商之一 其软件用于规划构成芯片的数百亿个晶体管[1] - 公司客户包括AMD和Nvidia等主要芯片厂商[1] - Nvidia在去年向Synopsys投资了20亿美元[1]

文章核心观点 - 新思科技发布全新软件定义的硬件辅助验证平台及能力，旨在通过提升性能、容量和行业首创的硬件辅助测试自动化能力，加速从数据中心到边缘的AI芯片创新，以应对AI芯片设计日益增长的复杂性和验证需求 [1] 新产品与平台发布 - 推出行业首创的硬件辅助测试自动化能力，能够更早、更快地检测缓存一致性和子系统级错误，实现最大覆盖范围 [1] - 发布用于主流设计的HAPS-200 12 FPGA和ZeBu-200 12 FPGA新平台，采用EPReady硬件，将仿真和原型验证容量扩展2倍，并为相关用例提供领先性能 [1] - 推出HAPS-200 1 FPGA平台，作为桌面系统，适用于IP验证和使用新思科技接口原型套件进行软件启动 [1][2] 性能与容量提升 - 软件定义方法为ZeBu Server 5带来高达2倍的性能提升，并通过模块化硬件辅助验证将容量扩展高达2倍，以应对AI时代的超大规模设计 [1] - 最新的软件定义更新和模块化硬件辅助验证覆盖ZeBu和HAPS平台，其中行业最高容量可扩展仿真平台ZeBu Server 5支持复杂设计，满足支持数据中心AI训练和推理、GPU、定制加速器及网络IPU/DPU工作负载的超大规模设计需求 [1] - HAPS-200 12 FPGA和ZeBu-200 12 FPGA系统相比之前的6 FPGA平台，容量提升2倍，这得益于采用了旗舰级AMD Versal Premium VP1902自适应SoC [1] 行业需求与挑战 - AI芯片验证复杂性迅速升级，因为大型语言模型规模大约每四个月翻一番，接口数据速率每三年以2倍的速度提升 [1] - 边缘AI架构推动了对吞吐量、延迟和功率效率的激进目标，进一步扩大了设计和验证工作量 [1] - 行业需要硬件辅助验证解决方案来支持更广泛的应用覆盖并运行数万亿次验证周期，以实现一次性成功的芯片设计和无缝集成异构AI系统 [1] 客户与合作方评价 - AMD高级副总裁兼自适应与嵌入式计算事业部总经理指出，硬件辅助验证对于满足激进的上市时间目标和确保芯片就绪性至关重要，基于FPGA的仿真和原型验证通过加速系统启动和实现更早的软件开发在其中扮演核心角色 [1] - 新思科技首席产品管理官强调，在AI普及的背景下，早期建立对工作负载在开发中的芯片上按规范运行的高度信心至关重要，其软件定义的硬件辅助验证解决方案是提升验证生产力的强大力量倍增器 [1] - NVIDIA硬件工程副总裁表示，新思科技的软件定义硬件辅助验证和新HAPS-200 12 FPGA系统正在加速其系统级验证，帮助其在激进的日程内交付复杂的AI平台 [1] - AMD公司院士指出，验证其备受期待的机架级AMD Helios解决方案需要可扩展且多功能的验证平台，新思科技的软件定义硬件辅助验证能力对于执行CPU、GPU和AI子系统验证以及全系统验证至关重要 [2] 软件定义能力与价值延伸 - 持续的软件改进为新的和已安装的系统带来复合性能增益、调试效率提升以及额外的用例能力 [1] - 新思科技硬件辅助验证产品组合支持行业首创的硬件辅助测试解决方案，该测试自动化能力允许团队在芯片就绪前很久，就在仿真中对处理器、内存和I/O子系统的极端情况进行压力测试，并进行全系统一致性验证，观察实际工作负载下的系统行为 [1] - 对于混合信号和系统级设计，实数模型仿真可在以数字为中心的验证流程中实现模拟行为的快速、可扩展抽象，以加速软件启动 [1] - 对于安全关键和高可靠性设计，新的故障仿真能力支持在RTL仿真、仿真和原型验证中进行可扩展的故障注入和分析 [1][2] 上市时间与资源 - 软件定义增强功能正在硬件辅助验证产品组合中持续推出，新功能现已向用户提供 [2] - 新的EPReady HAPS-200 12 FPGA平台现已上市，ZeBu-200 12 FPGA平台将于2026年第三季度上市 [2] - HAPS-200 1 FPGA平台现已上市 [2]