AI驱动算力范式演进 - AI技术从感知式、生成式、代理式向物理AI快速演进，每一步都伴随计算量的指数级增长和对算力更高维度需求[1] - 摩尔定律和登纳德缩放定律双双停滞，单纯依赖芯片工艺和单点架构优化已无法支持算力指数级提升[3] - 必须通过算力、互联、存储和封装等多维度系统层面协同创新，才能实现算力指数级增长[3] 系统级设计成为AI时代核心 - AI时代主角从"芯片"转向"系统"，Scale up范式从单芯片转向以机柜为单位的整体性能跃迁[2] - 几十至上百个GPU、CPU、内存、存储等单元通过高速互联网络整合为深度耦合的"超级计算单元"[2] - 设计优化从晶体管与工艺协同扩展到系统架构整体联动，从DTCO升级为STCO[3] - 计算边界从芯片内部延伸至整个AI基础设施系统与互联网络中[2] EDA产业战略转型 - 三大EDA巨头通过收购加速系统设计转型，构建从芯片到系统的完整设计链路[4] - EDA工具需要从单芯片设计拓展至封装级协同优化，跨维度系统级设计能力成为必答题[3] - 产业链需要推进设计范式从DTCO升级为全链路STCO，实现"从芯片到系统"的能力跃迁[3] 芯和半导体战略布局 - 公司全面开启"为AI而生"战略，采取"EDA For AI"和"AI+EDA"双线并进策略[4] - 凭借Chiplet、先进封装与系统领域积淀，在"从芯片到系统全栈EDA"领域建立先发优势[4] - 展示三大核心平台：Chiplet先进封装设计平台、封装/PCB全流程设计平台及集成系统仿真平台[4] - 通过六大行业解决方案实现全方位部署和落地[5] AI与EDA深度融合 - AI既加速EDA生产力，又优化设计流程，既能赋能工程师，也能加快TTM[7] - 公司展示自主研发的"XAI智能辅助设计"核心底座，将四大智能体融入EDA流程[7] - 推动EDA从传统"规则驱动设计"演进为"数据驱动设计"[7] - 具备大规模参数空间探索能力，帮助设计师在多设计变量组合中快速找到最优解[7] 物理AI带来的新机遇 - 物理AI时代需要实现"感知-思考-决策-在物理世界中行动-再感知"的闭环[10] - 物理AI对延迟高度敏感，需要毫秒间做出本地化决策，需要严格功耗控制[10] - 物理AI设计复杂性来自其跨越多个物理系统的天然属性，本质上意味着系统智能[10] - 物理AI所孕育的广大市场将是兑现"多物理仿真引擎技术"潜力的更大舞台[10]