行业投资评级 - 看好 [1] 报告核心观点 - 半导体行业进入系统级时代，多物理场仿真成为EDA工具愈发重要的能力，EDA与CAE的融合是行业明确趋势 [1][3] - 底层驱动来自后摩尔时代，先进封装下的Multi-Die芯片系统成为必然趋势，AI芯片功耗密度剧增进一步加速了对跨层级、多物理场仿真工具的需求 [1][3] - 海外EDA三巨头通过大规模并购CAE公司验证并布局“系统级”趋势，旨在构建从芯片到整机的多物理场仿真能力 [1][3] - 国内EDA厂商芯和半导体卡位系统级EDA，其产品覆盖从芯片、封装、PCB到整机系统的全栈集成解决方案，与现有以芯片级设计为主的上市公司形成互补 [1][2] 多物理场仿真：系统级时代EDA重要需求 - 多物理场仿真是对电场、磁场、热场、机械场等相互耦合的复杂系统进行建模分析的CAE技术，在半导体领域用于在设计阶段预测热失效、电迁移等问题 [8] - 芯片层级：后摩尔时代，通过先进封装延续“摩尔定律”，Multi-Die芯片设计成为必然趋势 [1][3]。AI芯片单Die面积已接近光刻机曝光极限（约858mm²），必须转向多Die设计，如英伟达Blackwell采用双Die，Rubin Ultra将采用4Die合封 [23]。AI芯片功耗密度剧增（如B200 GPU功耗1000W），加剧了多物理场耦合效应，对仿真需求迫切 [24][27] - 系统层级：芯片-封装-PCB-整机高度耦合，复杂度提升 [2]。以英伟达NVL72机柜为例，整机柜功耗达120kW，高密度设计导致多物理场效应增强，传统“分层设计”方法失效，需要跨层级的一体化仿真工具 [28][31][34] - EDA工具从单芯片DTCO向系统级STCO演进，设计目标从追求局部PPA（功耗、性能、面积）最优转向追求系统全局性能与可靠性最优 [46][48] - AI驱动下，多物理场仿真相关EDA增速显著高于行业整体。根据Research and Markets，未来5年全球EDA市场CAGR为8.1%，其中CAE子板块CAGR将达到25.8% [1][49] 海外：三巨头并购验证“系统级”趋势 - **Synopsys**：2024年1月宣布以350亿美元收购CAE领军企业Ansys，于2025年7月完成 [54]。Ansys 2025财年为Synopsys贡献营收7.57亿美元，成为其增长最大动因 [57]。此次收购补齐了Synopsys在电磁、热、结构、流体等领域的仿真能力，构建从芯片到系统的多物理场仿真平台 [54][56] - **Cadence**：通过散点式并购构建多物理场仿真版图，2026年2月以27亿欧元完成对Hexagon设计与工程业务的收购，是其史上最大规模并购，获得了结构仿真“黄金标准”MSC Nastran和多体动力学工具Adams [58][59] - **Siemens**：2025年3月以约106亿美元收购Altair Engineering，强化了其在系统优化与多物理场仿真（如结构拓扑优化、高频电磁仿真）方面的能力，弥补了其EDA产品在签核环节之外的系统级仿真短板 [65][71] - 三大巨头的并购共同指向EDA+CAE融合，旨在应对AI算力系统、新能源车等“高电”系统带来的电-热-力等多物理场协同设计挑战 [72][73] 国内：芯和半导体卡位系统级EDA - 芯和半导体成立于2010年，是国内最早专注仿真的本土EDA厂商，创始人团队具备Cadence背景 [1][74] - 公司以“仿真驱动设计”为理念，围绕STCO开发电磁、电热、应力等多物理引擎技术，提供从芯片、封装、模组、PCB到整机系统的全栈集成系统EDA解决方案 [1][76] - 已形成“三大平台、六大解决方案”的完整产品矩阵，填补了国内封装级与系统级EDA的空白 [1][76]。产品包括芯片级电磁仿真IRIS、先进封装SI/PI仿真Metis、系统级多物理场仿真Boreas等 [78][80] - 公司商业化进程加速，2023-2024年营业收入分别为1.06亿元、2.65亿元，净利润从-8992.82万元扭亏为盈至4812.82万元 [81]。已于2025年12月完成IPO辅导 [1][81] - 芯和半导体的系统级EDA定位与国内现有EDA上市公司（如华大九天、概伦电子、广立微）以芯片级设计工具为主的布局形成互补，而非竞争关系 [1][82][83] 市场规模与增长 - 2025年全球半导体销售额同比增长26.2%至7956亿美元，预计2026年有望突破万亿美元 [48]。AI相关半导体增速约为行业整体的2倍 [48] - 2026年全球EDA市场规模预计为207.8亿美元，2026-2031年CAGR为8.1% [49] - Synopsys预测，收购Ansys后带来的系统级仿真EDA增量市场约100亿美元，涵盖AI服务器、新能源车、机器人、航空航天等领域 [51] 相关标的 - 华大九天、概伦电子、广立微、芯和半导体（IPO辅导完成） [2]

报告行业投资评级 - 看好 [1] 报告的核心观点 - 半导体行业已进入系统级时代，芯片设计从单芯片SoC转向先进封装下的Multi-Die系统，AI算力需求加速了这一趋势 [1][2] - 在功耗密度剧增的背景下，多物理场耦合效应增强，传统的分层设计方法失效，跨层级、跨维度、一体化的多物理场仿真工具成为EDA行业愈发重要的能力 [1][3] - EDA与CAE的融合是行业明确趋势，海外巨头通过并购验证并强化了这一方向，国内厂商芯和半导体卡位系统级EDA，填补了国内封装级与系统级EDA的空白 [1][10] 根据相关目录分别进行总结 1. 多物理场仿真：系统级时代EDA重要需求 - **底层驱动**：后摩尔时代，芯片通过先进封装延续“摩尔定律”，Multi-Die设计（如Chiplet、3DIC）成为必然趋势，AI芯片的功耗密度剧增进一步加速了多物理场仿真的渗透 [1][11][18][22][26] - **系统层级挑战**：AI芯片功耗密度剧增与系统设计复杂度提升共同作用，引发系统级多物理场效应增强，以NVL72延迟出货为例，芯片发热引发的连锁反应导致机柜系统稳定性缺陷 [1][32][38] - **EDA工具演进**：设计范式从追求单芯片PPA的DTCO向追求系统全局最优的STCO演进，多物理场仿真在EDA工具中呈现“左移”（仿真前置至设计前端）和纵向延伸（从芯片拓展至封装、PCB、整机）两大趋势 [44][45][50][51] - **市场规模**：根据Research and Markets数据，未来5年全球EDA市场CAGR为8.1%，其中与多物理场仿真强相关的CAE子板块CAGR将达到25.8%，增速显著高于行业 [1][55] 2. 海外：三巨头并购验证“系统级”趋势 - **Synopsys**：2024年以350亿美元收购CAE领军企业Ansys，补齐电磁、热、结构、流体等多物理场仿真能力，构建从芯片到系统的全栈仿真平台，2025财年Ansys贡献营收7.57亿美元，成为增长主要动因 [61][66] - **Cadence**：通过散点式并购构建多物理场仿真版图，2026年以27亿欧元收购Hexagon D&E业务（含MSC Software），获得结构仿真与多体动力学能力，打通从芯片到整机系统的多物理场仿真链条 [67][68][74] - **Siemens**：2025年以约106亿美元收购Altair，强化其在系统级多物理场优化与仿真能力，特别是在结构拓扑优化和高频电磁仿真领域，补强了其从制造签核向系统设计延伸的能力 [76][82] - **共同逻辑**：三大巨头的并购共同指向EDA+CAE融合，设计目标从追求单芯片PPA转向追求芯片系统乃至整机系统的性能与可靠性，多物理场仿真正从“可选能力”变为“必选项” [83][84] 3. 国内：芯和半导体卡位系统级EDA - **公司定位**：芯和半导体是国内最早专注仿真的本土EDA厂商，定位系统级EDA，提供从芯片、封装、模组、PCB到整机系统的全栈集成系统EDA解决方案，填补了国内封装级与系统级EDA的空白 [1][85][87][95] - **产品矩阵**：已形成“三大平台、六大解决方案”的完整产品矩阵，包括Chiplet先进封装设计平台、封装/PCB全流程设计平台和集成系统仿真平台，支撑STCO设计方法 [87][88][91] - **财务与IPO进展**：2023-2024年营业收入分别为1.06亿元、2.65亿元，净利润从-8992.82万元扭亏为盈至4812.82万元，已于2025年12月完成IPO辅导 [92] - **与现有上市公司关系**：国内EDA上市公司（如华大九天、概伦电子、广立微）产品以芯片级设计工具为主，芯和半导体的系统级EDA能力与其形成互补而非竞争关系 [1][93][95] 4. 有别于大众的认识 - **工具变革深度**：多物理场仿真不仅是点工具升级，更是EDA工具整体“左移”的变革，仿真被前置到设计前端，以提升首次流片成功率 [4] - **市场空间弹性**：EDA+CAE的融合趋势使其市场边界从半导体产业拓展至AI服务器、新能源车、机器人等广阔领域，增长弹性突出 [4][58]

公司业务与技术定位 - 公司物理AI业务聚焦于多物理场仿真、物理规律驱动的智能体训练及行业级应用 [1] - 公司技术面向新能源电池、具身智能、低空经济等领域的虚拟训练场景 [1] - 公司技术具备自主可控、安全可定制的优势 [1]

光学设计软件行业概述 - 光学设计软件用于设计光学元件配置方案以操控光线轨迹，应用于成像、照明、光纤耦合等领域，其核心功能在于可修改光学元件以提升性能指标，现代软件界面增强了易用性，使经验不足的设计师也能开发出高性能光学系统 [2] 全球市场规模与预测 - 预计到2031年，全球光学设计软件市场规模将达到4亿美元，未来几年年复合增长率为8.6% [5] 市场竞争格局 - 全球光学设计软件市场的主要生产商包括Synopsys、Ansys (Zemax)、Comsol、Wolfram、Optiwave Systems等 [9] - 2024年，全球前五大厂商合计占据约81.0%的市场份额 [9] 产品类型细分 - 按产品类型划分，本地部署是目前最主要的细分产品，占据约85.9%的市场份额 [12] 应用领域细分 - 按应用领域划分，光学仪器是目前最主要的需求来源，占据约65.1%的市场份额 [14] 行业发展趋势 - **与光电产业深度融合**：5G通信、自动驾驶、AR/VR、激光雷达、生物医疗成像等新兴领域对高性能光学系统需求快速增长，推动软件从工具型产品向支持光机电一体化的行业解决方案演进 [17] - **多物理场仿真与系统级设计成为主流**：未来光学系统涉及光学、热学、结构、电学等多物理场耦合，软件正从单纯成像计算走向与结构、热、控制等仿真平台的深度集成，实现系统级建模与验证 [18] - **智能化与自动优化设计加速落地**：借助优化算法与AI技术，软件提供自动布局、参数寻优、公差分配等功能，工程师工作模式从手工试错转向设定目标后自动搜索方案，显著缩短研发周期 [19] - **云端协同与生态化发展**：云计算和SaaS模式推动软件向云端部署、多人协同、按需付费转变，同时围绕软件形成材料数据库、加工工艺库、标准镜头库、培训咨询等生态，头部平台化趋势明显 [21] 主要驱动因素 - **下游应用拉动**：自动驾驶、AR/VR、激光雷达、生物医疗成像、空间光通信等快速发展，推动需求从“单个镜头设计”升级为“多模块、多传感器协同”的系统级设计与仿真 [22] - **多物理场耦合与跨平台协同成为标配**：高功率激光、车规光学、航空航天载荷等应用要求在光学设计阶段评估热、结构等因素影响，推动光学软件与结构、热、电磁仿真平台打通，实现一体化设计 [23] - **智能优化与自动化设计加速落地**：在复杂光学设计场景下，行业广泛引入智能优化算法与AI技术，实现自动初始结构生成、参数寻优等功能，缩短整体产品开发周期 [24] - **云化部署、生态化服务与本土化支持并行发展**：SaaS和云计算推动部署模式变革，同时软件与数据、服务形成一体化生态，不同地区对语言、标准、服务响应的本土化需求也在增强 [25] 市场挑战 - **高门槛市场与用户粘性强**：软件属于高单价、重学习成本工具，用户形成工作流后难以更换平台，新进入者获客成本高、市场开拓难度大 [26] - **人才稀缺与使用门槛较高**：光学设计涉及多学科知识，高水平工程师数量有限，导致许多企业软件利用率偏低，限制了在中小企业和新兴领域的渗透速度 [27] - **本土化需求与国际巨头挤压并存**：国际厂商在品牌、功能和生态上占优，而本土用户对价格、中文支持和本地服务响应有更高期待，本土软件在追赶过程中面临平衡挑战 [28] - **正版推广、生态建设与收益模式压力**：部分市场正版意识不强，同时客户期望获得“软件+数据库+服务”的整体方案，但为服务持续付费的习惯尚在养成，厂商盈利模式面临压力 [29]

文章核心观点 - AI驱动的新算力周期正推动芯片设计体系发生方法学级别的重构，EDA的角色从“设计工具”升级为AI算力体系的底层操作系统[1] - 芯和半导体提出“为AI而生”的双轮驱动战略，即“EDA for AI”和“AI+EDA”，以应对Chiplet、多物理场仿真、系统级协同等新挑战[7][8][12] - EDA的未来被定义为跨尺度、跨物理、跨系统的“算力工程学”，公司正致力于通过协同创新推动国产设计工具走向工程实用，提升AI算力基础设施的稳定性与性能[14] 后摩尔时代EDA面临的挑战与转变 - 摩尔定律失效后，行业需从系统角度出发解决问题，例如采用近存或存内计算，通过Chiplet架构将GPU与存储芯片进行3D或2.5D堆叠，这对EDA提出了极高要求[3] - 算力架构从单芯片向多芯粒、超节点方向演进，EDA工具需适应“多芯粒、跨工艺、异构封装”的新需求，重点在于保持灵活性、可扩展性与高带宽互联[4] - 真正的系统级仿真与传统EDA差别巨大，例如在超算中心场景中，大量GPU同时工作产生的同频共振会导致电流激增、阻抗大幅波动，对供电系统构成巨大挑战[5] Chiplet技术路径与多物理场仿真 - Chiplet发展分为两个阶段：第一阶段是2.5D集成，解决算力问题；第二阶段是3D堆叠，针对大算力场景，而AI的真正大规模应用在端侧市场[4] - 实现“感存算传输”一体化需集成传感、存储、光电模块、MEMS、RF等不同工艺、频段、速率的器件，并考虑电、热、应力等多物理场协同分析[4] - 跨尺度仿真分析难度陡增，芯片是微纳级，封装是毫米/厘米级，PCB板卡是分米级，机柜是米级，需平衡运算规模与刻画精度[4] - 多物理场仿真可能是Chiplet未来的求解方式，借助AI在早期架构探索阶段快速进行供电、散热、应力分析，可大幅缩短设计周期[4] EDA for AI：赋能AI硬件全链路 - “EDA for AI”战略旨在利用EDA工具赋能从芯片到封装、PCB，再到互连、整机系统的整个AI硬件设计和仿真分析链路[10] - 在芯片级，通过异构集成、3D IC、2.5D/3D封装、多物理场仿真等方式帮助AI芯片设计突破摩尔定律限制[10] - 在系统级，针对Scale Up（多个算力卡高效互连）和Scale Out（多个机柜横向连接成AI工厂）产生的挑战，如高速信号、电源、电-热-应力互相干扰，提供协同仿真和优化[10] - 为解决AI机柜散热问题（如72颗芯片，每颗功耗800-1000瓦），创新方案包括将散热器直接放在晶圆上散热，以及在中介层中打开微流道从内部导热[6] AI+EDA：驱动设计流程智能化 - “AI+EDA”战略核心是提供多智能体XAI平台，从建模、设计、仿真、优化等多方面赋能，具备大规模参数空间探索能力，帮助设计师快速找到最优解[12] - 典型应用覆盖工程师大部分工作，包括工艺建模、器件建模、IP建模、仿真和算力预测、智能优化、智能知识库、智能自动化和生成式脚本[12] - 目标是将EDA工具从“被动工具”向“主动协同者”直至“真正的劳动力”进化，让设计师摆脱重复劳作，专注产品创新[12] - 据统计，工程师花在设计上和仿真上的时间比约为1:几十，融入AI大模型和智能体可大幅提高效率[12] 产业生态与公司定位 - EDA是集成电路领域从业人员最少、市场占比仅1.3%的行业，但其作用如同“脖子”，连接大脑和心脏，至关重要[7] - 芯和半导体自2017年开始布局Chiplet技术，经过七八年迭代，已获得国内外多家客户肯定，并荣获有“中国工业界奥斯卡”之称的工博会CIIF大奖，是首家获此奖项的EDA公司[8] - 公司致力于通过协同创新，推动更多的国产设计工具走向工程实用，在仿真阶段提前解决系统级问题，使AI算力基础设施更稳定、更强大[14]