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]