Workflow
Silicon to systems engineering solution
icon
搜索文档
Synopsys, Inc. (SNPS) Presents at Morgan Stanley Technology, Media & Telecom Conference 2026 Transcript
Seeking Alpha· 2026-03-04 06:22
公司业绩与指引 - 公司2026财年将是Ansys与Synopsys合并后的首个完整财年 此次合并显著扩大了公司的市场机会 [1] - 公司第一季度业绩稳健 收入达到指引区间的高位 每股收益超出预期 公司重申了全年业绩指引 [3] 行业与战略定位 - 公司已从单一的芯片设计解决方案提供商 发展为从芯片到系统的工程解决方案提供商 [2] - 两家公司合并的时机极佳 正值物理AI机遇涌现 系统所需芯片复杂性增加 从芯片到系统的整体设计方法变得至关重要 [2]
Synopsys (NasdaqGS:SNPS) 2026 Conference Transcript
2026-03-04 04:32
公司概况 * 会议涉及的公司是新思科技,其首席执行官Sassine Ghazi在摩根士丹利2026年TMT会议上发言[1] * FY26将是新思科技与Ansys合并后的第一个完整财年,公司业务范围从硅设计解决方案扩展到硅到系统工程解决方案[3][5] --- 近期财务表现与指引 * 公司第一季度业绩稳健,收入达到指引区间上限,每股收益超出预期[9] * 公司重申了全年业绩指引,对实现指引充满信心[9] * 公司预计今年EDA业务将实现接近两位数的增长[232] * 长期来看,公司对EDA和仿真分析业务实现两位数增长、IP业务实现中双位数增长保持信心[232] --- 增长驱动力与战略重点 **1 人工智能战略** * 公司自2017年开始投资强化学习,并将其融入产品组合,于2020年左右开始销售相关解决方案[30][32] * 生成式AI改变了用户界面和交互方式,可视为工程师的助手[36][39] * 公司正在推进智能体工程,将其视为一系列任务智能体或智能体工程师,并通过认知层进行编排以改变工作流程[41] * 智能体将改变工作流程,进而带来不同的货币化机会[43][45][58] * 在芯片设计工作流程中,智能体可以在某些环节辅助人类工程师,提高效率和质量[68][70] * 在仿真和验证领域,AI是加速验证过程的巨大机遇[91] * 公司拥有数十年来构建的复杂求解器,这是其在AI领域构建智能体的优势所在[108][112] **2 与英伟达的合作** * 合作基于公司合并后扩展的产品组合,涵盖了从硅到系统的设计[120][121] * 合作的第一层是GPU加速:公司计划在年底前与英伟达共同交付联合研发成果,部分技术已实现相比CPU 10倍到20-25倍的性能提升[136] * 合作的第二层是数字孪生:通过Omniverse平台,结合Ansys的物理仿真能力,在制造前验证智能系统功能[140][141][144] **3 IP业务转型** * 中国市场动态:过去几年中国曾是快速增长的市场,但受技术限制和初创公司数量减少影响,增长面临阻力;公司在FY26的指引中已对中国市场进行风险规避[147][152][154][156] * IP业务模式演变:公司正从传统的“一次性购买、每芯片付费”模式,转向针对定制化需求(如ASIC、超大规模客户)的“使用费+NRE+某种形式分成(如版税)”的新商业模式[170][192][194][196] * 公司正在向提供子系统设计演进,但明确表示不会自己制造芯片以避免与客户竞争[179][199][201] * 对于某个主要代工客户,公司在FY26指引中假设其不会有新的设计项目,以此规避风险[210][211] **4 Ansys整合与协同效应** * 公司加速偿还了短期债务,显示了资产负债表的实力[223] * 公司宣布了2.5亿美元的股票回购计划[225] * 公司预计从Ansys收购中获得的4亿美元成本协同效应将加速实现,早于最初设定的三年时间[228][229] --- 业务模式与竞争定位 * EDA业务当前主要是基于许可的本地部署模式,按工程师数量和任务消耗的许可数量计费[239] * EDA行业从客户研发预算中获取的份额在过去十年间已从约7%增长至接近12%[237] * 公司认为AI是巨大的机遇而非颠覆威胁,公司正引领利用AI(生成式AI、智能体)简化客户复杂工作的创新,并以此驱动更多货币化[240] * 在物理仿真与芯片设计协同领域,合并后的新思科技凭借其物理仿真(如热、结构分析)与芯片设计的结合,拥有独特的差异化优势[22][128] --- 其他重要信息 * 公司将在下周举办名为“Converge”的会议,宣布在上述三个增长向量(电子与物理协同设计、数字孪生、智能体)以及智能体工程方面的一系列联合解决方案[24][25] * 在仿真分析领域,除了AI,计算加速(如GPU)也是重要机遇,例如计算流体动力学仿真可加速100倍到300倍,将数周任务缩短至数天或数小时[93][94][95]