AI驱动芯片设计变革 CadenceLIVE中国用户大会释放哪些信号？

产业变革前夜：从系统应用倒逼EDA重构

过去一年，全球科技产业最深刻的变化发生在物理世界与数字智能的交汇处。从具身智能的快速迭代、无人驾驶的城市级落地，到各类机器人开始进入工业与家庭场景，人工智能正以前所未有的速度从虚拟空间向物理世界延伸。

这场变革并非单点突破，而是一条自下而上、层层传导的技术链条。处在最前端的系统应用——无论是需要实时感知与决策的自动驾驶汽车，还是要求高度自主执行能力的工业机器人——正在对底层芯片提出根本性的新要求：更高的能效比、更强的异构计算能力、更复杂的多芯片协同架构。芯片不再只是“计算部件”，而是整个智能系统的神经中枢。

这种需求压力直接传导至芯片设计层面。传统的平面式、单芯片设计方法论正在被3D-IC、Chiplet等系统级架构所取代，设计规模从数亿晶体管跃升至数百亿乃至千亿级别。功耗、散热、信号完整性、多物理场耦合等问题交织在一起，使得设计空间呈指数级膨胀。与此同时，全球供应链的动态调整、存储与算力成本的波动，以及客户对极致设计空间的持续探索，都让研发团队面临前所未有的综合挑战。

而当芯片复杂度逼近人类工程师手工优化的极限时，EDA行业便站在了变革的十字路口。传统的设计工具流程已经难以匹配芯片架构创新的速度——一款先进制程芯片的后端工程师动辄需要40到60人，验证环节占据整个开发周期一半以上的时间，签核收敛阶段更是充斥着大量重复性的繁琐工程劳动。单纯依靠增加工程人员数量来应对复杂度增长，已被证明是不可持续的发展方式。

正是在这一产业剧变的背景下，近日，CadenceLIVE中国用户大会在上海召开。作为全球EDA三大巨头之一，Cadence在这场大会上释放了明确的战略信号：AI智能体正在从辅助工具演变为芯片与系统设计的核心生产力引擎，而EDA行业的使命正从“提供工具”转向“构建智能系统设计平台”。

Cadence资深副总裁兼数字与签核事业部总经理滕晋庆博士坦言，“仅仅依靠增加工程人员的数量，并不是一个可持续的发展方式。业界也正在积极寻找一个新的发展方向，希望把AI融入设计过程之中，以提高生产力。其实这也正是真正能够为大家创造价值的机会。”

Cadence资深副总裁兼数字与签核事业部总经理滕晋庆博士

从系统应用的需求倒逼，到芯片架构的复杂化演进，再到EDA工具的智能化重构，一条清晰的变革链条已然成形。Cadence此次用户大会所展示的，正是这条链条最末端——也是最具杠杆效应的一环——如何通过AI重新定义芯片与系统设计的方法论。

从“优化AI”到“智能体AI”的范式跃迁

在滕晋庆看来，AI在EDA领域的发展经历了清晰的演进路径：从早期的“优化AI”（仅能做规则优化），到“对话式LLM”（能够进行简单交互与推理），再到如今真正进入“AI智能体”时代。

“AI智能体不仅仅能够回答问题，更能够主动完成大量复杂工程任务，真正开始改变了工程师工作的方式。”滕晋庆表示。

这一转变的背后，是Cadence提出的“三层蛋糕”概念。滕晋庆在演讲中详细阐述了这一架构：最上层是AI智能体，负责智能决策与任务编排；中间层是基于物理、数学、计算机科学的核心算法，涵盖所有仿真与优化引擎；最底层是加速计算平台，包括CPU、GPU及各类专用加速器。

滕晋庆用了一个生动的比喻，“你不可能在一个性能普通的车子上实现非常好的自动驾驶。同样的道理，如果要让AI在设计流程上真正地发挥价值，必须先要有世界级的设计工具，然后再把AI加进来。”

这一理念深刻揭示了EDA行业AI化的本质——AI不是替代工具，而是放大工具能力的倍增器。中间层每一点能力的提升都会被AI放大，但如果中间层本身存在问题，再强的AI也无法发挥效果。

全栈式AI智能体：从芯片到系统的完整覆盖

今年4月，Cadence在CadenceLIVE Silicon Valley 2026大会上正式发布了完整的AgentStack（智能体栈）架构。这是一个统一的主智能体（Super Agent），能够协调所有专业智能体，并可从芯片设计扩展到3D-IC设计、再到系统设计与分析。

在这一架构下，Cadence针对不同设计环节开发了多个专业AI超级智能体：
ChipStack面向数字前端设计与验证，覆盖RTL生成、测试平台创建、回归测试编排与调试。滕晋庆指出，RTL本质上是一种描述芯片功能的编程语言，AI能够帮助工程师更高效地编写代码。但训练数据不足是最大挑战——RTL的资料规模远小于通用编程语言，且大部分IP是各公司的核心资产，并不对外公开。

为此Cadence提出了RL²（双循环强化学习）架构：第一个强化学习循环负责决定设计架构并确保逻辑功能正确性，第二个循环则极致打磨架构以达到最佳PPA（性能、功耗、面积）。

ViraStack面向模拟与定制设计，这一领域过去几十年自动化程度一直有限，因为模拟设计涉及大量非线性、多物理场挑战，大量设计经验掌握在资深工程师手中。ViraStack可以自动检索内部设计项目与IP库，自动调用工具完成参数调整与优化。据滕晋庆透露，某重要客户使用ViraStack后，短短一个月内，他们内部使用ViraStack的工程师从10人扩大到100人，再增长到500人的规模。

InnoStack面向数字后端实现与签核，从综合、布局布线到签核分析和ECO执行。大型芯片公司面临的最大挑战是后端工程师严重不足——一个100万门的芯片至少需要40到60名后端工程师。InnoStack的目标是让一个AI智能体同时处理3个、4个甚至更多模块。

AuraStack则是全球首个针对先进PCB和先进封装设计的AI智能体，覆盖从系统规划、设计实现到签核质量审查等关键环节。

滕晋庆特别强调，“我们的目标不仅仅是把AI嵌入工具中，更希望新的智能体可以协同合作，帮客户实现真正有意义的全智能设计平台。”

AI不是取代工程师，而是放大工程师

在Cadence副总裁、中国及东南亚区总经理汪晓煜的开幕致辞中，有一段话值得反复品味，“我们的初衷是很纯粹的，就跟当初EDA刚出来一样。现在的AI智能体做了这么多，并不是要去取代人类工程师。而是希望帮助技术人员把极其繁琐的一些工程问题交给AI智能处理，让我们的技术专家、技术人员可以把聪明才智、精力聚焦在最核心、最具挑战的研发工作上面。”

Cadence副总裁、中国及东南亚区总经理汪晓煜

这一理念在滕晋庆的演讲中得到了具体的数据支撑。在签核收敛环节，针对一个28纳米的高能效核心，人类工程师花了约20小时才能完成收敛，而AI智能体在同样设计上首次运行就减少了58%的违例。在仿真验证领域，违例在一个月内降低了79%。总计40小时的工作，AI用了8小时完成，节省了28小时的资深工程师时间。

英伟达CEO黄仁勋在今年4月的CadenceLIVE Silicon Valley大会上与Cadence CEO Anirudh Devgan同台时也表达了类似观点。黄仁勋指出，“我们现在到了一个节点，智能体能够预见、推理并执行计划。AI从知道一切、能够吐出各种知识和信息，到现在能够使用工具。”他进一步表示，智能体系统能够通过让工程师同时协调多个专业智能体来扩展工程能力。

硬件加速与3D-IC：下一代设计的双重引擎

除了AI智能体，Cadence还在硬件加速和3D-IC两个方向持续发力。

在硬件加速方面，Cadence的Palladium Z3和Protium X3平台在过去六年中业务增长迅速。每个机柜上有超过100个芯片，全部用光纤紧密连接，是一个完整的系统工程成果。更重要的是，Cadence正在积极推动GPU加速——从今年开始，许多核心算法已支持GPU，为客户提供了5到10倍的性能提升。

在3D-IC领域，滕晋庆指出，“3D-IC并不是一个新鲜事物，有大概20年了，但它的时代才刚刚开始。”Cadence推出了Integrity 3D-IC平台，将芯片设计工具、封装设计平台以及电、热、力分析工具整合在一起。最关键的突破在于，Cadence对底层架构做了大幅升级，将Z轴维度融入核心算法中——传统的平面布局算法主要考虑XY两个维度，而3D-IC需要从一开始就同时考虑Z轴的物理约束。

物理AI：下一个万亿美元级赛道

站在更长远的时间维度，滕晋庆描绘了一个更具想象力的图景——物理AI。

“在未来的2到7年，我们将迎来下一个重要的发展阶段，包括物理AI——各类的机器人、无人机、还有自动驾驶将被广泛地运用在我们的生活和生产过程当中。”滕晋庆表示。

物理AI要求AI模型不仅要理解人类的语言和数据，还要了解现实社会的物理法则。这将对下一代芯片提出全新的要求，催生更多创新的芯片架构。

黄仁勋在CadenceLIVE上的发言与之呼应，“就像我们曾经有过ChatGPT时刻——语言的生成式AI时刻，我们现在已经到了机器人的生成式AI时刻。它叫做VLA：视觉语言动作模型，基本上是感知输入、动作输出。”

滕晋庆给出了更宏观的产业判断，“许多行业领袖都相信未来的人形机器人将可能成为人类历史上最大的产品领域之一，有望每年达到25万亿美元的规模。作为参考，现在全球GDP只有110万亿美元。”

在物理AI领域，Cadence拥有Clarity、Celsius等全球最先进的物理仿真技术。高保真物理仿真结合加速计算，用户在保持物理精确的标准下实现了10到500倍的性能提升。这意味着客户不仅能快速产生大量高质量的训练数据，也能更有效地验证模型在真实世界的表现。

深耕中国：从EDA工具到系统创新

汪晓煜特别强调了中国市场的战略意义，“对于Cadence来说，我们会坚持初心，继续扩大和加大在中国的投入，深耕中国市场。用我们的产品力，尤其是我们最接地气的服务来跟各位并肩前行，助力你们的成功。”

他观察到中国客户正在发生深刻的变化，“芯片和系统设计行业正在经历一个巨大的快速转移，不仅仅是在追求物理制程的微缩，同时我们看到越来越多的客户，尤其是中国的客户，在全面进入系统创新、架构创新和生态建设，到现在的全面拥抱AI智能体的时代。”
这一观察与Cadence自身的战略转型相呼应。Cadence每年将35%到40%的营收投入研发。公司拥有约15000名员工，其中14000人是工程师——10000人的研发团队和4000人的应用工程师，每天与客户并肩作战。超过一半的员工拥有硕士以上学位，1000多位来自全球顶级大学的博士。

滕晋庆表示，“所有最好的创新绝对不是闭门造车，好的企业、好的产品通常都是合作的成功。我们希望未来跟我们的客户继续合作，共同定义下一代的芯片和系统，共同创造未来。”

结语

从1.3万亿美元到2万亿美元的市场预期，从优化AI到AI智能体的范式跃迁，从芯片设计到物理AI的产业延伸——CadenceLIVE中国用户大会2026所释放的信号清晰而强烈：半导体行业正站在一场深刻变革的起点，而AI驱动的智能系统设计，正是这场变革的核心引擎。

对于中国芯片设计产业而言，这既是挑战，更是机遇。正如汪晓煜所言，“面对未来无限的挑战还有无限的可能。”在AI与芯片设计深度融合的新时代，那些能够率先将AI智能体转化为生产力的企业，将在下一轮产业竞争中占据先机。