芯耀
与非AI
359
未来十年、二十年，新思科技应该扮演什么样的角色？
9月16日，在新思科技开发者大会上，新思科技全球副总裁兼中国区总裁姚尧说，这是他和团队过去一年一直在思考的问题。对这个问题的思考，源自AI的迅猛发展和应用场景的快速迭代。
关于这个问题的答案，新思科技总裁兼CEO盖思新（Sassine Ghazi）回答：我们正处于“融合十年”，多项重大技术变革在同一时期交汇。而在这样大融合、大变革的背景下，新思科技将重点做好三件事：协同设计（Co-design）、数字孪生，以及智能体AI（Agentic AI）。
大变革的“融合十年”开启
8月，美国某智库发布了一份研究报告。
这份报告从两万多家AI相关公司中筛出1181家真正参与AI开发的企业，其中美国743家，中国483家。通过分析这些公司的业务，研究者得出了一个令人惊讶的结论：两国AI的“大脑”趋同得惊人。在深度学习架构的选择方面，两国选择Transformer、卷积神经网络、扩散模型等不同架构的比例大致相仿，两国AI公司的商业模式也大体相似。
但两国AI公司的“身体”走上了完全不同的发展路径。例如，纯软件公司在美国AI公司中占比61%，但在中国这一数字是26%。更多的中国AI公司专注于人形机器人、自动驾驶等领域。
“美国的AI长在大学，中国的AI长在工厂。”姚尧这样总结道。他将这比作达尔文在加拉帕戈斯群岛看到的雀鸟：同一祖先的雀鸟，却因环境不同演化出完全不同的喙。生物学管这叫“适应辐射”——一个共同祖先的物种为适应不同的环境条件而快速分化出多个在形态、生理和行为上各不相同的新物种。
这不是赛跑，没有终点线，也没有名次。
现在的中美AI，正处于这一“适应辐射”的过程。
盖思新总结道：我们正处于“融合十年”，多项重大技术变革在同一时期交汇，AI是变革的核心。回望过去，AI之所以能走到今天，靠的是算力的持续突破——GPU让AI跑得更快。现如今，AI正反过来优化它需要的计算形态，形成AI与算力相互强化的正向循环。
面对大变革的未来十年，盖思新总结出新思科技未来的三大重大发展方向：协同设计（Co-design）、数字孪生，以及智能体AI（Agentic AI）。
协同设计，帮助客户“一步到位”
协同设计并不是新概念——新思科技在这条路上已经走了几十年。
盖思新将协同设计区分为“纵向”和“横向”两个维度。
纵向的关键词是“同步”和“并行”。设计的传统线形流程是：系统设计—芯片设计—流片—等回片—灌软件—调试，每一步都要等上一步走完。而纵向协同设计把这条线压扁：系统还在画的时候，芯片的虚拟化版本已经在跑了。这样的话，芯片流片完成时软件已经就位，插上设备就能使用了。“一些客户特别兴奋——因为在做系统设计的同时，他们就用新思科技的技术把芯片虚拟化、同步开展芯片设计，并让它流片。等芯片回片，他们已经准备好把软件灌进去，确保产品立刻就能跑起来。”盖思新兴奋地介绍道。
而横向的关键词是“跨域”。
如果说纵向协同解决的是EDA内部的设计流程问题——从RTL到GDSII到签核。那么横向就是把电子、热、机械、流体、光学等多个物理学科拉到同一张桌子上协同建模。
盖思新举例道：机器人身上有几颗芯片——运动控制芯片、VLA 芯片、推理芯片——它们之间通过PCIe/HBM/LPDDR互联做数据搬运。这涉及的就不只是“芯片之间怎么连”的电子问题，还涉及散热、机械结构、功耗分配等物理问题。如果让负责不同物理性质的工程师各自计算，那么最终当各个环节的参数整合到一个产品上时，便一定会存在余量浪费甚至冲突。横向协同设计所做的，就是从系统层出发，把各项参数一次性算清楚。
数字孪生，1.7万亿美元的困境
在讲到数字孪生时，盖思新抛出了一个数据。
全球企业每年在产品研发上的投入约为1.7万亿美元。其中，90%花在物理原型上；在这90%中，有75%的成本用于消除故障。这75%之中，有60%的问题在设计初期就已经埋下了。“企业做完产品A，做产品B时又得通过新一轮物理原型迭代来创新。”盖思新说得很直接，“靠物理原型，根本造不出真正智能的自动驾驶汽车。”
而采用数字孪生的目的，就是帮助客户以更低的成本交付产品，在产品设计前期规避风险，使产品在真实世界中的运行更可预测。
盖思新以汽车为例，拆解出一个针对系统数字孪生的三层结构：完整的数字孪生体系=物理数字孪生+电子数字孪生+环境数字孪生。这三层结构共同构成孪生与协同优化系统，缺一层都不行。通过数字孪生的方法，系统开发者得以同时兼顾横向与纵向协同设计。
要实现这个愿景，生态系统不可或缺。它横跨电子产业的整个纵向：从供应链、芯片到云基础设施（数据回传的平台软件），再到所需的智能测试与自动化。
为了帮助客户实现更好的数字孪生效果，新思科技在多个领域做了优化升级。在硬件辅助验证（HAV）领域，新思科技正在以软件定义HAV。客户已部署的ZeBu和HAPS硬件，只需升级软件即可获得约2倍性能提升和1.5倍容量提升。新思科技还公布了与英伟达的合作：把新思的高保真多物理场仿真，与英伟达Omniverse的数字化呈现能力相结合。很多客户用Omniverse完成从规划到设计的过程，进入制造前，还会采用新思科技的高保真、高精度的仿真来完成验证。
智能体AI，工作好搭子
“很多客户，甚至很多新思科技员工，都会问自己——智能体会从我手里抢走哪些任务？”盖思新在演讲中提到，“我能把哪些任务委派给智能体，好让我去专注那些创造更大差异化、体现更多智能的事？”
在他看来，未来是“混合型劳动力”的时代——人类工程师与智能体工程师协作。围绕这个判断，新思提出了一个开放体系：首先，每款工具配一个任务智能体（Task Agent），充当该工具的专家，支持定义规格、检查结果的人类工程师。其次，客户可以将新思智能体与自研智能体混用。更上一层，调用上下文智能（Context Intelligence），让这些工具最高效运转。
在今年的DAC（设计自动化大会）上，新思科技的多家伙伴展示了这一方向的具体成果：他们与英伟达合作完成了“自主设计与验证收敛”、与AMD和微软合作了“自主电子热分析”以及“自主调试收敛与实现流程”。
不过盖思新也坦率地提到了成本。部署这类系统，关键成本不在新思的软件费用，而在基础设施成本——它需要算力，需要创新，要确保技术栈每一层都高效。而Token消耗，已成为衡量基础设施成本的关键因素。
在中国，连世界
关于文章开头提到的问题——未来十年、二十年，新思中国应该扮演什么角色？姚尧的回答是：在中国，连世界。
这一判断基于他所看到的中国优势。套用特斯拉公司首席执行官埃隆·马斯克在G20峰会上提出的Physical AI公式——“Physical AI=AI能力×芯片性能×机电灵巧度”。乘法意味着木桶效应：三项能力必须同步成长，任何一块短板都会拖累另外两项。而这，正是中国的长板所在：中国有丰富的现实场景、完整的产业体系和强大的产业创新能力，以及全球最大的工程师群体。
“如果你想看看未来五年会发生什么，来中国看看。”姚尧这样说。
盖思新给出了几乎同频的收尾。他说每次来中国都会获得巨大的能量——这里有那种彼此促进、把创新推到更高一层的氛围。新思科技进入中国30年，已经与中国的工程师团队建立了充分的信任。“未来我们会继续和中国创新者一起，交付你们正在构想的那些产品。”姚尧说。
作者丨姬晓婷
编辑丨张心怡
美编丨马利亚监制丨连晓东
