2026 年，半导体行业正在经历一场深刻的双重变革。一面是 AI 对芯片需求的疯狂拉动。从数据中心到终端设备，从大模型训练到边缘推理，算力的饥渴正在重塑整个半导体产业链的供需格局。另一面，AI 本身也在重塑芯片的设计方式。
今年 6 月，芯片设计自动化 EDA 巨头 Cadence 在 COMPUTEX 上提出一个关键判断：IC 设计产业正从 AI 辅助设计迈向由 AI 主导工作流程的时代。另一巨头 Synopsys 则表示，其 AI 设计流程已在传统需时 4 至 6 个月的复杂芯片设计任务中实现 2 倍甚至 5 倍的生产力提升。7 月，AI EDA 初创企业 ChipAgents 获得来自美光、联发科等 1.34 亿美元的重磅投资，在数字芯片设计领域，推出了革命性的设计新思路。从巨头到初创，整个行业都在全力拥抱 AI。
芯片设计行业的 AI 化，已经从 " 要不要做 " 变成了 " 谁先做完 "。在这个全球竞赛中，一家成立仅三年的中国公司——冉谱微电子（下称 " 冉谱 "）正在射频模拟芯片这个专业赛道上，给出自己的答案。
射频模拟芯片：
" 手工作坊 " 与 "AI 工厂 " 的效率落差
射频模拟集成电路是现代通信、感知和计算的基石，也是未来光计算、量子科技等新兴科技必不可少的一部分。从每一部 5G 手机里的射频前端模组，到自动驾驶汽车的毫米波雷达，再到卫星互联网的地面终端、AI 芯片的互联、高精度传感器和电源管理芯片，射频模拟芯片无处不在。
但射频模拟芯片的设计方式，长期以来像一场 " 手工作坊式 " 的精雕细琢。与数字芯片设计高度自动化的流程不同，射频模拟芯片的设计至今仍高度依赖工程师的经验和直觉。模拟 / 射频电路固有的非线性设计空间、寄生效应敏感、多目标性能权衡，让传统 EDA 设计工具与人工经验的组合逐渐触及天花板。设计师必须反复调整器件参数、运行电磁仿真、检查指标是否满足——然后从头再来。每一次迭代可能耗费数小时甚至数天。而合格的射频模拟芯片设计师也是培养周期最长、门槛最高的工程师之一。
这种 " 经验驱动 " 的设计模式，与射频模拟设计市场的持续增长形成了尖锐矛盾。市场越大，设计需求越多；设计越复杂，人才越稀缺；人才越稀缺，设计效率越低。这是一个亟待打破的循环。
而 AI 的介入，正在从底层改写这个循环的逻辑。
颠覆性 AI" 生成式 " 设计的答案
2023 年，冉谱颠覆性地提出了 AI" 生成式 " 设计，率先落地了名为 RFIC-GPT 的 AI 生成式设计平台，让射频模拟芯片设计，从反复迭代变成秒级生成。
不同于传统的参数化单元或自动化脚本代码，前者跳脱不开漫长仿真，依旧低效；后者只是将人工操作流程用代码固化，本质上仍然是 " 规则驱动 "。RFIC-GPT 是生成式的：基于冉谱自研的深度垂直领域的 AI 模型和智能体，从指标直接 " 生成 " 设计结果。其工作方式直观而高效：设计师输入电学指标，如电感的品质因子和电感量、变压器的耦合系数、匹配电路的匹配度、放大器的噪声系数和增益、振荡器电路的 FoM 等，RFIC-GPT 就能在秒级 / 分钟级时间内直接生成符合指标的电路版图和原理图。而在传统流程中，同样的工作可能需要有经验的工程师数天甚至数周时间，冉谱 AI 智能平台直接实现了射频模拟设计百倍甚至千倍的效率提升。其生成的结果已经直接应用在商业芯片设计，且具备量产级鲁棒性，并提供完整的生成可追溯路径，便于设计师进行审查、修改与最终签核。
市场的反馈是直接的：RFIC-GPT 在线版上线以来用户已经覆盖全球 30 多个国家和地区，多次被海外知名媒体报道。RFIC-GPT 专业版目前已交付超七十家单位，形成规模化营收。而多款使用 RFIC-GPT 设计的芯片成功流片量产，走入千家万户。
不仅仅是设计的 "AI 工具 "，
更是 "AI 原生设计 "
冉谱的定位，从来不只是做一款新设计工具。
公司创始人陆叶教授拥有美国常春藤盟校之一的宾夕法尼亚大学（University of Pennsylvania）物理学博士学位，先后在英特尔（Intel）和高通（Qualcomm）研发总部从事先进芯片研发。回国后，他在复旦大学担任博导的同时，带领团队潜心研发 AI 驱动的射频模拟芯片设计方法，并于 2022 年底联合创立冉谱公司。团队于 2023 年在世界 EDA 顶级的电子设计自动化大会（DAC）发表全球首个多智能体强化学习模拟电路设计智能体，并于 2026 年作为中国大陆地区唯一代表，在世界 IC 设计 " 奥林匹克 " 大会 ISSCC 发表 AI 赋能的射频模拟设计（AI-empowered Analog/RF IC Design）发表 45 分钟大会报告。
公司的长期愿景，是打造射频模拟芯片设计行业的 AI 智能基座，即建立一个覆盖器件、电路、模块到系统级物理特性的射频模拟 " 物理 AI 大模型 "。其不同于通用语言模型，它内嵌了麦克斯韦方程、半导体输运方程、噪声与非线性理论等第一性物理规律，并经由海量实测数据校正，能够以物理一致的方式完成从设计指标（如增益、带宽、功耗、噪声系数等）到完整版图拓扑的直接推演。冉谱希望，这一基座成为支撑射频模拟设计智能化转型的基础设施，最终将工程师从繁琐的迭代调参中解放出来，让其聚焦于系统创新与顶层架构突破，推动整个产业从 " 经验驱动 " 迈向 " 智能定义 " 的新时代。
这个方向与全球 IC 产业的趋势高度一致。正如行业观察者所指出的，芯片设计与 AI 智能体正在 " 双向奔赴 "，这种奔赴除了改变芯片设计的生产方式，还可能给 IC 产业整合按下加速键。
一场全球竞赛中的中国坐标
回到开篇的那个判断：IC 产业正从 "AI 辅助 " 走向 "Native AI"。在这场全球竞赛中，Cadence、Synopsys 等国际巨头在加速布局，ChipAgents 已应用于英伟达、联发科、美光等公司的芯片设计中。AI 与芯片设计结合的赛道正经历爆发式增长。
冉谱已经在这个方向上迈出了步伐，不在 " 国产替代 " 的叙事里，RFIC-GPT 是在国际上也处于领先地位的智能化 AI 设计平台。冉谱的坐标，在 AI 原生设计的全球前沿——用生成式 AI 重新定义射频模拟芯片设计的效率和性能边界，用智能体重塑芯片设计的工作流。
这不是追赶，而是引领。不是替代，而是超越。
历史上，国际巨头主导了芯片设计和 EDA 这些领域数十年，AI 正在打开一扇新的大门。我们不是跟随着，是并行者，甚至可能是领先者。当射频模拟设计从 " 经验艺术 " 走向 " 物理智能 "，率先构建可收敛、可流片的 AI 生成基座，我们就有机会成为新范式的定义者。
（本文封面由 AI 生成）
* 免责声明：本文由作者原创。文章内容系作者个人观点，半导体行业观察转载仅为了传达一种不同的观点，不代表半导体行业观察对该观点赞同或支持，如果有任何异议，欢迎联系半导体行业观察。
END
今天是《半导体行业观察》为您分享的第 4498 期内容，欢迎关注。
推荐阅读
加星标⭐️第一时间看推送 ~
求点赞
求分享
求推荐
登录后才可以发布评论哦
打开小程序可以发布评论哦