多位嘉宾在近日在上海举行的 2026 芯和半导体用户生态大会上形成共识：AI 时代，局部最优越来越难以保证系统最优，EDA ( 电子设计自动化 ) 需要从单点工具走向系统化、智能化，设计协同必须更早发生在系统层面。

本届大会以 " 芯跃系统，智驭万变 " 为主题，吸引超千名产业链企业和高校代表参会。会上，芯和半导体正式发布 EDA2027 版本，AI for EDA 开始从单点功能走向平台化和产品化。

系统算力倒逼芯片到系统的协同优化

中国半导体行业协会副秘书长陈文表示，人工智能正在推动半导体产业创新从制程微缩转向系统集成。她肯定了芯和近年来沿 " 从芯片到系统 " 方向持续拓展系统级 EDA 能力的探索，并期待芯和继续夯实多物理仿真这块 " 压舱石 "，推动 AI 多智能体与 EDA 融合。

赛迪研究院集成电路所所长周峰从产业规划角度表示，先进封装、多芯片集成和 EDA 已被列为 " 十五五 " 产业基础能力的重点，EDA 需要从单点工具进一步走向系统化、智能化。

这一判断与芯和半导体董事长凌峰的演讲形成呼应。凌峰表示，AI 正在改变衡量算力的方式：过去芯片性能以单颗芯片为准；进入 AI 时代，计算单元已扩展为机柜乃至集群，算力高低要看整个系统的词元产出效率和综合成本。他用木桶理论解释，系统算力取决于算力、存力、运力、电力中最短的一块，任何一个环节掉队，芯片再强也难以发挥。而热会影响电，电又会影响信号，各自优化已难以解决问题。

因此，凌峰认为 STCO（芯片到系统的协同优化）势在必行，设计从一开始就站在系统层面，以整体能效和成本为目标，把芯片、封装、板卡直至机柜放在一起考虑，让电、热、力、光等多物理问题在设计前期得到协同解决。芯和以系统级设计与多物理场仿真能力为基础，向上引入 AI 智能体，向外将仿真工具从芯片扩展到整机，并已通过与产业链伙伴的多项合作推动 STCO 落地。

来自不同产业位置的嘉宾也形成一致判断：芯片、封装、存储、互连、供电和散热之间的相互影响日益增强。立讯技术 CPO 陈琼南提到，如果缺少系统级联合仿真，问题往往要到后期才能发现，一次设计修改带来的成本可能高达数千万元。这正是 STCO 的价值所在：让不同环节围绕同一个系统目标更早协同，让模型、数据和多物理仿真真正贯穿设计过程。

AI for EDA 走向平台化产品化

在大会现场，芯和半导体研发副总裁蒋历国发布 EDA2027 版本。除全新的 3DIC PDK 和光电联合仿真平台外，本次发布更重要的变化是 AI for EDA 开始从单点功能走向平台化和产品化。

其中，超级智能体平台 AgentEvo 负责理解设计任务、编排工程流程并调用专业 EDA 工具，推动 AI 从辅助操作进一步进入真实设计流程；物理 AI 可信物理智能底座 XAI 则利用 AI 进行建模、预测和优化，扩大工程师可探索的设计空间。两大核心 AI 能力最终都建立在芯和系统级 EDA 和多物理仿真能力之上，形成 "AI 探索、专业 EDA 验证 " 的闭环。

" 系统级 EDA 让我们从芯片看到系统，AI for EDA 则让 AI 真正进入设计主流程。" 代文亮表示。随着设计空间不断扩大，AI 将承担更多方案探索和优化工作，但最终仍需要专业 EDA 和可信物理仿真完成工程验证。

落地案例提供了观察窗口。联想集团首席工程师、总监莫志坚分享了联想与芯和历时一年多联合打造 EDA 智能体 2.0 的实践。现场演示中，EDA 智能体已从单点辅助走向多智能体协同，从解答设计规范、承担建库和布局布线，到边设计边检查，覆盖多个研发环节；从读取器件手册到输出 DDR 分析报告，全程自动完成。该流程使设计迭代效率提升约 5 倍，人工操作减少约 90%。

对中国 EDA 产业而言，这提供了一种新的实践样本：以系统级 EDA 和多物理仿真为底座，以 AI 智能体扩大设计探索空间，再以专业仿真完成工程验证，从而进入 AI 计算基础设施和下一代智能系统设计的主战场。系统级 EDA 的竞争，正在从 " 工具能力 " 转向 " 系统协同能力 " 与 "AI 工程化能力 " 的综合较量。