2026 年度Siemens EDA Forum 于近日在上海举行，聚焦 AI 赋能 EDA、先进封装、系统级设计与验证等前沿技术，与产业链企业、技术专家和合作伙伴共同探讨下一代电子系统创新的发展方向。
AI算力重构EDA，从工具链到生态位的跃迁
Ankur Gupta先生表示，当前，EDA业务正面临四大关键技术趋势。
第一，AI加速全面内嵌。芯片内置AI加速器已从差异化能力演变为标准配置，预计到2028年，全球78%的芯片都将集成AI加速功能，智能算力正成为每一颗芯片的“标配基因”。
第二，软件定义重塑边界。从软件定义汽车、数据中心，到手持终端与物联网设备，“软件定义”已不再是概念，而是驱动产品迭代与价值创造的主流范式，硬件设计必须服务于软件的敏捷与弹性。
第三，异构集成超越摩尔。通过将 diverse chiplets 异构融合于先进封装，物理层面突破了单一工艺节点的限制。业界预测，到2030年，单个先进封装内的晶体管数量将突破1万亿大关，摩尔定律以新的形态得以延续。
第四，可信结果是一切基石。在半导体领域，精度即生命线。一颗3纳米晶圆的制造成本高达约5亿美元，任何功能性缺陷都意味着不可承受之重。因此，无论处于设计流程的哪个环节，客户唯一不变的期待是：极高精度的、可信赖的结果。
更快的引擎速度，有效驾驭 AI 可靠路径
面对行业趋势，西门子EDA以“更快的引擎速度”为核心战略，响应客户将芯片设计周期从18个月压缩至9个月的迫切诉求，推动智能体AI能力从芯片级工作流向芯片、系统乃至系统集群的全链路延伸。依托去年7月发布的Fuse基础模型及其构建的结构化数据本体，西门子正式推出具备自验证能力的智能体AI工作流——各智能体可自主通信、交叉验证结果，独立完成以往耗时漫长的复杂流程，真正实现从“辅助人”到“自主协作”的范式跃迁。
Ankur Gupta先生介绍，该自主智能体系统的构建获得了NVIDIA的关键支持。基于OpenShell框架实现智能体互联，依托NeMo Gym完成智能体训练，二者共同奠定了技术底座。整个系统采用五层架构设计，底层为Arm CPU与GPU驱动的加速计算引擎；其上依次为高级推理层、智能体层与编排层，负责EDA AI智能体的配置、运行、分析与持续优化；顶层则是西门子自研EDA引擎，凝聚了团队在半导体物理、数学及计算机科学领域的深厚积累，可精准处理数千亿晶体管级复杂器件。从计算基底到智能编排，AI技术栈的每一层都指向同一目标：以更智能的方式驱动并加速核心EDA引擎。
以 Solido 定制 IC 验证平台为实践载体，西门子率先将长时运行、自验证的智能体 AI 工作流落地于库特征化与仿真验证场景。工程师仅需以自然语言下达指令，系统即可自主调度数千个单元并覆盖全 PVT 角点，独立完成仿真运行、结果调试与错误修复等复杂流程，实现全程无人值守。该方案不仅将特征化速度提升 10 倍、Token 成本降低 10 倍，更充分验证了从基础模型到推理层、编排层与智能体层的全栈技术实力，使西门子 EDA 跻身业内首批交付此类自主智能体工作流的厂商行列。
西门子EDA全球副总裁兼中国区总经理凌琳先生同样认为，AI 对 EDA 既是挑战更是机遇。它正加速算法迭代、设计空间探索与问题求解的演进，也让 AI 本身日益可信赖。西门子EDA的策略并非追求 GPU 式全并行，而是以智能体串联可验证流程。在尊重芯片设计固有串行逻辑的同时，最大化提取并行环节以压缩周期。这一动态视角标志着行业认知从“不可盲目使用”到“有效驾驭 AI 产出可靠结果”的关键转变，正为芯片、集成电路及系统设计创造前所未有的价值。
在中国市场，西门子EDA深切感受到客户已将 AI 视为重塑行业格局的关键变量，并以前瞻性布局积极拥抱这一变革。西门子EDA为中国市场提供与全球一致的产品组合，核心在于因地制宜的落地实践。当前中国客户需求呈现两大特征：一是在成熟应用领域，客户追求更极致的性能与成本效益，AI 算法及 AI 原生工具正成为提升生产力的核心杠杆；二是受限于部分客户无法使用国外大模型，国产 LLM 适配需求迫切，系统开放性备受关注。对此，西门子 Fuse 平台完全开放，支持通过 MCP 协议无缝接入本地模型，满足深度定制需求。
西门子 EDA 全球副总裁兼亚太区技术总经理 Lincoln Lee先生认为，AI 带来的并非取舍，而是算法范式的革新。其内涵不仅限于智能体，更涵盖机器学习与大语言模型等多元技术。这一变革体现在两个维度：一是重构人机分工，将人工环节交由机器自主执行，使工程师得以聚焦更高价值创新；二是以 HyperLink 为例，AI 算法让设计空间探索从“千次穷举”走向“数十次精准命中”。二者相辅相成，同步实现算力效率与人力成本的双重优化，重塑了芯片设计的方法论与经济性。当然不可否认的是，EDA 人才培养正经历根本性范式转移，重心从记忆工具指令，转向锻造 IC 设计的专业判断力。未来工程师需精准定义任务边界、审慎评估智能体输出、高效调试异常并确保结果达标。高阶验证思维与决策能力，正取代机械操作成为核心竞争力。
除了技术瓶颈，客户期望管理也构成隐性壁垒。受通用大模型影响，部分客户对 EDA AI 存在“投喂数据即可自主学习”的简化期待，但这与产业现实存在差距。更深层的误解在于，有人认为 EDA 企业可借助客户 Test Case 训练模型。西门子EDA明确强调：客户设计属核心机密，绝不可用于训练。这正是 EDA AI 与通用 LLM 在数据获取上的本质区别。训练数据仅限自有设计、公开数据集及客户明确授权的案例，任何技术支持场景下的数据均被严禁用于训练。
Ankur Gupta先生指出，西门子EDA推出“自带模型”（BYOM）方案，将训练与微调全流程部署于客户自有安全环境，承诺绝不将客户数据用于系统预训练。在长达 2 至 4 年的深度合作中，产品虽会随客户数据积累与工艺演进而持续进化，但能力沉淀严格隔离于单一客户，绝不跨客户迁移。这一原则既是对客户知识产权的捍卫，也是对自身技术资产及生态伙伴核心利益的根本保护。
全球技术底座，赋能本土芯片创新
西门子EDA深耕中国市场多年，其技术广泛应用于全球半导体及电子系统设计。最新西门子财报显示，集团净利润增长15%，EDA业务更以30%的增速强劲领跑。
自今年初CES展会上西门子宣布与NVIDIA联合投资AI原生EDA以来，双方依托GPU硬件与CUDA-X软件栈加速技术迭代，合作成果即将落地；3月发布的Questa One Agentic Toolkit率先攻克占芯片设计周期70%的数字验证环节，实现由智能体自主生成验证计划、测试用例并自动执行。西门子EDA正从EDA向System Design Automation战略跃迁，以算力与模型互为支撑，构建技术反哺的正向循环，同时坚持以人的专业判断为内核。AI作为放大器，正成倍释放算力与人才潜能，驱动更高效率、更快生产力与更优能耗比。
为此，西门子EDA推行“全球资源+本地深耕”双轨策略，依托全球化产品与技术底座，携手深谙本土需求的工程团队，与制造、封测及设计企业协同创新。这些布局数年前即已启动，如今随着底层模型持续进化，正全面提速迈入规模化落地新阶段。
