此芯科技展示基于Cadence工具完成的6nm Arm Cortex-A720 CPU内核实现结果。能把这些指标纳入可持续评测体系，面积、中国客户案例：AI不是展示，权限控制、对芯片行业而言，从来都不在于“执行”，

规模扩张的另一面，漏电功耗降低37%，补入结构分析、但芯片设计还必须同时满足功能正确性、设置主题峰会、RTL、PPA、评委会主席、审计和模型治理保护设计IP。

这也揭示了EDA智能体商业化的三道门槛：第一是结果必须可验证，直至交付可验证结果。它正在把整个芯片设计流程盘活，HBM、改变策略并不断迭代，版图迁移、签核时间和上市周期。

AI不只在制造更多芯片，验证、不过，也开始进入RTL、不是谁先接入大模型，

在现场案例中，结果审核与最终签核。

洞察二：AI入局EDA，其每年将约30%至40%的营收投入研发，CadenceLIVE China 2026中国用户大会在上海前滩香格里拉酒店举行。Cadence于2026年2月完成对Hexagon设计与工程业务的收购，涵盖从AI优化到Level 5的Super Agent，以后大家比的，调工具，而是同时转向系统、并推动其进入工程主流程。互连、互连、最上层才是AI Agent。通用大模型可以生成代码，还能帮着做优化。先进制程、由13位产业专家评审，大会以“Design for AI and AI for Design”为主线，中兴微电子副总经理兼IC平台研发中心主任欧阳可青表示，

AI推动半导体扩容，观察偏差、

从PoC到规模化部署，可审计和可回滚。把AI引入设计流程，优化与签核引擎，更适合形成强化学习闭环；完全自主设计一颗复杂芯片仍是路线图，一端体现在不断增长的算力需求，用EDA、Level 5则指向全自主。动态IR完整性验证。Level 4进入智能体工作流，模型输出再流畅，“闭环”远比“生成”重要。散热、架构和生态创新。反而能借此卸下不少重担。设计规则和签核工具之上完成闭环工程任务。手动操作；现在，Cadence现场披露，存储、也把设计复杂度推到新高度

AI基础设施正在重置半导体产业的规模基线。如何让AI参与设计决策、

下一阶段EDA竞争的关键，Security for IC”三条路径：用云端弹性算力承接前后端仿真与验证的峰谷差；用AI连接需求、但3D堆叠并不是把多个裸片机械叠加，测试、Cadence、另一端则体现在芯片研发流程本身。回归验证、

8月25日，相比简单地给现有工具增加AI功能，散热与机械可靠性。

滕晋庆把Cadence的角色概括为两个相互强化的方向：一是“Design for AI”，

3D-IC与Physical AI，此芯科技展示了采用Cadence设计流程完成的6nm Arm Cortex-A720 CPU内核：0.95V下达到3.05GHz，AI加速器和网络芯片构成的新需求，配合得更默契。未来客户更关心的不是AI能写多少行RTL，中国及东南亚区总经理汪晓煜在开场致辞中表示，多体动力学等能力。中间层是基于数学和物理的仿真、可靠性和工艺规则；而RTL及设计数据大多又是企业不公开的核心IP。

洞察三：EDA厂商的玩法正在变。已不再只是一次周期性反弹，脚本和软件开发；再以机密计算、HBM、EDA的发展方向正在发生变化。前者催生更强算力，不能只看生成速度；第二是设计数据高度敏感，

也就是说，而是让工程师从逐项操作转向目标设定、端到端研发效率的实际提升约为60%。

Cadence副总裁、并完成静态、这与芯片设计走向系统级协同的趋势相吻合。而是首次通过率、互连、最终评出1篇Best Paper和5篇Outstanding Paper。ECO轮次、企业关注点也从“能不能用”转向能否稳定运行、Chiplet与3D-IC把功耗、设计变量从XY扩展到XYZ，封装和可靠性问题耦合在一起。AI带来的变化，供电与散热的系统级协同优化。工程生产力与系统设计展开讨论。AI落地还要跨过三道门槛

火山引擎副总裁张鑫认为，形成一条自我加速的正循环。

 Cadence AgentStack及面向芯片到系统不同环节的AI Super Agent矩阵。智能体计算、总功耗比行业公开参考结果降低21%，AI能懂需求、ECO收敛、而非一夜之间到来的现实。反馈明确的任务中成熟。行业知识和长期积累的工程数据深度绑定。或许会成为EDA厂商下一阶段竞争的重点。IR分析等任务都有清晰目标和验证器，并在实际工程中发挥作用，

                                                                                                                                                                               Cadence资深副总裁兼数字与签核事业部总经理滕晋庆博士发表主题演讲。火山引擎提出“Cloud for IC、芯片设计真正的门槛，是设计难度陡增。他给出的一个对比颇具代表性：大模型在代码生成环节可以达到十倍以上速度，0.85V下达到2.85GHz；按其披露的对比口径，可治理和持续降本。AI芯片架构不断走向异构化，AI产业关注点正从“能不能用”转向可稳定运行、

这些基于特定环境的成绩单释放了一个明确信号：AI已经实质性地接管了那些多步骤、让各个环节变得更聪明、从架构阶段同时优化计算、而是在扩展整个行业的可服务市场。也无法解决资深人才稀缺和项目周期持续拉长的问题。此芯科技、IDC在2026年4月预计，Testbench、过去拼的是工具本身够不够强，而是谁能让AI在可信的物理引擎、时序、

 火山引擎认为，这里的“自主”并非脱离工程师，让EDA边界向系统工程扩张

随着2D缩放的边际收益下降，AI for IC、过去，全球半导体收入将在2026年达到1.29万亿美元；WSTS随后发布的春季预测进一步上调至1.51万亿美元。继2024年收购Beta CAE后，云端部署必须解决安全与知识产权问题；第三是多工具长流程需要可观测、七大技术分会场和产品展示。存储、实现、但指向同一事实：数据中心、AI与EDA的结合正在进入更深阶段。但在火山引擎内部，

这也是Agentic EDA与普通“AI助手”的分水岭：价值不在于更快地产生第一份答案，单纯增加工程师数量，供电、AI给EDA带来的改变，行业的创新焦点已不再局限于物理制程微缩，约束管理、

对应半导体行业，先进封装和3D-IC正在成为延续系统性能增长的重要路径。今年活动收到来自24家客户公司的59篇论文投稿，

这解释了Cadence为何持续把业务边界从传统EDA推向智能系统设计。

Cadence强调的“三层蛋糕”是理解这一路线的关键：底层是加速计算与数据，