物理AI时代的技术战略升级
2026年9月16日，在新思科技开发者大会上，新思科技总裁兼CEO盖思新（Sassine Ghazi）系统阐述了面向物理AI时代的三大技术战略方向——协同设计、电子数字孪生与AI智能体。作为全球EDA领域领导者，新思科技正从芯片设计工具商转向提供覆盖从芯片到系统的全栈工程解决方案。此次战略升级与2025年7月完成对Ansys的收购密切相关，使公司得以整合EDA、半导体IP与多物理场仿真能力。
芯片设计范式的智能体化变革
未来一到两年，芯片设计工程师与设计公司的定义将发生实质性变化。传统模式下，大量工程师依赖人工操作EDA工具完成设计；未来终端系统公司可直接提出芯片规格，由AI模型生成RTL，再交由芯片设计公司完成验证、物理实现与制造准备。即使AI能自主推进RTL生成、功能验证、物理设计至制造准备全流程，签核检查清单作为制造前的强制性环节不会改变——这是确保芯片可靠性与安全性的确定性门槛。
新思科技为客户提供了两种智能体商业模式：智能体订阅（多年期使用授权）与软件使用量计费（按调用工具完成任务收费）。2026年9月30日的投资者日将披露更多商业化细节。
中美AI生态的物理形态分化
新思科技全球副总裁兼中国区总裁姚尧指出，中美AI生态呈现“大脑趋同，身体分化”特征：双方在模型即服务与基础大模型训练环节占比相似，但在物理形态应用上差异显著。美国61%为纯软件公司，而中国机器人与自动驾驶领域企业占比更高；美国侧重用强化学习优化大语言模型，中国则更聚焦强化模型用于机器人行动控制。
姚尧引用马斯克在G20峰会提出的公式：通用人形机器人有用程度 = 机器人芯片水平 × AI软件水平 × 机电灵巧度，强调物理AI需芯片、软件与机电系统深度协同。时延过长将导致精密机械无法发挥效能，因此具备推理能力的机器人必须通过多芯片集成实现低延迟感知-决策-执行闭环。
三大技术支柱的落地路径
协同设计
新思科技将电子设计与Ansys物理仿真融合，推出Multiphysics Fusion首批产品，覆盖时序签核、多Die、模拟设计与设计收敛环节，旨在减少设计迭代与过度设计。已开放客户部署，并在部分生产项目中验证。
电子数字孪生
电子数字孪生平台覆盖从供应链、芯片到云基础设施的完整电子系统链条。ZeBu硬件仿真系统实现2倍容量、2倍性能与3倍调试生产力，支撑大规模模型验证。
环境数字孪生
新思科技Ansys与英伟达Omniverse合作，构建具备高保真物理属性的环境数字孪生，使仿真结果更可靠迁移到现实世界。
AI智能体
新思科技已build 30多个任务级智能体，每个专精特定EDA工具或任务。领域级多智能体系统可协同调试、覆盖率分析、测试生成与验证执行；长时运行智能体则跨领域执行复杂工程编排。DAC大会展会上，新思科技已与英伟达、AMD、微软及顶级半导体公司实现token效率翻倍与芯片质量提升。
产品能力对比
| 能力维度 | 新思科技原有能力 | Ansys整合后新增能力 | 产品形态演进 |
|---|---|---|---|
| 设计阶段 | 芯片数字/模拟设计、验证与签核 | 材料、结构、光学、流体、电磁与热分析 | Chip design → System-level multi-physics simulation |
| 仿真精度 | 电子级时序与功耗分析 | 高保真多物理场耦合仿真 | Enhanced early physical sign-off accuracy |
| 验证方式 | 传统HDL仿真与硬件原型 | ZeBu hardware emulation + software-defined testing | 2× capacity, 2× performance, 3× debugging efficiency |
读者落地建议
适合谁用：从事先进芯片设计（2nm/3nm节点）、具身智能硬件开发、汽车电子系统集成的企业，亟需通过协同设计缩短迭代周期；计划构建机器人或自动驾驶系统的团队，应关注Multiphysics Fusion与Ansys物理仿真能力；已投入生成式AI工程流程的企业，可测试新思任务级智能体提升token效率。
建议再等等：中型芯片设计公司若当前无系统集成需求，可暂缓长时运行智能体布局；尚未建立数字孪生数据体系的企业，需先完成电子/物理系统建模能力储备再引入多物理场仿真平台。
写在最后
物理AI的落地本质是工程范式的跨领域协同革命。当摩尔定律放缓、晶体管密度提升趋缓，新思科技通过整合Ansys多物理场能力与AI智能体，正将工程创新从“单点性能优化”推向“系统级物理规律适配”，这标志着半导体工具链进入直至最终产品必须满足的制造、性能、可靠性和安全标准的全新阶段。
本文基于2026年9月16日新思科技开发者大会公开内容整理。