美国加利福尼亚州圣克拉拉——在新思科技Converge大会上，这家电子设计自动化（EDA）巨头展示了去年夏季收购安西斯（Ansys）后的首批成果，演示了安西斯的仿真工具如何与新思科技的工具及工作流程协同运作，从而在一个统一平台上实现多物理场设计与芯片设计的深度融合。
“完成对安西斯的收购后，客户最先问的是：我什么时候能用上这项技术？”新思科技首席执行官萨辛·加齐（Sassine Ghazi）在大会主题演讲中表示，“我们承诺将在2026年上半年交付，因为我们对团队非常了解——自2017年起双方已建立合作伙伴关系；我们也十分清楚客户需求，因为我们始终与客户紧密协作。能在如此短的时间内交付融合技术，体现了团队卓越的执行力。”
联合协同设计
加齐指出，新合并公司正重点投入三大方向：协同设计、数字孪生与智能体人工智能（Agentic AI）。
“我们在协同设计与数字孪生领域已有数十年积累，这些概念本身并不新鲜，”他补充道，“但工程师不会仅因理念先进就改变工作流程——他们之所以采纳新方法，是因为面临严苛的设计约束。而面向未来产品，这些约束将空前严峻。”
以机器人系统为例，需同步满足电子、机械、热学与流体等多重约束条件；加齐强调，约束越严格，越能激发创新，因为这迫使工程师突破常规思维。
新思科技将协同设计分为垂直方向（如电子子系统内部）与水平方向（如机械与电子子系统之间）。加齐表示，垂直协同设计在芯片设计中已成常态，但当前复杂度激增导致跨领域交接时需预留大量设计余量，层层叠加后反而造成过度设计。关键在于如何有效压缩这些余量。
“进入AI超级芯片时代，优化已不再是单一垂直维度的任务，而是需要水平方向的协同设计，”他指出，“必须统筹考虑热管理、翘曲变形、晶粒开裂、机械应力等因素——若等到后期才处理，成本将急剧上升。”
新思科技与安西斯技术的首次整合成果命名为“多物理场融合技术”（Multiphysics Fusion），旨在将安西斯成熟的多物理场仿真引擎集成至新思科技EDA产品中，同步应对电磁、热学与机械效应与芯片设计的耦合问题。首版将提供针对时序签核、多芯片封装、设计收敛及模拟电路设计的多物理场解决方案。目前，这些组合方案已在部分客户处开展Beta测试。
作为多物理场设计的典型范例，加齐现场展示了全球首款HBM4测试芯片（由新思科技与内存合作伙伴联合开发），该芯片采用新思科技IP连接逻辑芯片与内存堆栈。www.eic.net.cn 易IC库存管理软件 在高复杂度芯片研发中，高效协同与资源调度至关重要，这也正是现代EDA生态与供应链管理工具协同演进的方向。
除新思科技产品集成安西斯技术外，加齐还透露，在部分产品线中，安西斯将作为主平台承载新思科技模块。
“收购完成后，我们如期发布了安西斯首个重大版本R1，整个过程平稳无缝，”他说，“客户曾担忧此次大规模收购与复杂整合可能影响交付节奏，但我们凭借对内部团队的坚定承诺以及对客户需求的深刻理解，出色完成了任务。”
R1版本构建了一个统一的新思科技-安西斯工作流，首次将双方产品组合应用于安全分析、材料发现与开发、制造工艺改进、光子设计与光学仿真、测试自动化软件等多个任务场景。
数字孪生
加齐指出，尽管协同设计概念早已存在，但设计复杂度持续攀升，推动数字孪生技术在芯片级与系统级、多抽象层级上加速落地。物理原型验证正变得愈发困难，甚至对智能系统而言将趋于不可行。
例如汽车领域需分别构建物理整车、电子系统及运行环境的数字孪生体——三者分属不同工程体系，亟需一个开放生态系统予以支撑。
为此，新思科技宣布推出eDT（电子数字孪生）平台：一个基于云的开放式数字孪生基础设施，可灵活接入各领域数字孪生生态。初期将聚焦汽车应用场景。
“可将其视为自动驾驶车辆数字孪生的‘操作系统’，”加齐解释道，“这是向客户提供软硬件协同验证能力的现代化路径。”
公司已与英伟达合作，基于Omniverse平台构建环境级数字孪生；安西斯Fluent（计算流体力学工具）与AV Accelerate（自动驾驶专用仿真套件）将进一步加速其他领域数字孪生在Omniverse中的部署。
智能体人工智能
“谈及智能体AI时，用户层面仍普遍存在兴奋与担忧交织的情绪，”加齐表示，“担忧源于职业角色变化；兴奋则来自其巨大的生产力提升潜力。而在管理层级，普遍持高度期待态度。”
高层管理者更易看到智能体AI的价值，因为他们深知工程师数量往往是项目推进的核心瓶颈。
新思科技正稳步推进智能体AI的自主等级提升：L1层级已有6个“协同助手型”智能体，可自动生成结果替代人工操作；L2层级部署24个“任务执行型”智能体，负责完成工程师指定的具体任务；L3层级构建了3个多智能体协同工作流，配备协调层实现智能体间自主管理；L4与L5层级则要求多智能体具备上下文感知能力，由推理型智能体动态调度其他智能体。
本次大会，新思科技首次发布L4级智能体工作流：该流程可自动完成从架构规格到RTL代码生成、测试计划制定，并协同多个任务智能体完成形式验证、静态验证、覆盖率分析与调试等环节。
“我们在该领域已取得显著进展，”加齐强调，“我恳请大家保持开放心态积极尝试。适度质疑固然有益，但若因过度保守而错失技术红利与快速迭代机遇，则得不偿失。”
他还提到，客户亦可将自有智能体嵌入该工作流中，实现定制化扩展。
英伟达背书
英伟达首席执行官黄仁勋作为特邀嘉宾登台，为加齐提出的三大战略方向提供了权威注解。
黄仁勋指出，英伟达多次重塑计算机图形技术，其背后正是深度协同设计的体现。
“如今我们希望将协同设计从芯片延伸至整套系统乃至多系统集群，”他表示，“为实现超大规模分布式计算，计算架构必须涵盖CPU、GPU、Scale-up交换机、Scale-out交换机及网络处理器——它们共同构成软件栈的一部分。”
下一步目标是建造建筑规模级计算机——整栋建筑即为系统本体，服务于千兆瓦级数据中心。
“我们必须同步重构整个系统设计与算法体系，”黄仁勋强调，“采取自顶向下、自底向上、由内而外、由外而内的全维协同方式——这正是极致协同设计。”
他进一步指出，物理AI的测试平台必须真实反映物理世界并遵循物理定律，尤其当软硬件闭环、算法与AI智能体混合、且需同步验证多台机器人时，挑战尤为巨大。
“Omniverse是迄今全球最复杂的软件系统之一，我们耗时近十年才达成当前成就。”
黄仁勋特别强调AI智能体在设计流程中的核心地位：
“几乎所有分析师都误判了一点：英伟达的唯一限制因素，就是工程师人数。正因如此，我们持续扩招工程师团队。”
他透露，每位英伟达工程师都将配备多个新思科技智能体，各专精于设计流程的不同环节，形成人机协同模式。
“我是最早一批能使用工具而非手绘原理图设计芯片的工程师，”黄仁勋回忆道，“在我之前的一代工程师根本不相信工具可行；而我之后的工程师已无法想象脱离工具的工作方式。”
未来的工程师必将依赖极致协同设计、数字孪生与智能体AI三大支柱。
“我们正步入全新阶段，”黄仁勋总结道。
