人工智能技术的快速渗透，正在从底层逻辑上改写全球半导体产业的创新路径。过去数十年间，行业的核心技术主线始终围绕晶体管制程的持续微缩展开，通过不断缩小芯片内部的电路尺寸，实现单颗芯片性能的稳步提升。而随着AI大模型的训练与推理需求呈指数级增长，传统的单芯片性能提升模式已经难以匹配产业的实际需求，半导体产业的创新重心正在逐步从单一的制程微缩，转向跨环节的系统集成方向。与之相伴的是，整个行业对算力的衡量标准也发生了根本性转变，不再以单颗芯片的峰值性能作为核心评判指标，转而关注机柜乃至整个算力集群的整体Token产出效率与综合使用成本。

　　在AI应用的实际落地场景中，芯片、封装、存储、互连、供电和散热等原本相对独立的环节，彼此之间的关联影响正在不断加深。过去各环节分头优化的模式，很容易出现单个模块性能达到最优，但放到整个系统中反而出现性能瓶颈的情况，局部最优已经无法保证最终的系统最优。这种产业背景下，覆盖从芯片设计到整机系统全链条的协同优化理念，也就是STCO，正在成为行业发展的必然选择。

算力评价体系的系统性转向

　　算力衡量标准的转变，并非行业的主观选择，而是AI实际运行需求倒逼出的必然结果。在传统计算场景中，任务负载相对固定，单颗芯片的运算能力基本可以决定最终的任务完成速度，因此行业长期以单芯片的核心数量、主频等参数作为算力的核心评价指标。但进入AI时代后，动辄千亿甚至万亿参数的大模型需要调动大量计算单元协同工作，数据在不同芯片、不同模块之间的传输效率，往往会成为决定整体任务完成速度的关键因素。

　　芯和半导体董事长凌峰博士用木桶理论对这一转变做出了解释，他表示，AI系统的整体算力水平取决于算力、存力、运力、电力中最短的那一块木板，任何一个环节出现短板，即便单颗芯片的性能再强，也无法得到充分发挥。这些不同的环节之间还存在紧密的连锁影响，比如系统运行产生的热量会改变电路的电学特性，电学特性的波动又会进一步干扰信号传输的稳定性，各个环节单独优化已经无法解决这类跨领域的连锁问题。

　　这也就意味着，算力评价体系的转向，本质上是要求整个半导体产业的设计逻辑发生重构。从项目启动的最初阶段，设计人员就需要站在全系统的层面，以整体能效和综合成本为核心目标，把芯片、封装、板卡直至机柜作为一个整体纳入设计考量，让电、热、力、光等不同维度的物理问题，在设计前期就得到协同解决，避免等到产品落地阶段才发现跨环节的性能冲突。

STCO落地面临多重现实门槛

　　尽管STCO的产业价值已经得到产业链上下游的普遍认可，但要将这一理念从行业共识转化为日常可用的工程能力，整个产业仍需要跨过多个现实门槛。首当其冲的便是工具链之间的数据孤岛问题，不同设计环节使用的EDA工具往往来自不同厂商，各自采用的设计语言、数据格式和技术标准并不统一，不同阶段的设计数据无法顺畅地在不同工具之间传递流转，直接拉高了跨环节数据整合的难度。

　　多物理场的协同仿真，是STCO落地过程中另一项难以绕过的核心挑战。传统的仿真工具大多只能针对单一物理维度进行模拟计算，比如单独做电学仿真、单独做热仿真，很难同时兼顾电、热、力、光等多个物理场之间的相互影响。而AI系统的高密度集成特性，恰恰要求设计人员能够同时模拟多个物理场的耦合作用，这对仿真工具的计算能力和算法精度都提出了极高的要求。

　　除此之外，大规模的协同计算能力不足，也在制约STCO的大规模落地。全系统级的协同优化需要同时处理海量的设计参数，探索的设计空间维度相比传统单芯片设计提升了数个量级，普通的计算资源根本无法支撑如此庞大的运算需求。立讯技术CPO陈琼南提到，如果缺少系统级联合仿真，相关问题往往要到产品开发后期才能被发现，一次设计修改带来的成本可能高达数千万元，这也从侧面凸显了突破这些落地门槛的紧迫性。

国产EDA工具迎来智能化升级路径

　　针对STCO落地过程中面临的各类挑战，国内EDA厂商正在探索以AI技术为核心的破局路径。芯和半导体正式发布EDA超级智能体平台与可信物理智能底座，这套新的产品体系以系统级设计与多物理场仿真能力为基础，向上引入AI智能体能力，向外将仿真工具的覆盖范围从芯片一路延伸到整机层面。其中EDA超级智能体平台可以自主理解设计任务的具体需求，自动编排对应的工程流程，调用不同的专业EDA工具完成指定工作，推动AI从过去的单点辅助操作，进一步深度融入真实的设计全流程。

　　可信物理智能底座则依托AI技术强化多物理场的建模、预测和优化能力，大幅扩大工程师可以探索的设计空间。联想集团首席工程师&总监莫志坚分享了联想与芯和联合打造EDA Agent 2.0的实践，在现场演示中，EDA Agent已经从过去的单点辅助功能升级为多智能体协同工作模式，覆盖了从解答设计规范、承担建库和布局布线，到边设计边检查的多个研发环节，从读取器件手册到输出DDR分析报告的全流程都可以自动完成，这套流程让设计迭代效率提升约5倍，人工操作环节减少约90%。

　　这套新的产品体系，打破了传统EDA工具之间的功能壁垒，通过多智能体的协同配合，让原本分散在不同工具中的设计能力串联起来，工程师不再需要在不同工具之间反复切换、手动导入导出数据，大幅降低了跨环节协同的操作门槛。这也为国产EDA工具从单点工具向系统化、智能化方向升级，提供了一条可行的落地路径。

产业政策明确系统级创新导向

　　STCO方向的产业探索，也得到了国家层面产业政策的明确支持。先进封装、多芯片集成和EDA已经被列为“十五五”产业基础能力建设的重点方向，相关政策明确提出要加快发展电子设计自动工具，支撑AI计算系统的系统化和智能化设计需求。赛迪研究院集成电路所所长周峰指出，EDA行业需要从过去的单点工具模式，进一步走向系统化、智能化的发展阶段，匹配AI时代全系统协同设计的产业需求。

　　中国半导体行业协会副秘书长陈文也表示，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，肯定了国内产业界近年来沿着“从芯片到系统”方向持续拓展系统级EDA能力的探索，期待行业继续夯实多物理仿真模块的“压舱石”作用，推动AI多智能体与EDA技术的深度融合。政策层面的明确导向，将为整个产业的资源投入、人才培养和生态搭建提供清晰的指引，加速STCO相关技术的落地普及。

AI辅助设计仍处于辅助定位阶段

　　当前AI技术在EDA领域的应用，主要集中在辅助提升设计仿真效率、扩大工程师可探索的设计空间层面，距离完全自主完成全流程芯片设计还有明显距离。所有由AI生成的设计结果，在用于最终投片之前，仍然需要经验丰富的人类工程师进行人工确认，AI短期内还难以完全替代人类工程师积累的行业经验，以及经过长期工程验证的经典仿真模拟体系。

　　行业内也在普遍关注一系列尚未得到完全解答的开放性问题：AI生成的设计方案在极端工况下的可靠性如何得到充分验证？多智能体协同过程中出现的逻辑冲突该如何高效排查？系统级协同优化带来的算力资源消耗能否控制在可接受的范围内？这些问题都还需要整个产业在后续的实践过程中逐步探索解决，AI与人类工程师的协同配合，仍将是未来很长一段时间内半导体设计领域的主流工作模式。

(编辑：张广德)