在 2026 新思科技开发者大会上，新思科技总裁兼 CEO 盖思新（Sassine Ghazi）先生在主题演讲中，重点分享了新思科技三大创新方向：Agentic AI（AI 智能体）、Co-design（协同设计）和电子数字孪生。其中，Agentic AI 加速融入工程研发流程，提升工程生产力；Co-design 推动芯片、软件与系统协同优化；电子数字孪生则通过高保真仿真和多物理场分析，加速产品设计、验证与落地。
盖思新先生表示，中国创新正日益成为全球技术创新的重要部分，中国市场始终是新思科技的重要市场之一。他强调，新思科技将持续服务中国广泛而充满活力的客户群体，同时进一步加强中国创新与全球创新之间的链接与协同，推动全球科技的共同发展。
以下为演讲实录：
各位早上好，欢迎来到新思科技开发者大会。一直以来，来中国是我最期待的行程，这里充满创新活力、进取热情，还有在坐诸多致力于创新与颠覆事业的广大开发者们。
重构未来工程，迎来融合十年
我们正处于颠覆性科技到来的关键节点，因此我的演讲将围绕 “重构未来工程（Reengineering the Future）”——即未来工程重构的核心内涵、发展必要性与实现路径。人们常说，AI 正在改变世界。但实际上，更深层次的变化在于，多项重大技术和产业变革正在同一时期交汇融合。我们将当前这一时代称为“融合十年（The Convergence Decade）”。而这场融合浪潮的核心正是 AI。然而，如果没有计算能力的持续突破与发展，AI 也不可能达到今天这样的高度。
让我们将时间回溯到几年前，当时我们所使用的 AI 模型，仍然受限于特定的计算能力和性能水平。GPU 的发展发挥了关键作用，使 AI 能够以更快的速度运行。如今，AI 又反过来推动并优化所需的计算架构与计算方式。因此，AI 与 计算（Compute）之间形成的这种相互促进、持续强化的正向循环，将成为未来发展的核心动力。放眼当下，那些引领这一轮变革的企业，正在同时布局前沿智能以及支撑其发展的计算能力，以推动各个行业和市场的颠覆性创新。无论是新材料发现、新能源开发、医疗健康，还是工程技术领域，都正在经历深刻变革。毫无疑问，我们已经进入了一个万物智能时代。在这个时代，AI 与智能能力无处不在。为实现这一愿景，芯片技术的大规模普及与创新必不可少。同时，我们还需要借助软件，以前所未有的复杂度和精细度来定义新一代智能系统。无论是机器人、无人机还是智能汽车，都需要实现从硬件层、芯片层，一直到智能层的全栈优化（Full-Stack Optimization）。这种贯穿底层技术与上层智能的协同优化，已经成为必然要求。
万物智能时代：复杂智能系统需要全栈优化
姚尧先生刚才谈到了数字 AI 向物理 AI 的演进。数字 AI 是大众更为熟悉的形态，即面向工作场景的数字交互界面，可将其视为操控物理世界的智能核心，支撑具身与非具身两类智能系统运行。行业对非具身 AI 的应用已十分成熟。在中国，制造业、数字化制造即智能制造的发展水平处于全球前列，其智能体系的复杂度与技术门槛均处于高位。
而转向具身 AI 领域，这类 AI 系统运行于真实世界的开放环境中，系统运行的复杂度远超过去几十年开发者应对的任何工程项目。行业需要突破多项技术障碍，才能完成具身 AI 的部署与演进，进入智能推理时代，实现从早期机器人到人形机器人，再到具备自主感知、自主行动、自主决策能力的智能机器人的升级。
让我们先听听客户的声音。在中国，我们可以看到许多与 Schaeffler 和 Nouryon 类似的案例。这两家欧洲企业都服务于汽车产业供应链，并积极推动相关领域的创新与转型。但要实现具身智能（Embodied AI）的未来，我们仍然面临诸多挑战。首先，这类系统必须在极低功耗的约束条件下运行。同时，它们对时延极为敏感，因为这些系统需要在真实世界中执行任务，必须将安全因素纳入考虑，并综合各种环境条件，以实现实时响应和决策。其次，如何对不可控环境进行建模，也是一个关键挑战。此外，要让这一愿景真正落地成为现实，还必须充分考虑成本与可负担性。只有当相关技术具备经济可行性，才能实现大规模推广与应用。
破局思路：依靠产业生态协同实现未来工程重构
当前，众多引领行业发展的领先企业都在围绕这些关键维度持续推进优化。然而，如果不能同时满足可负担性和安全性的要求，这些创新成果就难以实现大规模部署和应用。而这正是全栈优化至关重要的原因。那么，我们应如何迈向这样的未来？前面我们已经探讨了未来发展所需要具备的条件，以及为什么必须对工程创新进行重构。接下来，我想重点谈谈如何实现这一目标，以及我们将通过怎样的路径将这一愿景变为现实。
实现这一未来，绝不仅仅依靠新思科技一家企业，而是需要整个产业生态系统的共同参与与协作。新思科技是从芯片到系统（Silicon-to-Systems）全面工程技术解决方案的全球领导者，我们的根基源于电子设计自动化（EDA），这也是公司发展的起点。从产品组合来看，EDA 为客户和工程师设计未来产品提供了必不可少的核心工具；在 IP 领域，新思科技也是接口 IP 和基础 IP 的行业领导者。
随着 Ansys 的加入，新思科技的能力得到进一步扩展，我们完成新思科技 EDA 业务与 Ansys 领先的仿真与分析能力的战略整合已约 14 个月。这一整合使我们能够将设计、仿真与验证能力贯穿从芯片到系统的整个创新流程，并为下一代复杂智能系统提供更加全面的工程解决方案。
Ansys 的加入进一步扩展了我们的产品组合，使我们能够为未来产品提供多物理场仿真与分析能力。这种能力不仅适用于 Physical AI，也适用于更广泛的创新场景。以当今先进芯片的开发为例，客户面临的挑战已不仅是电子层面的挑战，许多问题本质上来自物理层面。新思科技拥有覆盖从芯到系统的完整产品组合。面向未来工程重构，我们重点投入三个方向：协同设计（Co-design）、数字孪生和智能体 AI（Agentic AI)。
对于在这一行业深耕多年的各位来说，协同设计并不陌生。事实上，我们已经开展协同设计数十年。数字孪生也是如此，其核心在于构建不同抽象层级的模型。通过这些模型，我们能够在产品进入制造阶段之前节省设计时间，并以更高的保真度确保产品在制造完成后按预期运行。但如今，这些产品的发展速度和复杂度正以前所未有的指数级增长。而这里所说的产品，正是各类智能系统。为了按时、以更具成本效益且更具竞争力的方式打造这些产品，我们需要将协同设计和数字孪生提升到更高水平。
说到 AI，整个行业都充满了热情和期待。但与此同时，在与客户和员工交流时，我也感受到大家对 AI 的担忧：AI 会取代我的工作吗？我是在与 AI 竞争吗？我希望在接下来的分享中，大家能够认识到两点。第一，没有 AI 的支持，我们将无法高效完成工作。第二，要实现这样的未来，我们需要更多的人才和开发者。因此，真正能够取得成功的企业和个人，是那些主动拥抱并推动未来工作模式的人。
重新定义协同设计：横向+纵向协同，以高保真签核实现仿真到现实
接下来，我将介绍三大重点投资方向，以及新思科技如何与客户携手迈向未来。谈到协同设计，我们需要从系统层面思考。这里的系统既可以是一颗芯片，也可以是一辆汽车、一台机器人等终端系统。要提升系统设计效率，必须统筹多个工程领域，包括电子、电气、热、机械和流体等。如何对这些领域进行建模，并实现协同设计，从而按时交付兼具可靠性、成本效益、安全性和网络安全性的产品，是我们需要解决的问题。在这里，我想介绍横向协同设计（horizontal co‑design）和纵向协同设计（vertical co‑design）两个概念。在电子领域，纵向协同设计已经发展多年。
我了解到，许多中国客户对此都十分振奋。他们正在利用新思科技的技术，在芯片完成之前就实现芯片虚拟化。在进行系统设计的同时，他们便启动电子系统和芯片软件的开发，与芯片设计流程并行推进，无需等到流片完成。这样一来，当芯片回片后，他们就能够立即完成软硬件集成，确保产品快速投入运行。这不仅带来时间优势，也带来成本优势和竞争优势。
如今，越来越多的产品需要将我们在电子领域采用的方法进一步扩展到多物理场领域。这正是 Ansys 产品组合对新思科技至关重要的原因，它显著加快了创新的步伐。以推理机器人为例，为了实现所需的性能和效率，其电子系统通常包含多颗承担不同功能的芯片，并集成在整个物理系统的电子部分之中。从这个角度看，系统设计本质上就是协同设计。
结合客户对协同设计流程的反馈来看，这只是众多案例中的一个缩影。对于越来越多的客户而言，协同设计已成为实现创新的必由之路。我们非常幸运，拥有完整的电子技术产品组合，不仅覆盖设计技术，还具备实现预测与收敛所需的高保真技术能力。因此，无论客户是在开展协同设计、构建数字孪生，还是创建可信赖的模型，我们都能提供完整的数字和模拟验证及签核能力。同时，结合多物理场解决方案，Ansys 在材料、结构、光学和流体等领域的领先能力，进一步强化了我们在建模、协同设计和数字孪生构建方面的能力。
但如果没有高保真度和高精度，这一切都无从谈起。因此，签核至关重要。它是实现从仿真到现实（Simulation-to-Real）的基础，也是确保结果准确可靠的关键。新思科技在协同设计领域已经深耕数十年。很早以前，我们便开始布局纵向技术栈，持续完善芯片设计解决方案。我们最初是一家综合工具公司，随后扩展到布局布线、时序分析以及各类签核工具。这些工具彼此独立，并通过价值链实现连接，足以支撑客户完成芯片设计。随着系统日益复杂、产业迈入埃米时代，为实现更优的 PPA，新思科技率先推动了这些技术的统一与整合。
此后，我们持续推动工具融合。这需要大量研发投入，将各产品中的引擎和求解器整合到统一的开发平台上，从而实现更好的收敛性和可预测性。随着芯片发展成为支撑 AI 的超级芯片，将物理签核纳入设计流程已变得至关重要。而这正是新思科技产品组合的优势所在，能够支持最先进、最复杂系统的设计。
过去一年，我们一直在推动物理与电子技术的深度融合。近期，我们发布了一系列多物理场融合产品，涵盖时序签核、模拟设计以及各个领域的设计收敛。我相信，对于正在开发先进系统的各位工程师而言，这些技术能够显著减少设计迭代，降低过度设计，为研发带来更高价值。刚才我在外面的 Demo 区参观时，也看到了相关展示。我非常建议大家去体验一下这些融合技术的演示。
大家将看到的并不是概念验证，而是已经投入量产应用的能力。通过将所需的求解器、引擎与设计流程深度融合，这些技术能够有效提升时序收敛效率。这里展示的是另一个设计收敛案例。我们将 PrimeECO 和 Prime Closure 技术与 Ansys 产品组合结合，在设计流程中实现物理融合。我们还将 Ansys 电磁解决方案与新思科技 Custom Compiler 和仿真工具相结合，提供一体化的收敛解决方案。多物理场融合已经成为现实。我们谈论的不是未来，而是客户今天已经在生产环境和设计流程中使用的产品。
回到刚才提到的推理机器人案例。我提到过，这类先进系统通常包含多颗芯片，共同支撑 AI 的思考、推理和执行能力。因此，这些芯片之间必须实现高效互联。客户并不希望将研发资源投入到标准 IP 或接口 IP 的设计上，也不希望通过这些技术实现差异化。我们深耕 IP 业务已有 28 年，构建了大规模、高质量的 IP 产品组合，为客户提供所需的连接能力，使他们能够将更多资源投入到真正创造差异化价值的系统创新之中。
以这款机器人为例，运动控制芯片需要通过 PCIe、HBM 和 LPDDR 等接口，与视觉语言动作（VLA）芯片和推理芯片进行互联。这些接口负责在存储与计算逻辑之间实现最高带宽的数据传输，从而满足系统差异化和竞争力所需的性能要求。在接口 IP 领域，新思科技目前在 224G PCIe 和 HBM4 技术方面处于行业领先地位。大家在这里看到的多款测试芯片已经完成验证，其中不少已经随客户真实系统投入量产，为系统提供关键的互联能力。过去 12 个月里，Ansys 团队始终紧跟技术发展的节奏，持续按路线图交付解决方案，没有出现任何延误。如今，已有超过 2 万家客户依赖这种持续创新的节奏开展业务。
另一个我们重点投入的方向，是将传统的新思科技解决方案与物理解决方案相结合，为客户创造更大的价值。这里展示的案例涵盖电池设计、汽车以及共封装光学等领域。其中最后一个案例来自汽车行业，展示的是从硅到系统的协同设计。因此，当我们谈论协同设计时，可以将其理解为一种减少设计余量、降低过度设计成本，从而打造更具竞争力产品的方法。
数字孪生：告别过度依赖物理原型，提升研发效率
第二个方向是数字孪生。与协同设计一样，数字孪生并不是一个新概念，它已经存在多年。但随着新一代复杂系统的发展，我们需要以全新的方式来推进数字孪生技术。从全球范围来看，企业每年在产品研发上的投入约为 1.7 万亿美元。
更值得关注的是，其中约 90% 的支出仍用于物理原型开发。与此同时，物理原型相关投入中的 75% 被用于排查和消除故障，而 60% 的问题实际上是在设计初期就已经埋下的。如今，大量研发资金仍消耗在传统开发模式上。当企业完成产品 A 的开发后，在开发产品 B 时，往往又要依赖新一轮物理原型迭代来推动创新。
我们都知道，仅靠物理原型不可能开发出真正智能的自动驾驶汽车。我们必须重新思考这类系统的设计方式，采用数字孪生的方法，同时兼顾横向协同设计和纵向协同设计。那么，企业为什么要投资数字孪生？原因在于准确性、适应性、灵活性和可扩展性。在开发新产品的过程中，随着产品不断演进和适应新的应用场景，并非所有产品都会运行在相同条件下。因此，我们需要能够反映这些变化的数字化模型。所以，数字孪生不是未来产品开发中的可选项，而是我们必须拥抱并持续演进的能力。回到刚才提到的 90% 与 10% 的差异，其最终目标只有一个：以更低的成本交付产品，更快实现创新，并确保产品在真实世界中的运行具备可预测性。
以汽车为例，完整的数字孪生体系包括物理数字孪生、电子数字孪生以及环境数字孪生。从历史发展来看，随着汽车中的电子化程度快速提升，电子数字孪生逐渐成为一个新方向。其核心在于如何以更具成本效益的方式整合芯片，并在系统层面完成电子设计。而要实现这一目标，仅电子系统本身还不够，还需要构建覆盖车辆结构、设计和材料的数字孪生模型。当汽车具备自动驾驶能力后，还需要进一步构建车辆运行环境的数字孪生。
今年年初，新思科技提出了电子数字孪生平台（Electronics Digital Twin Platform）的概念。要实现这一愿景，生态系统的参与至关重要。这一平台覆盖电子产业的全链条，从供应链、芯片到云基础设施，再到支撑平台运行的软件，以及所需的智能测试与自动化能力。我们也获得了众多合作伙伴的支持，共同构建这一系统的数字孪生模型。在这个案例中，构建的是一个汽车系统的数字孪生。如果我没记错的话，场外应该有相关演示，展示我们的客户恩智浦（NXP）如何与合作伙伴及新思科技共同合作，将这一愿景真正落地。
前面我提到过许多客户案例。每当客户拿着刚从晶圆厂回来的芯片告诉我：“这颗芯片一周前，甚至几天前才刚刚完成制造并交付，而它一次就成功运行了。”我都感到非常自豪。他们只需将软件加载到芯片上，一切便能够正常工作。
而在过去，如果没有硬件辅助验证（Hardware-Assisted Verification）的支持，要达到这样的结果往往需要数周甚至数月时间。为此，客户投入了大量资源。无论是部署 ZeBu 系统还是 HAPS 原型验证系统，都是一项重要的投资。
因此，我们重点投入的一个方向就是软件定义的硬件辅助验证（Software-Defined HAV）。这意味着，对于已经部署的硬件平台，客户只需升级软件，即可获得约 2 倍的性能提升和 1.5 倍的容量提升。对于现有硬件投资而言，这是非常显著的价值提升。
归根结底，这一切都围绕着性能和容量展开。我们需要足够高的性能来运行操作系统，也需要足够大的容量来承载这些超大规模 SoC，对其进行虚拟原型验证并运行软件。今年早些时候，我们发布了多款新系统，目前已在多家客户的生产环境中投入使用。
今年我们发布的另一项令人振奋、并且具有行业开创性的成果，是与英伟达的合作。英伟达的 Omniverse 是一个数字化呈现平台，可用于工厂、汽车、卫星和机器人等场景的数字化建模。但它此前并不具备高保真多物理场仿真能力。这正是英伟达与新思科技优势互补的地方，也是双方携手构建未来数字孪生的重要基础。许多客户可以利用 Omniverse 开展设计工作，从产品规格定义到产品设计都在同一平台上完成。而在进入制造阶段之前，还必须通过高保真、高精度的仿真验证设计方案。
我希望大家已经看到，要实现未来的发展目标，为复杂系统构建数字孪生是必不可少的。接下来，让我们听听一位客户的实践经验，看看他们是如何做到的。Vertiv 的案例就是一个很好的例子。它展示了如何将 AI 与数字孪生结合，用于产品研发和创新。
AI 智能体 (Agentic AI) ——构建人类‑智能体协同的下一代工程作业范式
前面我已经介绍了协同设计和数字孪生。最后一部分，我想谈谈 AI。而这里所说的 AI，不仅仅是 Agentic AI，而是整个 AI 技术栈。我记得去年在这里发表主题演讲时，我们曾经展望未来两到四年可能发生的变化。如今，这些变化已经在发生。产业发展的速度正在沿着一条陡峭的指数曲线不断加速。更令人惊叹的是，如果想跟上这种指数级增长的节奏，我们必须具备相应的思维方式。那就是持续学习的心态，以及主动拥抱产业发展的必然趋势。
这种趋势已经不可避免。未来将出现一种混合型劳动力模式，由人类工程师与智能体工程师共同协作，设计下一代产品。随着 AI 加速发展，芯片系统的复杂度也在急剧提升。而不断提升的硅复杂度又进一步推动 AI 的演进。对于软件定义的智能系统而言，我们需要全新的工程设计方式。
我想用这一页内容，向大家介绍新思科技面向客户的 AI 战略。你们可以将其理解为一个开放体系，为客户提供更大的选择空间和灵活性。过去三十多年里，我们在产品用户界面上投入了大量资源。因为这些用户界面是为人类工程师设计的，我们投入了大量研发力量来提升产品的易用性。这样做的原因很简单。我们所解决的是高度复杂的工程挑战，而客户始终希望在最佳 PPA 与易用性之间取得平衡。要实现最佳 PPA，就需要经验丰富的专家用户。他们必须深入了解工具，熟悉各种配置选项和设计流程，并能够将不同能力有效整合起来，从而获得最佳设计结果。
但这种模式正在发生变化。我们正在探索如何将 AI 融入平台，如何将 AI 模型应用于新思科技的工具和工作流之中。新思科技正在积极投入并引领“任务智能体（Task Agents）”体系。对于每一款工具，都有一个对应的智能体充当该工具的专家用户，与人类工程师协同工作。人类工程师负责定义规格和需求、检查结果并提供指导；智能体则负责执行具体任务。目前，许多客户正在将新思科技的智能体与自研智能体结合使用，通过自身的 IP 实现差异化创新，打造下一代产品。还有不少客户正在探索更高层次的智能化能力，利用设计上下文和工程知识，让这些工具以最高效率运行。这是一个开放且可互操作的体系，为客户提供充分的灵活性和选择空间。而这一体系的核心，依然是我们的工具和底层引擎能力。
不是所有客户都愿意投入资源去开发下一代布局布线工具、综合工具、调试工具或验证工具。这样做需要耗费大量时间和资源。我们拥有业界领先的引擎能力。关键在于如何将这些引擎以最有效的方式提供给客户，帮助验证工程师、实现工程师、机械工程师以及流体工程师提升效率。这就是我们所看到的工程领域发展方向，也是我们与客户携手推动创新的方式。刚才在demo区参观时，我看到大约有 8 到 10 个相关演示。其中一个案例展示了调试智能体（Debug Agent）与覆盖率智能体（Coverage Agent）协同工作，共同寻找最佳验证策略。
这正是多任务智能体协作的典型例子。无论是设计验证、实现、测试还是模拟设计，都可以看作不同的专业领域，由多个智能体协同完成各项任务。另一个至关重要的要素是上下文（Context）。什么是智能体？本质上，它是一个模型，再加上一套执行任务的框架。而任务结果是否可信，很大程度上取决于上下文，也就是客户所拥有的知识、经验和专业能力。因此，情境智能（Context Intelligence）是整个技术栈中不可或缺的一层。这也是我们与客户重点合作的领域之一。无论客户采用完整的新思科技智能体技术栈，还是将自身能力与我们的技术进行混合部署，我们都能够提供支持。
这类跨多个领域的复杂编排与推理，需要依赖充分的上下文信息，而上下文正是实现结果可预测性的关键。我对这样的未来充满期待。我想回到一开始提到的问题。无论是客户，还是许多新思科技员工，都会问自己：智能体会从我这里接管哪些工作？我认为应该换一个角度思考这个问题：哪些工作可以交给智能体完成，从而让我专注于那些能够创造更大差异化价值、体现更多创造力和专业判断的工作？而这些能力，至少在今天，仍然不是单个智能体或多个智能体协同所能够替代的。那些主动适应这种未来工作模式的企业和个人，将更有可能取得成功。
在 DAC（设计自动化大会）上，我们与多家合作伙伴展示了这方面的成果。例如，与英伟达合作开展的自主设计与验证收敛，取得了显著成效。我们还与 AMD 和微软合作，在电子热分析、自主调试收敛以及实现流程方面实现了重要进展。请特别关注“自主（Autonomous）”这个词。它意味着由人类工程师定义规格和目标，然后将任务交给多个长期运行的智能体编排系统，由它们协同完成整个工作流程并达成最终目标。
最后，我想谈谈 Token 效率。在部署这类系统时，人们经常会提到成本问题。而成本的关键并不在于新思科技的软件费用，而在于基础设施成本。要支撑这些系统运行，需要强大的算力，也需要持续的技术创新，以确保整个技术栈都能够高效运作。而衡量这种效率的重要指标之一，就是 Token 消耗。
扎根中国：三十年生态与信任，携手伙伴持续创新
在结束之前，我希望大家能够理解新思科技为什么持续投资这三个方向。协同设计和数字孪生并非可有可无的选择，而是实现未来创新和产业变革的必备能力。在未来几个月乃至数年里，我们将持续见证这些技术带来的创新与颠覆。作为工程师，能够参与并构建这样的未来，令人无比振奋。而要实现这一未来，我们必须充分利用已经成熟且可行的技术，并以此为基础不断向前推进。
正如我在开场时提到的，每次来到中国都会让我充满能量。因为这里拥有强烈的进取精神，以及追求成功的坚定决心。正是这种不断追求卓越、持续推动彼此创新的氛围，促使整个行业迈向新的高度。而这也为新思科技提供了机会，让我们能够以最好的创新能力，赋能各位正在构想和打造的产品。
作为一家拥有 40 年发展历史的企业，新思科技在中国深耕 30 年，与客户和生态伙伴建立了深厚的信任关系。这种信任始于教育合作，深入产业合作，并不断融入整个创新生态。我们期待在未来的很多年里，继续与大家携手同行，为各位的创新与创造贡献力量。
我们始终坚信，新思科技的使命就是赋能创新者，推动人类进步。能够肩负这样的使命，并以创新助力人类迈向更加美好的未来，是我们的荣幸。这份使命承载着巨大的责任，而能够参与其中，我们始终心怀敬畏、倍感荣幸。感谢各位，祝大家大会期间收获满满。
谢谢大家！
