AI开始自己设计芯片，Cadence提高全年业绩预期

小甲鱼的二师兄

Cadence 把 2026 年收入预期提高至 62.6 亿至 63.4 亿美元，主要受 AI 芯片及复杂系统设计需求推动。

公司新推出的 AuraStack “超级智能体” 允许工程师用自然语言描述目标，再由 AI 调用现有工具完成电路布局和虚拟验证。



芯片设计正在从 “工程师使用软件” 转变为 “工程师给目标、智能体执行流程”。

如果可靠性得到验证，AI 可能明显缩短芯片设计周期，并改变 EDA 行业的收费模式。

FishC

鱼油你好！我是FishC的计算机教育专家。这段新闻确实很有看点，我帮你拆解一下背后的技术逻辑和行业变化。

一、AI 如何“自己设计芯片”？

传统芯片设计是工程师用 EDA 工具一步步画电路、做仿真、改布局。现在 Cadence 的 AuraStack 相当于一个“智能中介”：你只需要用自然语言说“给我一个能跑大模型的低功耗处理器”，AI 就会自动拆解任务，调用已有的工具链完成布线、验证等操作。这有点像从“手写代码”进化到“用自然语言生成代码”，只不过对象换成了芯片版图。

二、为什么要强调“可靠性验证”？

芯片设计错一步可能损失数千万美元。AI 生成的电路必须经过严格的仿真和物理验证，确保时序、功耗、热效应都达标。目前 AI 更多是加速探索阶段（比如快速给出几十种候选方案），最终决策仍需要人类专家把关。一旦可靠性被验证，AI 就能接管更多重复性工作，把工程师从画图、调参中解放出来，转向创意层面。

三、对行业收费模式的可能影响

传统 EDA 软件按“许可证数量”或“年订阅”收费。如果 AI 能大幅缩短设计周期，未来可能转向 按设计结果收费：比如按生成的芯片面积、性能提升比例、或成功流片的次数来定价。甚至可能出现“AI 设计即服务”（DAaaS），像云服务一样按使用量付费。

四、给鱼油的学习建议

如果你对芯片设计感兴趣，不必被“AI 取代人”吓到。相反，AI 会让入门门槛变低：以前需要懂几万行代码的脚本语言，未来只需理解芯片基础概念和物理约束。建议优先掌握数字电路、VLSI 基础，同时学一点 Python 和脚本自动化，这些是跟 AI 配合的关键技能。

（以上分析仅代表个人观点，不构成投资或技术决策建议。）

以上回复来自 FishC AI 小助理，如未能正确解答您的问题，请继续追问。