```mermaid
flowchart TD
accTitle: 芯片自研的决策分化路径
accDescr: 描述企业从通用采购走向自研专用芯片的决策逻辑，分为小规模通用采购与大规模定制分化两条路径。
subgraph Small["小规模起步阶段"]
A["采购通用芯片/GPU"] --> B["算力投入相对可控"]
end
subgraph Large["规模化扩张与分化"]
C["业务规模指数级爆发"] --> D{"成本与场景分化"}
D -->|"模型训练"| E["继续采用通用GPU集群"]
D -->|"高频推理"| F["面临巨额电费与机房冷却压力"]
F --> G["自研ASIC专有推理芯片"]
G --> H["算法硬件固化：更低功耗与极致散热优化"]
end
Small --> Large
```
```mermaid
flowchart TD
accTitle: 芯片设计核心指标PPA的制约平衡
accDescr: 展示芯片设计中性能、功耗、面积三大指标之间的相互冲突与权衡关系。
subgraph PPA["PPA 铁三角博弈"]
P["Performance (性能)"]
W["Power (功耗)"]
A["Area (面积)"]
end
P -.->|"走线加粗提升峰值"| A
A -.->|"为减小面积缩细线径"| W
W -.->|"发热失控反制频率"| P
```
```mermaid
flowchart LR
accTitle: 硅基员工与碳基员工协同作业模式
accDescr: 展示用户下达高层需求后，硅基Agent与EDA专业工具链在物理约束网内协同作业并反馈人类的闭环流程。
subgraph Human["碳基员工 (工程师)"]
H1["定义芯片目标与业务逻辑"]
H4["审查终版物理绿灯与决策"]
end
subgraph Silicon["硅基员工 (专职Agent)"]
S2["解析需求并生成RTL/参数配置"]
S5["私有化环境持续自学习"]
end
subgraph Toolchain["EDA 工具链约束之网"]
T3["功能验证 / 静态时序分析 / PPA检查"]
end
H1 --> S2
S2 --> T3
T3 --"出现违例/Red Flag"--> S2
T3 --"全部通关通过/Green Flag"--> H4
H4 -.-> S5
```
这种人机协同的巨变，也直接重构了EDA企业的商业模式与服务架构：
1. **商业模式重构探索**：传统EDA采用按席位（Seat）或软件许可（License）收费模式。然而面对不知疲倦、对工具调用频率成百倍增加的硅基员工，按席位授权已不再适用。业界正在探讨是否转向“结果即服务”（Result as a Service），甚至按Agent消耗的Token数量或交付价值阶梯式定价。但国内客户多倾向于在本地私有化部署开源大模型，纯Token计费在落地时仍面临很多现实分歧，整个行业仍处于商业变现的深水探索期。
2. **交付支持体系转型（FDE）**：过去公司主要通过AE（应用工程师）为客户解答软件报错；2023年新思科技推出了专属Copilot，将庞大的公司知识库全量灌入，接管了绝大多数基础技术咨询。由此，原本的AE得以大步转型为FDE（Forward Deployed Engineer，前向部署工程师），深入不同客户截然不同的研发流程管线中，定制化部署和联调专属的Agent系统。
- 专职Agent矩阵：新思科技已构建30多个覆盖芯片设计不同环节的AI Agent，在30多家全球客户中落地验证。
- 商业模式演进：从传统的“软件License/席位授权”向“基于业务结果（Result as a Service）”及“Token算力维度”探索。
- 组织职能迭代：EDA底层知识库并入Copilot处理常规报错，传统AE转型为深度下沉客户业务线的FDE。
[0:00] Hello大家好,我是明浩,欢迎收听本期图中之数我上一期更新的节目是关于ASC大会的然后作为一个之前一直关注偏应用层跟偏模型层的行业观察者而言你会发现当一题探讨到基础奢侈层的时候我遇到了非常多的难点跟不理解的地方包括当前这个时间点对算力,对芯片,对机组,对元器件,对很多东西的未知的东西然后今天很有幸的请到了一个可以帮我去解答很多这样问题的嘉宾所以今天这期节目是一期对谈要么我们先请今天的嘉宾先做个简单的自我介绍大家好我是来自新思科技的严华然后新思科技这个可能不太了解的朋友们不太知道这家公司比如在行业的地位跟影响力对吧要不简单介绍新思科技比如公司的业务跟状态好呀Synth科技是早期是一家我们所谓的叫EDA公司EDA大家也可以去问一下豆包全称叫Electronic Design Automation它就是中文翻译叫电子设计自动化主要是针对设计芯片的软件层面EDA以前在芯片出现的时候它就有存在但是大家一直不知道它是做什么的它到底是什么叫EDA或者说怎么去比喻我其实一直给大家做个比较能理解的EDA软件我们所谓的软件其实就相当于我们用的编辑文章的一个工具比如像WordWPS或者像编程里的ID有哪像从Word的角度来看我们从Word的角度来看就是我真的芯片是在我的一篇文章是在Word上去写出来的但是当我去Taple的时候文章发表的时候你是不知道我是在用什么工具去写出来它在那个层面就消失了但是从EDA新思从EDA到了后期又有了IP那IP是属于像资产权的一些段落我就把它比作为一个文章的段落这个段落当我已经在其他芯片上都已经做过推泡过有成功经验的当把这些段落作为这个接口IP把它引入到芯片的时候其实我是引用了一段文章可以复用可以对那当这篇文章发表了以后是不是这篇文章获得诺贝尔奖啊还是这篇文章就是一个报纸上这个登出来的一个文章还是没有人发表的文章这个是就是看整个设计就芯片设计师的能力了就跟我芯片EDA一层是没有关系的对对对那设计师的能力那比如说设计师要做一颗AI芯片或者要做一颗手机芯片这就像你用过的去写一篇继续文还是一轮文这就是一个它的目标对吧就是我们在写一篇文章的时候会有一个目标说你要写一篇继续文还是一轮文那这个就是目标所以其实这样一比喻大家就知道原来其实EDA这个东西它是脱离于芯片真正大家在拿到手机拿到这个电子机械的时候它是不存在这里面是的它只是一个平台让芯片可以在这上面完整的产生出来做设计那星思科技呢在这个领域的状态星思科技我想因为全球比较大的EDA公司也没有几家因为坦白说EDA这个软件真正在我这么比喻吧从我们角度来看整个EDA的全球的整个产值大概在129亿美元一年对一年全球的半导体的产值大概在8000亿美元OK所以其实真正EDA的规模占到整个半导体的就不到2%就是1.6左右那如果从这个角度来看但是呢整个芯片设计是离不开EDA的当然对那新思科技在这样的EDA的市值市场里面我们基本上每年大概保持在40%到50%的上占有率那第二名你们差一半第二名跟我们差一点点那你们两家加一起基本上基本上就没有其他的还有第三家可能占20%左右其余的都是非常小基本上某种意义上说你们在定义这个行业的比如说标准走势跟一些状态可以这么讲对我会有另外一种感觉是说就像咱们刚才聊您在这个行业其实已经快20年了对吧
[5:00] 其实20年之前大家对于芯片这两个字我们都不要说芯片设计就芯片这两个字也跟今天当下这个时间点哦比如说行业观察者跟原来我们这些互联网人对芯片的理解我觉得完全不同但是从你们的角度看你们这比如说从20年从您所我觉得从你们是相当于这个行业的最源头发起的那个状态又因为你们这个市场地位导致其实你们的感觉或者你们对趋势的把握其实是最春江水奶牙齐之的那一个态度对吧然后您可以说比如说从您从业这将近20年以来您看到比如说从客户层的变化有什么比较大的趋势,尤其是最近几年AI星期之后的这个变化对,其实以前芯片设计,包括芯片生产都是一个非常专业的定义,生产当然大家都知道台积电,最近三星,它都一直在在生产上那其实芯片的从设计到最后制造这个中间一般来说是分成两块就是我们中间通过版图的传递然后传递到制造工厂它才去把真正的芯片做出来但在这个版图之前所谓的版图就是它画成的一个像画图的一个软件一样那把它画出来之前其实我们这称为芯片设计那芯片设计呢,以前早期像我们所谓的高通啊,或者我们以前最早的这个菲利普啊,NXP啊,早期的,他们都非常专业只做芯片但是最近几年这是应用厂商都跳的进去那像这种大厂不管是这个窝外里面像特斯拉也自己在做芯片Meta也要自己做芯片是那这个OpenAI也说要做芯片最近有个测试吗对对然后在国内呢有好多像自己阿里都纷纷跳下来要做芯片所以我们的客户群体从一些非常专业只做芯片不做系统的变成了一个系统级的厂商那这种系统的厂商进来这个领域之后他给我们的要求就变完全不一样对因为以前一颗芯片可能要24个月或36个月才能最终去推炮我们所谓的推炮就是交给台积电三星这种去做生产那现在可能一个周期项目周期压缩到12个月到15个月这是非常正常的对嗯那比这两年呢比如AI来了这波之后的变化呢嗯AI来坦白说AI从从我们感知就是芯片设计行业感知AI其实是从2020年之后才有AI的介入那个时候的AI还是非常在芯片里面非常薄弱这个原因是因为芯片它是一个非常高尖尖的东西它不像我们软件因为大家都知道软件总是有bug的对吧大家上网浏览的时候还看到过什么微软在发布会的时候有蓝屏对吧软件有bug它是正常的但是芯片当它有这种错误的时候它很可能导致这颗芯片就跑不起来所以芯片行业是一个容错率非常低我不能说没有错误100%这个没有错误但是它是个容错率非常低的行业那AI呢大家都知道它对人生有一些幻觉所以AI怎么跟一个容错率非常低的你要得到一个容错率非常低的结果要利用它的这个我们所谓的叫presentivity我生产力对吧那这个怎么去把它做一个平衡那我们这个行业做了很多的这个探索OK对所以也是从2020年开始我们才陆陆续续看到这个有一些AI的这个功能应用在这个芯片设计上说你刚才也聊的话题就是大家都知道过去这几年可想的比如说刚才你已经提到了比如汽车公司对吧尤其是电动车这一波对然后云厂商尤其是大型云厂商无论是中国还是美国然后今天这些点似乎头部的模型厂商然后可能手机厂商就不用讲了都已经是非常常见的一套态势了甚至比如自动驾驶也有一波然后你发现就这些厂商可能原来确实如你所说原来他们都不应该在芯片里面出现但是今天因为各种各样的原因他们都出现了相当于变成你们的客户那这些厂商比如说一家公司在什么样的阶段或者他遇到一个什么样的选择的时候才会去想主动的说字眼的芯片就无论是手机厂商还是车企还是比如自
[10:00] 机器人我觉得应该也在想的吧当然我觉得某种人来说这件事情如果是个极端态它一定是B选题但是似乎总有在中间有个什么样的节点或者应该有什么样的标志似乎它要东面想说搞这个事情对这个其实从我跟客户的沟通下来我感觉这其实是一本经济照OK就是说我们把芯片以前很多像MCU的芯片都通用芯片对它的量很大对然后其实各个地方都会用到对电视机或者说你的扫地机都可能用到但是当这个比如说某个扫地机企业它大量用了这个芯片之后它发现买芯片的钱加在一起还不如我自己去做一颗这样的芯片钱的比如说当然就大家也知道不同等级跟不同程度的芯片的这个成本肯定是几个量级的差距那比如就像您举例子比如一个扫地机器人用的这样一个芯片的尤其是主控的芯片他大概的比如说他要预期他的投入量级应该是一个什么样的量级的如果按扫地机器人的角度来说我觉得投入量级还是相对比较大的因为现在扫地机器人他有很多的sensor对是因为他要自动化他其实就像一个机器人对是天色加进来加后台处底而且要控制一些发热然后要用扫地机身的电池它是有限的要不能走到十步就回去充电了那又有一些低功耗其实整个设计下来再加上生产流片我估计可能再加上整个团队几亿美元的投入肯定是需要的几亿美元就是你相当于要想那件事情就要把这个钱先想好对我的天还是说像这个我再举一个比较更合适做自研芯片的像AI这个层面那早期大家可能都是买英伟达的芯片然后去做训练但是当英伟达的芯片训练完之后你规模小的时候还好我们买几片跑一跑训练一个模型或者买个几百片但是再规模大下去整个电费包括整个你的这个英伟达的这个芯片的投入让他觉得说可能我自己去做一个这样的芯片更有效果或者说现在AI把这个训练跟推理是分开了对分的非常开对分开了以后那当AI在做训练的时候它大量需要这个数据的这个计算大量的算力那可能英伟达的芯片比较合适当它做推理的时候它可能未必合适对可能需要一颗ASIC芯片对那这个ASIC芯片它再用那个英伟达的去跑那个电费呀包括那个整个整个机房的冷却呀整个投入啊就非常大所以它可能会考虑说是不是从推特的角度我自己去自研一颗芯片我觉得这个逻辑可能似乎今天这个时间内无论是模型厂商还是云厂商还是类似我们叫偷问沟厂这些公司其实都在沿着这个逻辑再往下做更多样的尝试对吧最近OPA不是出了那个他们说测试之后的效果很好当然可能还处于测试中然后中国的这些模型厂商比如说这个这个大家知道的可能DeepSick跟国产的芯片的匹配的事情也耽误了他们的模型发布其实都在做类似的某种我们叫探索但是我用回另外一个问题就是说那比如今天我就是一个为民营厂商我真的想在推理层面做针对我的推理场景下的这个芯片探索那之前此前其实也有一些专门做推理芯片的厂商那他们也做了一些适配这个场景的尝试当然你看今年英伟达跟MD不也收了两家也是这个逻辑对吧其实在某种程度来说AI这一波可能22年底到今天不到4年的时间其实已经出现了比较大的分化而且似乎连英伟达AMD这种最头部的厂商也看到了这种趋势的变化是其实这个就迁到第二层面就是当你推理的算法合适不合适用这种通用的芯片OK虽然某些芯片主打是做推理的对但是每家自身的推理算法不一样对我怎么把我的自身的这个推理算法通过硬件的形式把它固化那这个就是自然芯片的另一个就像这个军马的衣服大家穿都能穿但是是不是和声这就是有另外一个考量了那这种和声起源于可能比如说汽车领域需要更高的安全性那这个从这个大模型的领域需要更低的功耗对因为我的电费的开支 冷却整个架构冷却其实是非常大的一个对他们来说非常大的一个这个F甚至前段时间新闻不是说还要放到什么天上去最近有一波就天上有点远但是
[15:00] 这一节很有意思这一届那个美国最核心那个那个那个那个复发器YC这一届最有最火的一个项目是在海上建立新的数据军型就拿船运营一个像那个挖紧铺台一样的东西对对海水是大家可以想象到的但是天上因为没有空气根本无法传热我也不知道这个热量怎么散掉对对星辰大海吧对对所以不管我们怎么样去我们大家的玩笑可能他们有更高精尖的技术但是就终结一点就是他们对散热因为芯片的算力上来之后对散热的要求这也是说为什么大家有些就要去自研芯片他可能觉得我的算法我适合我的算法我可以用更低的功耗去做到那我就不需要很强的这个散热了对所以这些都是不同的这个从我们角度不同的客户他有不同的想法对虚伪也不一样是成本性能功耗也不一样那他们比如这些客户当他们真的想开始做梦的时候会首先找你们吗肯定是第一时间找到那他们比如说又先找到你们会先问什么样的问题尤其这些不是传统意义上的只做芯片的首先这些公司能成功当然他们自己非常有智慧当然所以他们也知道要把专业的事情交给专业的人首先他们要做自研芯片肯定会去请一个非常专业的团队但是他们对我们所谓叫taple流片周期的压缩导致有很多手段他们需要寻求我们帮助一个是从我们EDA工具本身来怎么去提高效率因为他们的要求就像推理芯片它的算力并不小整个芯片大小这个面积也很大那还有就是一些我前面讲的IP那一些高速的接口这些高速接口以前芯片公司都是自研的全部都自己画然后自己画完之后我不能把自己刚画出来的接口放在芯片上一起去对泡那样风险很大他要去先试流片一下然后芯片接口通变成功了然后我再把它整合到一起但是心思可以提供这样的已经流片成功过的这种高速接口就像你们有一套类似模板的酷的东西对这个就像搭积木一样它会很快比如说USB接口这个DVR比较成熟的一些这些接口搭起来了他只要负责他自己内部的核心算法就可以了所以基本上现在做芯片就是拼搭这也是为什么一个是门槛低了这么多系统厂商愿意进来做芯片另外我有成功TayPal的经验又能保证它在这一块上的成功这个是没有问题的它自研芯片只要能在自研这一块能保证它的容错率变得很低你变高听起来你们的公司是不是特别容易去到这些公司我们的工程师很多啊有时候这个我们派去工程师去支持客户因为新进来的系统厂商以前是不一样以前传统的那些芯片设计公司他只是问问你问题对如果我软件始终有问题你来帮我解问题对但是新的厂商不一样新的厂商他希望是保姆师服务对他什么都知道虽然我请了一个团队人还少吗然后你的工具那你就来帮我们一起做项目了坐着坐着很可能我们的工程师就跑到他们的院去了也正常毕竟是一个还是处于高精尖的领域还是有太多的复杂性跟经验导致的对对而且确实成本太高每一次流片跟选择一个东西能不能成真的直接决定很多钱的对因为像现在如果是FinFight 3纳米一次流片因为他做光照整个光照可能就几美金往下一头一次对一次因为光照如果是错的最后全都错后面就要看光照要么就是重新再出光照所以软件行业这个以前软件行业专门说哎这个反正我这个快速迭代对吧允许犯错对我今天release个版本这个有个有问题面再release那听起来这件事情是有概率性的它不是一个5次就一定会出结果的事情对芯片是这样 以前做芯片其实是很难 为什么只有那些特别的做芯片厂商才能去做开发芯片他们真的是有 我们以前真的是看到过流片失败的案例的 但是近两年我觉得没有大家大量采用IP然后有的工
[20:00] 加持之后没有那么听说这个流片有失败的这个案例出现因为现在大家都在做比如手机芯片汽车芯片都是这个等着要上车的等着要上手机的很少听说这个一颗芯片跳票了对这个而且不说车的那个周期已经压到七个月了我的天哪太吓人了所以这个我是觉得以前跟现在还是不一样的对那我们就沿着这个题就是我觉得今天这个时间点就是所有的软件厂商无论是做什么软件的公司可能都回避不掉AI带来的巨大的影响刚才你也提到就是当这一步来临之后无论是在时间在进度在成本在流程上我相信也有很多的这个这个AI的变化影响然后明显感觉比如我们这些做投资的过去这可能一年多时间表现来看就是大家会认为爱对软件股是一个非常大的影响所以软件股大家会担心未来可能就不需要所谓的软件但是这个层面其实讨计我觉得更多还是在偏个人软件跟比如企业软件这个层面但是我觉得你们这里面非常特殊所以为什么今天找您我觉得这个就是一方面确实这个最大的大的环境确实大家可能有种公知是说当然爱的时候似乎不太需要软件但是问题在于你们是那个软件里最复杂跟最尖上的那个地方复杂度也好而且你们又受益于AI行业的巨大的正向所以就是就是比如说您怎么看首先我们宽的角度来看这个问题就是从比如说您在公司内跟我们工程师去沟通包括跟我们客户去沟通就是首先从大面上来说比如AI这件事情或者这个技术能力对于比如新变设计这个板块有什么样的正的负的各种各样的影响对其实这个整个AI颠覆软件行业已经有一段时间了这个可能大量的工程师就是一线的工程师代码的那些工程师都离开了这个公司对这个当时其实对我们是有一些影响的但是其实软件这个行业可能AI的替换率已经达到国内可能已经到七八十了国外最高的可能到九十了但是首先这个AI的引入还是他即便到90它还是对人有这个要求的对人有这个需求所以这个是一方面我们该怎么去面对我们在AI这个上面该怎么去面对我想这个是自己心态的把握回到芯片设计这个行业来其实我前面也提到芯片设计它比较容错率比较低它跟可能我开发个游戏软件我开发一个什么样的软件不太一样因为我的容错率领许AI的幻觉在我整个流程中存在最后taple失败它其实可能整个公司面是一次破产并不是我可以撤回再发布一般的问题所以从我们角度来说这也是为什么我们从2020年才开始有一些AI在芯片设计上的引入当时我们从我们公司角度是有推出的一些强化学习相关的让你在某个点上可以从烦躁的比如说不停的尝试里面抽身出来让AI来帮你做这样的尝试然后得到最优解其次AI也会让你因为整个芯片设计我们可能我要展开讲一下因为我展开讲一下芯片设计有最终比如说我们业内专门说PPA什么叫PPAPerformancepower和area这三个角度它是互相相冲的当我一根线画得粗一点跑峰子就好了但是面积变大了那一根那我为了面积现化的细一点它的电阻变高了那power可能就变大了所以我们怎么样在不同的指标里面要去寻找平衡那我都问就是你们的软件还要承担类似模拟那层面的事情吗就是设计就只是画嘛那相当于那模拟这层呢模拟这一层这是另外一个其实这个就是我如果有时间的话可以展开一些就是其实芯片设计分成数字设计跟模拟设计它是完全两条道路它是通过数字设计通过不同的节点从人类可以用的叫RTO语言就是Vlog中语言着手
[25:00] 到雨霍飞门然后再到版图那模拟呢纯粹就是从原理图大家可能以前就学的什么电容电感直接原理图然后直接到版图是靠人化的这种版图所以数字流程跟模拟流程是完全两套不同的流程对但最终到了版图之后有可能因为现在数模芯片很多都合到一起最后去做这个流片吧对所以从我们角度来说这个AI的这个引入我们也担心说是不是以后一叠工具不要了但是从最近各家都有发布一些agent包括国外有好多公司小公司都成立了一些做agent的公司我们看下来agent还是离不开工具我个人认为不能说代表的我觉得最近就正好可能跟大家更理解比如说GP6出来之后大家都在用GP6去操纵blender做3D设计就是理论来说其实今天大模型是可以直接做3D模型的对但是为什么大家从实施跟就眼睛看的效果角度来是这样用它去操纵Blender再去做还是更好的对其实这个我觉得主持人您这个很敏锐啊其实为什么需要一个agent去操作工具来做这个事情agent他可以去自由发挥去想一些这个软件的代码或者说整个芯片的代码但是工具它是其实是这么多年芯片设计行业积累下来的约束那我们容错率靠什么靠的其实就是这些约束加在一起的最后结果当你的这个代码通过这么多的工具的这个验证然后得到的如果是一个绿灯那其实平时我们人做的时候也是通过这些工具得到绿灯我们才能往下做下一步那来保证这样的整个不同的流程里面这个错误率变得最低对所以从我们现在这个角度来说agent 他能替代一些人的工作但是还是离不开工具 因为工具其实就是讲个可能说是harness的一部分 对 因为现在很强调agent前段时间小龙虾很火 对 把人家把钱都转出去了你如果没有任何限制的把所有权限都交给他没有任何约束他其实并不一定能做好事那比如在你们提供给客户的服务除了传统意义上的软件之外那你们应该也做了一些AI的工具跟无论是agent还是hadent还是什么样的流程的东西变成可以提供给客户的交付的东西对其实像现在我们已经有做了将近30多个agent都是比如做什么功能承担什么样的对在整个里面整个设计过程中新闻设计过程中将近有30几个agent然后我们已经全球应该有30几个客户已经一起在工作对在试因为agent这种东西怎么讲呢我可能就像其实我们把agent做一个规矩员工那人就是一个碳级员工就像我们招一个员工招进来以后你可能得破的人他什么都懂但是规矩员工的好处是说我们在公司内部已经给他做了一些training他已经了解心思所有的工具的功能当他进来以后他还缺什么缺客户的knowledge因为我前面讲了他对我的每一个功能每一个选项他都知道怎么用但是客户写的文章他不知道这个客户是写什么文文还是继续文不知道那当这个agent在这个客户断了一段时间之后这个我们当然希望agent有这个自我学习能力对吧对断了一段时间之后那你以后就不用跟他讲的这么复杂说我要写个继续文我要怎么怎么那你就跟他说我要写什么东西我要目的是什么然后他就知道你要写一篇这样的继续文我觉得还有另外一个问题就是商业模式上对你有感变因为原来的软件商业模式就是无论是按席位或者按license这种方式那到了AI时代之后从这个收入获取方式上有变化我们也在思考对我觉得这个议题是一个开放议题就是其实大家都在试对对因为以前的工具是给人用的对那后面的工具是给agent用的那如果agent有更多比如说agent跟人的我们这样规矩员工跟碳级员工的区别碳级员工996就要回家睡觉了对是规矩员工24小时7天他都可以用所以他对工具的使用的频率会变得更高对那当然工具如果还是按理由来这种方式还是说我们后面要把它
[30:00] 导向成说result按结果对吧result as a service因为前面您也讲这个AI的出现让很多软件公司的股价都受到一些影响因为软件公司以前是不承担resultSASService as a service现在我们是不是从result的角度可以跟客户去讨论这个事情但这些我们都在讨论内部在讨论所以未来这个agent是不是按照你使用token的角度来看对吧 你的agent是不是够聪明我做同样的事情A公司的agent可能使用token只有几百个但是B公司要几万个怎么样来收费其实还是要这个我们还没有探索中我觉得今天是整个业界都在探索中对对所有的商商所有的业界商商都在而且坦白讲这个国内跟国外的这个模式也不太一样对国内很多open source的这个模型是的它只要在本地部署其实token得受不到他对但这种情况他如果通过本地的这样的集群去做这样的芯片设计那用了这样的agent那我们该怎么去收费对这个我们现在也是在过程中对在讨论的过程中对是对还要考虑到客户自身的比如AI的深化的能力状态对很多东西的要求都千奇百怪了所以为什么大家开始用FDE就是用人去搞定这些中间的是区别吗是的这个是但这个FDE这个我们已经有在往这个上面改变了因为以前我们卖软件就是卖一个做好的软件对给客户对那现在其实如果要把agent要部署到客户客户端客户环境的话每个客户的环境都不一样是啊每个客户在不同的点的需求都不一样是啊有的客户就是第一步到第二步之间的交互跟另外一个客户第一步到第二步的交互其实可能都在不同的层面上所以这个FDE的这个引入就是更重要的因为要根据客户自身来把这个Agent部署进去明白其实你们也在承担这样的一种探索的角色对因为我们还发布了我们之前我前面讲了2020年我们发布了强化学习2023年我们发布了Copilot当时的Copilot的意义就是说我们把我们所有的知识库全部放到Copilot里面去当你遇到一些以前客户遇到问题bug软件跳出来报网领了他会找A1来问但他现在就是问他就好所以当这些工作都被copilot接下之后AE的转型就变得方便了因为AE有足够的版位去做FDE的事情我觉得这也符合当前可能过去这几年整个软件生态的一些变化甚至也可能跟用户这一层使用各种各样的比如coding的工具的变化也一样最开始都是简单的对打然后变成copilot到这一代变成agent的形式再往后可能大家又探索了什么自动化拉起包裂这些事情我觉得一样我想成的那现在这个时间点比如说这个这个因为你们直面了非常多不同种类不同行业的客户对吧就是这个所有的厂商似乎今天这个时间点所有的科技公司都要往自然芯片上走然后那似乎这一时间产生的需求特别的爆是不是这件事情在过去几年有一个时间节点是一个比较明显的感觉我是觉得过去几年其实从公司的revenue角度来说当然因为客户的个数变多客户的项目变多会导致我们客户对软件的需求变大但是最近我是觉得似乎趋势又有些减缓平了对因为该进来都进来了是大家都已经开始在做了对那未来这个当agent起来之后这个能有什么巨大的改变其实我们也有所期待我觉得这个时间点也我觉得很多行业可能都遇到类似的状况就是前面可能如果我们只看一眼行业的话其实从二十年底二十三年初吧到过去可能二十五年二十年大家就是基本上就是只有一个策略,就是策马狂奔,就是只有这一个策略是对的,没有任何别的策略选择,但是到了二年你发现,无论是主动还是被动无论是原来不动
[35:00] 最爱的这些还是今天只在AI里面做最前沿的模型厂商而言,似乎大家都开始去考虑很多的比如说性价比的问题,ROI的问题,这个这个钱的量级的调整的问题你像我觉得最等于的就这两天你看这两天发布模型的状态就是先是这个就大概两周之前智库发了5.3 flash 主打的就是便宜超级便宜对然后马上接约5 prilpreview也是其实是打性价比你看他所有的官方推送画那个曲线全都不是打分表都是帕瑞特最优的曲线的表相当于我在什么成本上单位token的价格跟表现之间拉帕瑞特最优的曲线然后他马上发小米的模型一发一样他拉的还是那条曲线然后你看这两天发的GP6的SOUL跟LUNA包括OPUS 5.5其实都不是最硬跟最贵的跟最强的他都是性价比的考虑哪怕是今天这个时间点市面上最说在这边最有钱的人最在承担探索边界的厂商其实也都在考量性价比ROI这些这些事情那确实那如果放到今天我们的议题从新面角来讲我觉得过去几年中国跟美国的这一波硬科技的大的崛起无论从商业航天火箭电动车巨神道模型就是整个的科技的大的崛起确实是一个一浪接一浪的状态对对我觉得这个其实某一种程度这个是好事,因为之前大家头脑一热,就干了,但是现在大家如果去追寻性价比啊,这些其实是一个可长期发展的一个道路,这个我记得前段时间有这个笑话吧,就是说这个token太贵了,然后这个说这个又把员工请回来了,对,对,对,所以这个有些,但这个进一步反映出其实国外厂商的这个大模型对token的这个收费还是让有些使用它的人有些力不从心对我觉得回到芯片这层面就是比如当一个厂商从这个叫测马空门到开始出现我相信里面也应该遇到一些常常也在在这个调整的过程中,那他们在这种时候会跟你们聊什么?比如说有什么东西可以复用更多的资源的更高效的转化还是怎么样对这些上面呢其实从我们的客户角度其实我们软件并不是说就是从我们整个商务模式的角度来说并不是说越多的项目就会代表越多收入对对的收入其实越高的复杂度或者说客户的这个客制化的内容越多其实才会对我们软件有更高的价值那比如说一个就像前面我举个例子这个MCU芯片这个小小的一个MCU芯片它做20款其实它需要的方法学都是一样的工具也都是一样也没有任何花出来它每款这头片投个几集科真正赚钱的是通美的三星这些那真正对软件有要求比如说它的复杂度变高了或者说就像前面讲它从训练模型走向推理更甚至于说它要最近华为出的这个套定律对吧把二维的芯片把它折叠起来那这个复杂度就非常高这个角度标准之前的工具可能都不一样了都不能用了要重新再去探索那像这个当然这个华为有套定律这个TSMC有SOIC这样的其实是类似的东西那其实基本上大家都有往这个方向去走那原因在于说可能单颗带那个以前叫MOTIDAY连线太长了导致芯片的性能无法进一步提升所以才会想到把它折起来 折在一起 但是折起来之后有很大的 带来别的问题 因为它散热是对它是硅片 对它散热是很大的问题那这个也就是为什么我们新思科技有前面介绍的时候 我说我们原来是家EDA公司 对现在其实新思科技收购的Ansys之后 我们希望从Silicon走向的系统 所以当你两个
[40:00] 和芯片叠在一起的时候它的发热量变大了那我们怎么样去控制单颗带的这个发热这是从silicon角度来看的但是当发热量上来因为你是铜肯定要发热那这个发热怎么让它快速的去散掉那是通过这个液氮还是通过什么样的这个风冷还是自然冷却这个有没有在这个芯片装装以外形成一个自然冷却的体系这个都是靠这个系统级的这个仿真我觉得是这似乎也对你们提出新的要求就是不单纯只能只关注纯芯片那个片本身的设计层面的问题对这个因为是我们的客户也不买了就是你看客户是系统层的对你看现在英伟达也是卖一整套的嘛他也不是只卖一颗嘛对然后那所有人大家乐见其成嘛就我买一整套识别性也好然后也稳定传输冷却成本那些发生可能这种考量都是合适当然林伟达也乐见这种旗程对吧所以确实我觉得这也是一个林伟达是帮人家做数据中心的对啊他不是蛮新鲜的对啊他最后大到那他今天为什么敢给他最新的客户兜那个折旧的底就是因为本人讲他那套系统你插在A的数据中心跟插在B的数据中心没有区别对吧那你最后真的你公司找了你这个东西我直接转给另外一个人是转的掉的因为都是标准一套系统嘛是对所以我这个逻辑老黄是想得很明白的对对对它主要是它的这个库大的这个生态吧对这个所以英伟达不单单是一个芯片公司是它实际上是一个也是个生态公司库大也好光也好网络传输设备也好都是一起的呀甚至包括存储的整合也是所以就这样提到光其实现在呃因为AI的发热太高了嗯大家都要CPU嘛对要做那个硅光对他就没有发热的这个概念吧所以大家都在想办法因为老黄也讲说现在限制AI再往前发展的就是铜线了因为铜线的发热太大了所以其实回过头我们的客户变成系统厂商了所以它对我们的要求不单单是一颗芯片有更多的这个系统级的这个复杂的东西对对谢谢大家我们做一些稍微远一点的比如畅想您觉得就是按照这个范图再往下翻就是再走了两三年时间您觉得在芯片设计的你们相对比较更熟悉的板块中会出现哪些比较大的变化跟趋势吗从我的角度来看首先我个人是一个觉得在整个芯片设计流程里面是离不开工具的,不管Agent的参与度如何,但是其实Wall-Wall也有一些专门做Agent的公司,它主打的是你用了我的Agent,你是不需要EDA工具的,它把EDA工具都在Agent里面做内化,但是从我的角度就是因为我可能这个没有想这么远啊就是真的内化了之后他给你的答案是不是符合原来的这个公式逻辑嗯他给你的答案有没有带有带有幻觉所以有些东西呃这也是为什么呃其实我们这个行业一直觉得TayPow以前真的是有失败那从我们角度TayPow是个非常严肃的事情就是我们希望它能做到零容错那所以从现在这个角度我们的工具能给它加上约束那agent去处理这个以前人可能处理的事情对那包括像这个语言的生成啊包括可以做这个pr啊但是最后我们所谓叫side off就是牵合这个动作我们相信可能还是离不开人的因为人最终还是要agent是不会为你芯片的失败负责的所以人还是需要为芯片的结果负责所以从这个角度现在因为大家agent都在往前发展也不知道最终谁会胜出但是从我个人观察我是觉得EA厂商它本身首先有工具因为做客芯片的knowhow一个在工具里一个就是我前面讲的客户的knowhow那agent可以把客户的knowhow吃掉把它这个学习掉那加上EDA工具它也可以做个芯片所以未来我觉得
[45:00] Thank you. I think Mm-hmm. IC 行业也会 Thank you. There is a little bit of a push. A simple thing, maybe two or three. Now, the level of the level is what you can say. The level of the level is what you can say. The level of the level is what you can say. The level of the level is what you can say. This range should be how to estimate? If we want to do AI-based software, Or do a smartphone. We talked about this. There was a customer called Zerku Ma. They were 3000 people. They are using a smartphone. That's the real thing. The real thing is that it is a real thing. The real thing is that it is a real thing. It's a real thing. Wow, the thing. So if... But they're scope is bigger. They're... 尽量减少IP采购。 So It will be spent a long time, the investment will be a big. If it is a more easy one, the car is a company, if it is a home-end, For service companies, the company will be 200-300 people. It's the same thing as the machine. The same thing as the machine can be done. Oh, I think that's a good idea. 对 前面我讲的就是一个是工具 一个是IP 对 就搭机梦的工作相当多一些了 对 对 就不需要很多东西都从头到轮子了嘛 Yes, yes, yes. That's how today, you know, you have a lot of times, like OpenAI, and the company, and the company, they want to do it, but they have to do this kind of thing? OpenAI做芯片, the last thing is that the辣椒, actually 这个讲到这个就是我我其实也做过一些研究就是关于到底Agent做芯片到底做到什么程度就他们的定时化程度是吗对就是大家都好多幸福现在好多幸福都这么讲哎呦我用一颗 I use AI, I have no idea of the AI, and I have a computer. And then I have a look at the search. I have a look at AI. I have a question about AI. I have a question about AI. I have a question about AI. I have a question about AI. I have a question about AI. This is a certain point 他是用什么样的这个语言啊 对 我们会问到一些细节 那别爱回答出来的问题 跟新闻里面可能就不太一样 是 你现在也不会报道这么程度 对对对 就是说 呃 我们看现在真正实现 AI agent system to do But it is using a large amount of A lot of software and design To write a lot of testers It is a lot of these types of data, but... It is a lot of logic. It is a lot of logic. Yes, so it is a lot of logic. It is a lot of logic. Yes, yes. And then, the LRK is called Google. 就是因为谷歌当时那个呃做了一颗叫Alpha Chip嘛嗯那个Alpha Chip现在那个做Alpha Chip这两个人出来自己搞了一个这个Agent的公司当时这颗这个这个故事呢比较奇怪就是他们当时谷歌说他们做了这个芯片然后那个美国哪个大学去去复现那个教授是没有办法复现的那最近这个他又谷歌又公布了他们的这个就是AI用的权重然后就没有人去跟他说 So, it's not a full-time. We don't know. We don't know. We don't know. We don't know. We don't know. We've seen a video. One is our science. We're doing a 65mm. 这个叫启蒙一号 呃 启蒙一号是最后失去流片的 This is what I mentioned before. Rallog 语言到网表的 它是用一种叫BSD的这种算法 - There is input and output. - Right. It's like a water管, the water is from the top, it's not going to go back. So it's using a water管, a water管, to make it
[50:00] 打他直接打出来比如说我进去的多少电流出来多少电流通过电路里面控制水流大小他叫单向无回的这种逻辑来去做的但是同样他们用了很多形式验证就是静态验证去验证他对那这个是Tapol的然后Tapol呢我来比较一下它号称能对标英特尔486对那英台有486有多少门级他用了400万逻辑门英特486才40万逻辑也就是它这个芯片推泡出来的面积要比英特486大10倍所以更多是一个尝试性的demo只是为了做这个实验它没有可操作跟可背落地的可行性然后这个二三年very cool又做了一个宣称从219个字直接到GTS毫无人工参与也是用OpenRole的做物理实现设计中间用了VerilogRestify的那些综合工具那这个东西它没有推跑,因为他只是用了一个虚拟的标准库所以他没办法去推炮那最新的就是这个辣椒了辣椒也是他后面全部是交给service公司博通做的对他只是做了前面原理部分其实相当于我们芯片里面的RTL的生成就是整个芯片设计的语言的生成他是做的但他不是用芯片设计语言那一套他用的是谷歌的那个开源语言那一套去做的所以真的是从楼到尾毫无人工参与的其实还是没有出现这也是为什么这个看完这些就深挖这些执行细节对细节之后我对这个行业还是有点信心的还是没有达到理想中的状态甚至可能还很远很远也不好说因为现在就像我们最早在二三年我们做copilot的时候那个时候的语言我们觉得大模型其实我们对模型有选择有都试过这个模型的能力对回答问题的这个准确度有很大的影响但是很快就基本上是都OK了都OK了对很快所以模型的发展非常快可能未来三到六个月就出现了一个真实的能力,对,我们不太好,现在的不太好,好做Forecast,确实这行业现在真的太,就是一个月,你像软软件基本一个月就是一个版本,每个月就是一个大版本,就是今天的事情一个月之后就变成感觉上个版本,上个时代的古老的故事一样,太恐怖了。所有的但我是觉得不管怎么样就对比软件行业人还是需要就是你要做一个什么样的芯片还是要人去从顶层架构上一个逻辑上就算就是今天这个时间点最核心的这些芯片设计的人他们的构成的背景大概是什么样的路径学通信的学电路的还是学计算机的还是学现在很多大学都有集成电路专业这个是最短的最对口的然后当然你说通信电子这些都属于弱电也是可以的,强电就可能就是跟Anses相关的去系统了好你觉得AI来之后这个事情会有变化吗?就是对这些人的,因为我说无数次聊AI话题最后大概率都会跑到教育上。啊,教育,对啊,这个其实这个也是我一直在跟我们家小孩在聊的内容,我是在想说AI如果真的是像软件行业或者像新变行业这样的冲击以后,是不是我们现在,因为我们现在其实我们国家的,这个大家学生高考学生都希望选择树理工科未来会不会那些有创意的或者说是文科他会更有创意更有详细比如你们面对的客户当中有没有这种比较意外的构成的状态目前没有目前还是需要严谨的非常的还是需要理工科这个还是需要人来做事情的不是天马行空有想法的你们这个行业太特殊了就是我会觉得就是他就是尖上那个位置的地方就当某天如果是你们这个都被搞定了那那真的人类就讨厌吧就别也别想别的了就是说如果他真的是全套agent或者说离开
[55:00] 离开工具AI就能做做出芯片的话我觉得离当时我看那个电影叫Magic死不远了对那都是科幻电影演的集团态了人只有给他供电的功能了人性电池了变成对所以但这个还是回过来我们这个严肃来表达一下对未来这种学子的期待就是说一个是我觉得跨界的人才还是会很重要很重要对你单单只会线面设计不一定因为对你们都跑到系统层了对吧都跑到甚至要看他所应用层的事情了是就是你整个跨界的这些knowledge怎么样去整合然后有创意的人或者说那些AI当然我们现在看AI就是你跟他讲不同的语言可能得到结果不太一样就是怎么可以把你的需求表达描述出来用自然语言可以表达出来的这个这种能力这个是我觉得通的能力都需要未来都需要我就入未来你怎么去跟AI去接触的这些能力但是呃从另外一个角度就是说呃我也我也反过来思考就是说我们像我们心思有些工具一粒工具它本来就是设计for human的本来就是为人设计的工具那些工具未来可能就不见了并不是说它可以完全替代工具但是我们反过来当然承认有些比如说看波形的工具本来这些波形打开就是给人看的人来找到这个波形的问题的但是未来可能就不需要了因为未来可能就是agent跟agent去沟通他可能不需要可视化的东西了对所以有些东西我们也在思考嘛,当然我不能说完全工具是一个都不能少,还是要从我们所谓的叫第一性原理出发来考虑到底这个中间要的是什么好那今天聊的差不多非常感谢严总的这个精彩的分享对我这样一个应远外行来讲学习到非常多东西因为就像我们在我们私下的刚才聊的时候就是我们原来这些做比如互联网啊做包括做投资的原来研究行业的时候其实并不需要那么深的对科技跟技术底层的理解但今天没办法今天所有的硬科技啊包括AI包括大家讨论的钻链芯片各种各样的事情真的到一些非常非常深的程度的时候他就是需要这些更硬的东西来去支撑这种理解呃再次感谢大家收听然后如果大家对西斯科技有需要了解可以去他们的官网查一下比如他们对你在招什么人我觉得是一家非常好的公司非常强的站在产业链非常核心位置并且有垄断状态的一家公司好再次感谢好好好 感谢你 感谢 感谢 感谢
