陈琼南算账:产线适配改一次,为何要花数千万?

资讯 腾讯网 作者:腾讯网 全文 3862 字 · 约 10 分钟读完 分类CPO芯片算力

(文/科工力量 沈见微)“一次涉及结构、工艺或产线适配的修改,成本就可能达到数千万元。”这是立讯技术CPO陈琼南在10月30日举行的2026芯和半导体用户生态大会上,结合过往项目经验算的一笔账。“这还不包含客户那边的修改,只是我们这边的部品修改。”陈琼南补充道。这场大会的参会企业,涵盖芯片设计、先进封装、存储、...

所属频道 算力与芯片

科工力量 沈见微

“一次涉及结构、工艺或产线适配的修改,成本就可能达到数千万元。”这笔账是立讯技术CPO陈琼南算的,依据是过往项目经验,场合为10月30日举行的2026芯和半导体用户生态大会。他补充说:“这还不包含客户那边的修改,只是我们这边的部品修改。”

参会企业覆盖芯片设计、先进封装、存储、整机和EDA软件等环节。以前,研发中碰到的问题,各家往往自己消化;现在,它们越来越需要围坐一处,商量怎么让整套电子系统跑出更好的性能。把这张桌子拼起来的,是主办方芯和半导体——一家以EDA为切口、正把自己嵌入系统协同节点的国产软件公司。

2026芯和半导体用户生态大会

很长一段时间里,一款产品最终能不能赢,常常看核心芯片够不够强:制程先不先进、频率高不高、算力峰值漂不漂亮。芯片只要够快,系统似乎就有了底气。

但AI把这套逻辑打乱了。算力需求爆发之后,系统里的短板开始排队出现:数据更快了,存储跟不上;存储能

这也是芯和大会围绕STCO展开讨论的现实起点。STCO即系统技术协同优化:设计之初,就把芯片、封装、存储、互连和供电散热摆在一起权衡,看一项改进能给整套系统带来多少收益、添多少代价。

其实STCO并非刚冒出来的新概念。在国际半导体产业中,围绕系统协同优化的讨论,至少已持续七年。

比利时微电子研究中心imec曾于2018至2019年期间发表专文,围绕STCO展开探讨。彼时芯片制造工艺愈发接近技术与经济层面的天花板,仅靠缩小尺寸已难以为继。

这一方向随后得到产业界更多关注。台积电2023年可持续发展报告显示,其产业生态协作已不再局限于传统的设计与工艺协同优化,而是向存储、基板、测试、封装等环节拓展,借此推进STCO,提升产品系统性能与能效。

眼下AI算力的需求还在快速增长。芯和半导体总裁代文亮认为:“数据更快了,存储跟不上;存储数据能出来了,互联又跟不上;互联跟上了,功耗又上来了。STCO不是考虑要不要做,而是必须要做。”

算力竞争从单颗芯片扩大到机柜乃至超节点,存储、互连、供电和散热之间的协同,重要性已足以左右整个系统性能。这一趋势让承担设计和仿真任务的EDA软件,等来了新的产业机会。

系统不是由平均值击败的

解释STCO为何重要时,代文亮打了个夸张的比方。从不同人身上挑最优秀的部位,凑一张漂亮的脸,再配上姚明的腿,把各自出色的部分拼到一起,最后得到的一定是个完美的人吗?

显然未必。

电子系统同理。一颗性能很强的芯片、一块速度很快的存储器、一条传输效率很高的线缆,单看可能都是优秀产品,搁在一起,却未必能发挥出各自最好的性能。

对做大模型服务的企业而言,最终要算的是:在相同服务要求下,整套设备能完成多少任务、响应有多快、耗电多少、购置加运行一共花多少钱。

“算力必须得走系统。”芯和半导体董事长凌峰在会上表示。他把影响系统表现的条件概括为计算、存储、互连与电力,强调这些环节得共同考虑。

芯和半导体官网提供的真实EDA软件界面图

先进封装里,这种变化尤其明显。企业把多颗芯片并排集成或垂直堆叠,让计算与存储靠得更近,数据传输距离得以缩短。可连接密度一提高,散热路径、供电条件和材料受力情况也跟着变。

沐曦CTO彭莉举的例子更直观。提高计算单元的工作效率以后,局部热密度可能成为限制。她表示:“你的功耗并没有超标,但是你在单点上的散热的能力是不足的。”

芯片越做越复杂,计算、存储、供电之间的关系也越绑越紧。一项设计调整,可能让某个指标变好,却让其他环节付出更高代价;放到整个系统上,性能就有可能被拉低。

企业的研发方式也得跟着改。老思路是芯片设计完成后交给封装团队,随后再做电路板和整机设计,问题往往在后续测试中逐步暴露。现在,这些问题必须提前进入设计阶段。

推动这套思路变化的,除了前面说的“不得不做”,还有“有价值做”。

美国近年来接连对先进制程设备、高性能AI芯片等对华出口设限,中国半导体产业的技术升级因此面临不小压力。说到底,如何让已有芯片释放出更大价值,同样是产业必须回答的一道题。

AI服务器主板内的芯片

先进制造工艺的突破仍是主线,但先进封装与系统层面的协同优化同样不能忽视,它让企业在既有硬件条件下有机会拿到更多算力。

芯片电子产业的上下游散布着芯片、封装、存储、整机等各类企业,各自的设计工具和数据模型并不相同。想从“能做”走到“做成”,中间横着一道跨企业沟通的坎。

设计工具,开始走出芯片

EDA即电子设计自动化软件,是芯片产业最重要的基础工具之一。工程师在真正投产之前,靠它完成设计、计算和验证,把可能出现的问题提前找出来。

传统EDA产业分工细致:芯片设计有专门软件,封装、电路板、散热分析也各有对应工具。各环节方法成熟,但这些软件之间交换数据并不总是顺畅。

举个例子,某企业为提高信号传输速度,挪动了电路板线路的位置。信号分析工程师能算出调整后的效果,可线路一变,供电和散热会直接受到牵连。

江波龙高级技术专家田福俊在大会上提到,芯片、封装、电路板和系统设计之间存在工具链的数据孤岛,各环节采用的模型不一致,材料和制造工艺参数也难以完整传递。

这正是STCO给EDA出的新题目:软件不光要准确分析某个部件,还得帮工程师判断一处修改会怎样波及整个系统。

实际工程里,这种判断牵扯不同物理现象的相互影响。温度变化可能改变电阻和电流分布,芯片堆叠又可能改变散热和材料受力。电、热、力等问题需要放在一起分析,行业称之为多物理场仿真。

芯和从芯片到系统的EDA平台

软件除了算出结果,还要接得上客户已有的工艺、器件模型和设计流程。原有数据能不能复用、结果可不可信,直接决定客户采用新工具的成本。

芯和的Metis面向先进封装,Notus面向封装和电路板,走的正是这类厂商沿芯片与系统连接关系扩展业务的路子。不过,能覆盖更多分析项目,显然还远远不够。

武汉新芯CTO周俊提出,需要用真实芯片的测试结果校准模型。这话点出了客户选工具时的重要依据:仿真结果要用来指导后续制造,误差可能变成返工和交付风险。软件厂商只有在实际项目中攒下验证记录,才能一点点赢得客户信任。

分析范围一大,工程师又多了另一重压力:可选方案越来越多,逐个调整、反复计算很耗时间。AI因此有了进入设计流程的机会。联想与芯和联合开发一年多推出的EDA Agent 2.0,就是这一方向的产品。大会演示的板级流程中,AI调用专业工具完成元件建库、布局布线、规则检查和内存接口分析。现场披露的数据显示,该流程设计迭代效率提升约5倍,人工操作减少约90%。

但项目合作和规模化销售之间还隔着一道门槛。芯和会后也提到,联想这套流程目前更多匹配其自身需求,尚未完全通用于所有企业。每多一家客户就要投入大量人员重新开发,交付成本会跟着往上涨。

从芯片到系统,EDA巨头争夺新市场

海外EDA巨头已经动手。新思科技在2025年完成收购Ansys后,于2026年3月宣布Multiphysics Fusion首批整合方案,6月发布首批多物理场融合工具,把供电、电磁和热分析纳入原有设计流程;西门子则通过收购Altair,补上机械、电磁仿真等能力。

封装、电路板和散热分析并非无人涉足的新市场,成熟软件和供应商早已存在。真正的机会在于让这些原本分散的工具协同工作。国产厂商即使做出了能替代进口产品的软件,也未必能顺利进入客户的研发流程——多年积累的模型、脚本和操作习惯,不是说换就能换的。

技术上也有不少难关。武汉新芯CTO周俊提到,目前多物理场协同仿真还很难做到精确量化,一些分析只能帮助判断大致方向,仍需通过真实芯片的测试结果不断校准。对芯片企业来说,知道哪种方案可能更好,和准确算出它究竟能好多少,并不能划等号。后者关系到企业敢不敢投入真金白银去制造。

华大九天日前发布公告,计划以不超过2.2亿元的出资收购奇捷科技部分股权,从而拿下控股权,借此补强数字逻辑优化设计等环节。今年前三季度该公司营收约9.60亿元,研发费用约6.30亿元,几乎吞掉营收的三分之二。国产EDA眼下的难题也在这里:芯片设计工具尚待完善,系统级设计的新需求又已压来,技术每向外多探一步,研发上的投入就更沉一分。

华大九天

芯和把落脚点放在高速互连、先进封装与板级仿真上,联手客户一起做系统级设计工具,说到底是在为自己找一块市场立足之地。难处摆在眼前,客户未必肯陪着软件厂商一轮轮试错。炬芯科技董事长周正宇曾公开表示,哪怕EDA软件不要钱,芯片企业也未必乐意上手。消费电子迭代太快,工具一旦拖上几个月,错过的可能就是整个市场窗口。

客户还有另一层担忧:软件好不容易打磨成熟,供应商能不能长期经营、持续提供服务?这是国产EDA追赶过程中绕不开的矛盾——软件要靠客户项目不断完善,客户最看重的恰恰是稳定和可靠。

所以,比起发布了多少款新工具,更该关注的是国产EDA究竟进了多少真实产品,又有多少客户愿意在下一代产品中继续使用。跨过这道门槛,技术进步才能真正变成一门持续的生意。

本文由本站编辑组整理与排版,内容基于公开信息核实后归纳发布,与文中提及的产品、公司无隶属关系。我们持续跟踪 AI 领域的模型、产品与行业动态,力求信息准确、表述清晰;文中涉及的名称、价格与功能细节可能随官方调整而变化,请以官方最新说明为准。如发现疏漏或表述有误,欢迎通过站内渠道反馈指正。

相关推荐 按相关度与热度排序

全部资讯 →
  1. 印度拟24个月自研GPU:ISM 2.0覆盖设计到制造

    印度在ISM 2.0下瞄准本土GPU,正是对这一结构性约束的回应。与此同时,印度当前的AI算力供给仍然高度依赖进口。IndiaAI Mission的共享算力池在2026年6月达到超过45,000块GPU,面向研究人员和初创企业提供补贴性算力接入。但据印度媒体报道,截至2026年10月,该任务实际可用的GPU约为30,0

    来源 TechWeb
  2. 印度GPU自研计划:24个月目标与1.275万亿卢比预算

    印度在ISM 2.0下瞄准本土GPU,正是对这一结构性约束的回应。与此同时,印度当前的AI算力供给仍然高度依赖进口。IndiaAI Mission的共享算力池在2026年6月达到超过45,000块GPU,面向研究人员和初创企业提供补贴性算力接入。但据印度媒体报道,截至2026年10月,该任务实际可用的GPU约为30,0

    来源 TechWeb
  3. Anthropic展示Claude造芯,EDA行业会被AI取代吗?

    今年下半年,AI的自我进化成为了热门话题。而且,AI不仅在尝试研发自己的模型,甚至还想自己搞定作为算力来源的AI芯片。这很可能让芯片制造业面临巨大变局,设计端的EDA(电子设计自动化)行业首当其冲。当地时间11月3日,The Information报道称,此前公布招股说明书的Anthropic向潜在IPO投资者展示了其

    来源 腾讯网
  4. 王兴兴:芯片产能全球告急,算力替代模型成AI竞争关键

    11月6日,宇树科技(688836.SH)创始人、董事长王兴兴在世界浙商大会上称,人工智能竞争的根本正在从模型转向支撑模型的底层资源。他依次提到数据、算力、芯片、能源和矿五类资源,并称“目前全球的芯片产能是远远不够的,即便把行业已规划的扩产计算在内,仍然不够”。在这场发言中,芯片产能被放在最紧的位置。“哪怕以目...

    来源 腾讯网
  5. 中信建投:算力硬件行情分化后,半导体国产化三年增长怎么看

    中信建投发布研报称,爆发式增长的算力投资驱动了一轮硬件产业链的大繁荣后,市场开始对需要融资维系的高资本支出产生担忧,我们认为高阶AI PCB、800V等新技术迭代的机会值得重视。半导体国产化方面,AI将全球存储、逻辑、先进封装需求抬升到一个更高的量级,在下游制造环节市占率和上游国产化率双重提振下,半导体设备、材...

    来源 腾讯网
  6. 游族网络签42.25亿GPU采购大单:合同额接近四成市值

    11 月 3 日晚间,游族网络( 002174.SZ )抛出一份让市场侧目的采购公告。 全资子公司上海游族信息技术有限公司(下称“游族信息”)近日与“A公司”签署《销售合同》,采购型号为PRO5500(PCIe)的GPU产品,总金额42.25亿元(含税)。 对照公司最新约112亿元的总市值,这笔合同规模接近市值的四成;

    来源 AI 行业观察
  7. 印度要自研GPU:24个月目标,预算1.275万亿卢比

    【TechWeb】11月6日消息,据印度科技媒体ETGovernment报道,印度电子和信息技术部(MeitY)秘书长S. Krishnan在接受专访时表示,根据“印度半导体使命2.0”(India Semiconductor Mission 2.0),印度政府计划支持本土GPU芯片研发,并预计这项工作需要约24个月。

    来源 AI 行业观察
  8. YC初创设百万美元悬赏,求解AI材料科学五大难题

    成立仅数月的YC初创公司Discovered Materials宣布,设立总额100万美元的悬赏基金,围绕五个尚未解决的材料科学问题,每个解决方案奖励20万美元。该公司用AI寻找芯片材料,希望以开放创新加速材料发现,并验证AI在半导体材料研发中的潜力。这既是科研激励,也是初创公司构建生态、吸引人才与实验合作者的战略动作

    来源 AI 科技快讯
  9. Meta:数据中心政治阻力升温,AI扩张或受拖累

    Meta在最新披露中警告,围绕数据中心日益升温的政治反对——尤其在美国选举周期中被放大——可能威胁其未来AI投资与基础设施扩张。随着社区对巨型数据中心项目的用电、用水和噪音问题反弹加剧,AI算力竞赛正从技术问题演变为政治问题。本文梳理Meta的警告、选举背景及其对行业的连锁影响。

    来源 AI 科技快讯
  10. 奥特曼考虑沙漠建数据中心,OpenAI紧急应对算力难题

    美国数据中心建设遭遇反对浪潮,多个关键州承诺冻结数据中心开发的候选人赢得州长选举。OpenAI CEO奥特曼在员工问答会上承认公众对用水等问题的担忧,并表示公司或许应考虑在沙漠中建设数据中心。OpenAI同时公布数据中心建设承诺,Anthropic则在招股书中提示暂停令风险。

    来源 凤凰科技
  11. 54岁张汉生自学AI做短剧:《持械入宋》播放66亿,算力投入超100万元

    据中国蓝新闻等媒体11月6日报道,54岁张汉生创业屡败后自学AI影视制作,其主导的《持械入宋》登顶红果AI榜,全网播放66亿,系列算力先后投入超100万元并已盈利,组内有人因此还清了债务。抖音副总裁李亮也发文介绍该剧,称主创非科班,是“群众创作”。报道显示,张汉生2025年3月开始自学AI,成为雪宝工作室第11号学员,

    来源 腾讯网
  12. 英特尔王稚聪:绿色算力舱拟进中国西部,绿电就地变词元

    IT之家 11 月 6 日现场消息,第九届中国国际进口博览会(以下简称 " 进博会 ")于 11 月 5 日至 10 日在上海国家会展中心举办。 英特尔中国区董事长王稚聪向IT之家等媒体介绍,今年英特尔也带来了一些非常有意思的作品,例如绿色算力舱(英特尔绿电储能算力一体化解决方案),算力舱未来要进入中国西部,与光能、风

    来源 AI 行业观察
  13. 马斯克两日身家缩水890亿美元,回应得州新当选参议员

    周四美股以大跌收盘。受民主党胜选影响,市场普遍恐慌联邦和多州会收紧AI发展、放缓算力中心建设,标普500跌约4.4%,道指跌约3.4%,纳指跌约5.5%。科技/芯片版块创下2020年3月疫情恐慌以来最大跌幅。英伟达当日市值蒸发四千多亿美元,大型科技股“七姐妹”合计市值缩水超一万亿美元。特斯拉周四收跌约11%,Space

    来源 腾讯网
  14. Altman改名Ram引热议:AI基建要踩刹车?

    最近,Sam Altman 改名了。 11 月 4 日,OpenAI CEO 在 X 上短暂更换了显示名称,从 Sam Altman 改成了Ram Altman。 事情的起因是,Altman 此前在一档播客中谈到,普通人的电脑里装着大量 RAM,却只有很少时间真正被使用。从全球资源分配的角度来看,还不如把这些内存集中到

    来源 AI 行业观察
  15. Anthropic研发提速1.9倍,METR报告:AI辅助是主因

    METR于2026年11月5日发布报告,指出Anthropic自2025年10月起模型能力增长速率达到历史1.9倍,95%置信区间1.5-2.8倍。多数加速可能来自内部AI对研发流程的辅助,而非单纯算力增加。部分核心证据因保密要求未公开,这对能力预测和安全评估周期提出新要求。

    来源 AI 行业观察
  16. Anthropic研发提速1.9倍:METR称多数加速源于内部AI辅助

    METR于2026年11月5日发布报告,指出Anthropic自2025年10月起模型能力增长速率达到历史1.9倍,95%置信区间1.5-2.8倍。多数加速可能来自内部AI对研发流程的辅助,而非单纯算力增加。部分核心证据因保密要求未公开,这对能力预测和安全评估周期提出新要求。

    来源 AI 科技快讯
  17. 谷歌为Anthropic 196亿美元租约担保,TPU条款绑住401MW算力

    2026年11月4日,TeraWulf披露谷歌已签署信用支持协议,为Anthropic在肯塔基州约196亿美元、20年的算力租约提供担保,园区提供401MW算力。这份协议将谷歌与Anthropic的关系从股东、云服务商升级为生存性债务担保人,同时附带强制使用谷歌TPU的硬件条款。在Anthropic即将IPO背景下,谷

    来源 AI 科技快讯
向下滚动自动加载更多