8月25日，CadenceLIVE China 2026中国用户大会在上海落幕。逾千名集成电路产业专家、生态伙伴及工程实践者齐聚现场，围绕人工智能如何重构工程生产力、芯片设计流程以及系统创新展开讨论。在 CadenceLIVE China 2026 的 7 大分会场中，60 余场技术演讲覆盖Super Agent、数字设计与签核、验证、系统设计与仿真、IP、模拟设计等多个领域，呈现出AI与半导体设计加速融合的趋势。
对于EDA产业而言，AI带来的变化不仅仅是增加一个新的辅助工具，而是正在推动设计范式发生变化。随着芯片规模持续扩大、Chiplet和3D-IC等先进架构不断发展，传统依靠工程师经验和单点工具优化的方式正面临越来越大的效率挑战。Cadence正在试图通过“Design for AI”和“AI for Design”两条路径，分别从底层技术和设计流程两端回应这一变化。
AI成为芯片设计的新变量
在大会主题演讲中，Cadence资深副总裁兼数字与签核事业部总经理滕晋庆博士表示，人工智能正在推动半导体产业进入新的增长周期。面对日益复杂的芯片与系统设计，Cadence一方面帮助客户设计更先进的AI芯片和基础设施，另一方面则将AI引入EDA工具和工程流程，以提升设计效率、缩短产品上市周期。
这一变化的核心，是Cadence对AI在EDA中角色的重新定义。
从最初用于设计流程优化的“Optimization AI”，到能够执行特定任务的Tool Agents，再到如今具备推理和自主执行能力的Agentic AI，AI在EDA中的角色正在从“辅助工程师”逐渐转向“虚拟工程师”。Cadence进一步将专业知识、工程经验和设计流程封装成Skills，并嵌入AI系统，使其能够主动调用不同工具完成复杂工程任务。
今年4月，Cadence发布完整的Agentic AI Stack，由Agent Stack统一协调五大Super Agent，并进一步调用底层EDA工具和Tool Agent。其覆盖范围已经从芯片前端设计延伸至模拟设计、数字物理实现、PCB与先进封装以及系统级设计。
其中，ChipStack AI面向RTL生成、验证计划和自动化验证；ViraStack AI聚焦定制电路和模拟设计；InnoStack AI覆盖综合、布局布线以及时序、功耗、面积收敛；AuraStack AI面向PCB和先进封装；SystemStack AI则进一步将多物理场分析纳入芯片到系统的协同优化。
这意味着EDA正在从“工具集合”走向“智能体系统”。对于工程师而言，未来的变化或许并不是某一个工具效率提升多少，而是AI能够承担越来越多跨工具、跨流程的复杂任务，让工程师将更多精力放在架构、约束和最终设计决策上。
AI之外，底层“物理能力”仍是核心
在Cadence看来，Super Agent能否真正进入工程实践，关键不只是AI模型本身，更取决于其背后的算法、仿真引擎和算力基础。
Cadence将这一技术体系概括为“Three-layer Cake”：最上层是从对话式AI、推理式AI到Agentic AI不断演进的智能层；中间是基于物理、数学和计算机科学构建的核心算法与仿真优化引擎；底层则是从CPU、GPU到ARM、TPU及其他XPU的加速计算平台。三层协同，才能将AI真正转化为工程生产力。
因此，在大力发展AI Agent的同时，Cadence仍在持续强化传统EDA最核心的算法和IP能力。例如，最新版Innovus针对2nm设计实现了约7%的PPA提升；Xcelium逻辑仿真通过底层架构重构，实现约2至2.5倍性能提升。
这种“AI+核心算法”的路线，在3D-IC设计中表现得尤为明显。
随着Chiplet、先进封装和3D集成快速发展，传统二维EDA算法面临新的挑战。过去的布局布线主要围绕X、Y两个维度展开，而3D设计还需要同时处理Z轴方向。Cadence已经对Innovus核心架构进行升级，将Z轴深度纳入Place & Route算法，实现X、Y、Z三个维度的协同优化。
与此同时，Cadence正在推动IP从传统的单一模块向系统级解决方案升级。通过整合基础IP、HBM、UCIe等能力，其IP业务开始从“IP 1.0”向“IP 2.0”转型，覆盖计算、存储、互连和安全等环节，并与多个先进工艺平台展开合作。
从芯片设计走向Physical AI
生成式AI首先改变的是数据中心和芯片，下一阶段更值得关注的市场将是Physical AI。
滕晋庆博士认为，Physical AI 才刚刚起步，未来数年内将有大量创新产品与企业涌入这一领域。
汽车、无人机、人形机器人等智能系统正在从数字空间走向物理世界。这些系统不仅需要AI算法和计算芯片，还涉及机械、电、热、流体、电磁等复杂物理问题，因此传统单一领域的EDA工具已经难以覆盖完整的系统设计需求。
在这一背景下，Cadence正在将自身的技术边界从芯片设计进一步拓展至智能系统设计，并推出Intelligent Systems Design Flow，将高保真物理仿真与AI结合，同时利用GPU加速提升仿真效率。滕晋庆博士称，该方案能够实现10至100倍的仿真速度提升，并通过更高效的仿真缩小数字模型与真实物理世界之间的“Sim-to-Real Gap”，服务于机器人、自动驾驶和无人机等应用。
这也解释了Cadence近年来持续强化多物理场能力的原因。随着AI从“数字世界”进一步进入现实世界，芯片、封装、电子系统和机械系统之间的边界正在变得模糊，EDA的竞争也开始从单纯的芯片设计工具竞争，转向覆盖整个智能系统生命周期的能力竞争。
中国市场，从工具应用走向生态共创
AI驱动EDA变革的同时，中国市场依然是Cadence全球战略中的重要组成部分。
Cadence副总裁、中国及东南亚区总经理汪晓煜在大会上表示，当前行业正在从单纯依赖物理制程微缩，转向系统创新、架构创新、生态建设以及软硬件协同。Cadence希望通过AI和智能体技术，帮助研发人员更加聚焦系统架构创新、PPA优化和系统签核。
大会现场超过30家合作伙伴带来了实际工程案例，体现出EDA厂商与芯片企业、系统企业以及产业生态之间的联系正在进一步加强。与此同时，Cadence自2020年以来，中国区客户数量已经实现翻倍增长，2025年员工规模继续扩大，并连续11年获得大中华区“最佳职场”认证。
这一系列数据印证了 Cadence“在中国、为中国”战略的长期坚守与有效执行。展望未来，Cadence 将继续依托智能系统设计技术栈，深化与中国半导体及系统产业的合作，从芯片设计到物理世界，共同探索智能涌现的更多可能。