AI对半导体行业的渗透正在越过一个微妙的分水岭。过去几年，生成式AI在芯片领域的叙事大多停留在设计端的“加速”。但这些故事有一个共同前提：数据已经在那里，模型只需要跑起来。芯片工程的真实现场恰恰相反：一颗芯片从设计规格到硅后验证，数据散落在设计、测试、封装、质量和供应链的十几个系统里，格式各异、语义不通、上下文断裂。通用大模型语言能力再强，面对一颗具体芯片的工程问题时，依然无从下手。孤波科技CEO何为很早就把这一痛点看得很清楚。“大模型的能力已经很强了，用好大模型缺的是行业的语义。”

在何为看来，AI正从辅助工程师的单点工具，向能够完成复杂工作任务的长链路Agent演进；而要让Agent真正进入芯片工程，前提不是又一个更聪明的模型，而是一个装得下行业数据、流程与知识的工程底座。

就在今年10月的年度用户大会上，创立第七年的孤波科技正式发布了“1+2+N”产品战略：以OneData企业级数据平台为底座，面向研发与运营两大场景，生长出N个垂直领域智能体。在外界看来，这是孤波科技从“数据平台”向“AI原生”的一次跃迁；但在何为的叙述里，它更像是对一个既有判断的兑现，而非转向。

创业最难的，是找到那个“PMF的点”

创业初期，何为和团队把方向锚定在数字化和数据平台，但真正落地时，差距比预想更大：她以为客户需要的是“数字化”，面对的却是连“信息化”都尚未完成的现实。最初几年，团队花了大量时间在“找闭环”上。

“找到那个对于客户来说最痛的痛点，以至于即使还没有一个完美的产品，他也能为此付费的那个点，也就是所谓的PMF。”何为称创新型公司最重要的就是找到PMF（Product Matket Fit）。孤波科技最早切入的是测试数据，做一个客户立刻能对标、立刻能看见价值的系统；但在底层，团队用了一种“比较奢侈”的方式——建了一个远比单点工具更大的数据底座。客户为单点价值买单，用起来之后却发现，设计师、质量团队、产品工程师都能在同一个底座上工作，规格管理、运营管理的需求自然生长出来。

这个“先单点、后平台”的路径，让孤波科技完成了商业上的关键一跃。截至2026年，孤波科技已服务超过200家芯片设计公司，中国Top 50 Fabless中超过半数已有订单合作。公司2021年获得合见工软的战略投资，随后又获得张江高科旗下燧锋基金投资，进一步嵌入国产半导体工业软件的生态版图。公司于2022年底实现初步商业闭环；至2025年中，客户验证与决策周期大幅缩短，商业闭环显著加速。何为的体感是，过去客户验证动辄一两年，现在在系统客户集中评估一两周便能决定合作。

“通用模型不缺能力，缺的是行业那层语义”

AI浪潮之下，半导体行业的一个现实矛盾更加突出：一方面，行业高度依赖人力与知识，AI能快速放大个人能力，但受限于局部环节，比如物理性验证，整体效率的提升仍需系统理解业务上下文；另一方面，新兴大模型公司难以深入理解复杂的芯片设计业务，将行业运作与模型能力深度结合，是半导体行业特有的挑战，也是核心门槛。

孤波科技选择了一条“笨”路：所有系统本地部署在客户现场，数据不出门；模型不靠客户数据训练，而是由半导体出身的产研团队先把行业模型建好，客户的场景进来做适配。在“1+2+N”的Agent排序上，务实主义更加明显。“我们优先找那些工程师干起来最费劲的事。”当一颗芯片在客户端出现异常，质量工程师往往需要联系设计、测试、封装和运营四个团队，从不同系统里人工汇集记录，短则两天，长则六七天。孤波科技希望系统先完成资料关联和线索整理，把芯片的唯一ID输进去，全链路数据在一分钟内自动归集并进行推理，给出初步判断，再由工程师确定根因、决定验证路径。AI缩短的是信息汇集的时间，现阶段不是做最后决策。随着累积的决策轨迹的增厚，AI才逐步进入到更复杂的决策任务中。

在何为看来，半导体行业垂直Agent的落地必须走完三个环节：数据与业务流程的标准化、行业专属的安全可信语义层，以及全流程的验证与约束闭环。跳开任何一步，AI在芯片工程里都只是悬空的演示。

芯片设计公司智能操作系统，不止国产替代

何为将孤波科技定位为芯片设计公司智能操作系统。它不属于传统EDA领域，而是专注于芯片设计完成之后的验证、测试、产品化、量产与运营环节，把长链路任务串联起来。如今，孤波科技的产品矩阵已覆盖OneData数据平台、OneFlow研发流程、OneTest测试工程和OneOps运营协同，贯穿产品及研发管理、硅后验证、NPI、量产与质量运营。

谈及国产半导体工业软件与海外的差距，何为没有回避单点技术积累上的距离。“数据分析到什么深度，能够找到客户的什么问题，这个深度是要靠时间积累的。”但在系统构建层面，她认为中国公司反而处在一个更有利的位置：海外公司的工具是按既有的部门墙生长的，而中国设计公司正在高速演进，有机会从一开始就按照拉通的方式建系统，而不是在旧的组织缝隙里做集成。

这套“拉通”的逻辑，已经被一些海外客户注意到。何为透露，有美国和德国的公司、包括Top 10 Fabless中，已经有开始将其系统转入孤波科技的平台，原因正在于这种不同的构建方式所体现出的技术领先性。但她对此保持着一贯的分寸感：“它解决了一部分问题，但要打磨很长时间才能跟业务紧密结合在一起，真正体现出拉通的价值。”

从三十年前在测试机旁帮客户降成本，到今天带着团队芯片设计公司搭建智能操作系统，何为的路径始终围绕同一个追问：当一颗芯片的复杂度超越了任何个人或单个部门能够掌握的上下文时，那些本该被复用、却被反复重新发现的工程知识，究竟应该由谁来承接？她的答案不是又一个孤立的工具，也不是一个宣称能独立思考的AI，而是一个足够底层、足够耐心的数据与流程底座——先让数据有了行业的语义，AI才有可能真正走进芯片工程的现场。

也正因如此，孤波科技在今年的年度用户大会上提出，希望搭建开放的行业技术社区，为芯片设计及上下游工程技术人员创造技术交流与经验分享的平台。这条路远未走完，但现在它终于被大家看到并开始理解，至少有了一个可以持续生长的起点。