芯片界的 Word：EDA 的话语权、自研芯片这本账，和 AI 的真实边界 (2026)

全世界一年的芯片设计软件生意，加起来只有 129 亿美元，不到半导体产业的 1.6%；但少掉它，一颗芯片也设计不出来。新思科技一家就占了这个市场四成到五成，二十年前它的客户只有芯片公司，今天特斯拉、Meta、OpenAI、字节、阿里都成了它的客户。1

欢迎收听《七档 AI 创业者精选播客缩短版》。

这期的原节目是《屠龙之术》，主播庄明浩对话严华。严华在芯片设计行业做了二十多年，现在是新思科技的产品解决方案销售总监——新思就是那家做 EDA 工具的公司，全球市场份额四成到五成。原节目一个多小时，从「芯片设计用的软件」一路讲到「所有人都开始自己造芯片」。表面上离做 AI 产品的人很远，但其中几条判断，今天就能用在你自己的产品、成本和组织上。

这一集带走什么

一个环节的话语权，不看它的市场规模。 EDA 全球一年只有 129 亿美元，占整个半导体产值不到 2%，但任何一颗芯片都绕不过它。严华的比喻是：EDA 就是芯片界的 Word——你写文章用的是 Word，可读文章的人看不见你用什么工具写的，工具在成品里「消失了」。加上 IP，也就是已经流片验证过、可以像段落一样复用的接口模块，芯片设计从「从零画」变成了「搭积木」。工具一旦和工艺、和验证过的 IP 绑在一起，换掉它的代价就远高于它的价格。
系统厂商自研芯片，是一本可以算的账。 二十年前做芯片的只有高通、飞利浦、NXP 这类专业公司，今天应用侧的厂商纷纷跳进来。严华说这首先是经济账：当一款产品的用量足够大，买芯片的钱加起来不如自己做一颗。他举了扫地机主控芯片的例子，连团队带流片，可能就要几亿美元的投入。而 AI 把训练和推理分开以后，推理这一侧更适合做专用芯片——电费、散热和整机投入都在逼着人算这笔账。
AI 在这场里只能当助手，因为容错率不允许它当主角。 软件有 bug 是常态，芯片出错可能整颗跑不起来，一次流片失败就可能伤到公司；而 AI 天生有幻觉。所以芯片行业直到 2020 年之后才让 AI 进场，先做的也是强化学习这类「在约束里帮你试出最优解」的事。严华讲的 PPA——性能、功耗、面积——三个指标本身互相冲突，线画粗一点性能好但面积变大，画细一点电阻升高功耗又上去，设计的本质就是在多目标之间找平衡。
把 Agent 当「硅基员工」招进来，它缺什么、住哪儿、怎么收钱就想清楚了。 新思已经做了近 30 个 Agent，和全球 30 多个客户一起在试。严华的说法是：人是碳基员工，Agent 是硅基员工；硅基员工的好处是公司内部已经给它做过训练，懂工具怎么用，缺的是客户的 knowledge——它不知道这个客户写的是记叙文还是议论文，得部署到客户那里「锻炼」一段时间。收费方式也跟着变：过去按席位和 license，现在业界在试按结果、按 token 收，但国内大量开源模型是本地部署的，token 根本观测不到，这一条还没有答案。他也给了这条趋势的尺度：一家做手机芯片的客户，公司三千人、芯片设计一千五百人；而一家比较节俭的汽车芯片公司把后端外包出去，芯片设计团队两三百人就能做下来。他判断未来一颗简单的芯片，两三个人加上 Agent 就能做。
最后那道签核，人不能交出去。 Agent 可以做语言的生成、做布局布线这些以前人做的事，但 sign-off 这个动作严华认为还是离不开人：Agent 不会为芯片的失败负责，人要替芯片的结果负责。这句话放到任何把 Agent 放进生产流程的产品里都成立——权限划到哪一步，取决于出事的时候谁签字。

带回团队的三个判断

用「必经之路」这把尺子重估你的上游。 一个环节值多少话语权，不取决于它自己多大，取决于绕不绕得过它、换掉它要付多少代价。EDA 的 129 亿美元背后，是二十年积累的工具、工艺绑定和验证过的 IP。
给 Agent 做一份入职设计，而不是一份功能清单。 先写清它已经会什么（内部训练能给的那部分），再写清它必须从客户那里学什么，然后才谈部署。严华说得很直白：硅基员工 24 小时不睡，工具被调用的频率会比人高得多，所以产品形态和计费方式都得跟着重算。
划权限时从「出事谁签字」倒推。 能自动跑多少步，取决于最后那一笔是谁的责任。Agent 越能干，越要把签核点显式地留在人手里。

研究摘要与素材边界

本期的底稿是《屠龙之术》官方公开的完整音频（约 58 分钟），我们做了整篇转写；另外参考了官方单集页上的节目简介、章节时间线，以及节目自己发布的对谈纪要图。这一期没有官方逐字稿，小宇宙上也没有这一集的文字版。

八段原声都从这份公开音频里按原始时间码裁取，只截取嘉宾严华单人口播的窗口，不混入提问；每段窗口都用波形相关核对过位置。原声字幕按音频内容整理，自动识别仍可能在专有名词、数字或断句上有误差，比如 tape-out、IP、PPA 这类术语。

节目里提到的公司、数字与行业判断，都按严华在这场访谈里的说法呈现，没有改写成独立核验过的行业事实。涉及的公司与机构（新思科技、Synopsys、Ansys、台积电、三星、英伟达、Meta、特斯拉、字节跳动、阿里巴巴、中科院计算所等）和其中的人物姓名，用公开报道核对过写法；节目自制图表里的行业数字，按「节目方的口径」转述。

这一集覆盖的是上游芯片设计这一环的变化：它在产业链里的位置、自研芯片这本账、AI 的真实边界，以及 Agent 进来之后的角色、责任划分和人力规模。原集没有展开融资话题，本集也没有融资相关内容。

想听完整上下文、现场语气和这一期没有纳入的对话，可以回听《当 AI 开始设计芯片---聊聊 EDA 与 AI 时代的芯片设计》。

本节目是对原节目的编辑性转译，不替代原节目。

References

1
《当AI开始设计芯片---聊聊EDA与AI时代的芯片设计》官方单集页
xiaoyuzhoufm.com

这一集带走什么

一个环节的话语权，不看它的市场规模。 EDA 全球一年只有 129 亿美元，占整个半导体产值不到 2%，但任何一颗芯片都绕不过它。严华的比喻是：EDA 就是芯片界的 Word——你写文章用的是 Word，可读文章的人看不见你用什么工具写的，工具在成品里「消失了」。加上 IP，也就是已经流片验证过、可以像段落一样复用的接口模块，芯片设计从「从零画」变成了「搭积木」。工具一旦和工艺、和验证过的 IP 绑在一起，换掉它的代价就远高于它的价格。

系统厂商自研芯片，是一本可以算的账。 二十年前做芯片的只有高通、飞利浦、NXP 这类专业公司，今天应用侧的厂商纷纷跳进来。严华说这首先是经济账：当一款产品的用量足够大，买芯片的钱加起来不如自己做一颗。他举了扫地机主控芯片的例子，连团队带流片，可能就要几亿美元的投入。而 AI 把训练和推理分开以后，推理这一侧更适合做专用芯片——电费、散热和整机投入都在逼着人算这笔账。

AI 在这场里只能当助手，因为容错率不允许它当主角。 软件有 bug 是常态，芯片出错可能整颗跑不起来，一次流片失败就可能伤到公司；而 AI 天生有幻觉。所以芯片行业直到 2020 年之后才让 AI 进场，先做的也是强化学习这类「在约束里帮你试出最优解」的事。严华讲的 PPA——性能、功耗、面积——三个指标本身互相冲突，线画粗一点性能好但面积变大，画细一点电阻升高功耗又上去，设计的本质就是在多目标之间找平衡。

把 Agent 当「硅基员工」招进来，它缺什么、住哪儿、怎么收钱就想清楚了。 新思已经做了近 30 个 Agent，和全球 30 多个客户一起在试。严华的说法是：人是碳基员工，Agent 是硅基员工；硅基员工的好处是公司内部已经给它做过训练，懂工具怎么用，缺的是客户的 knowledge——它不知道这个客户写的是记叙文还是议论文，得部署到客户那里「锻炼」一段时间。收费方式也跟着变：过去按席位和 license，现在业界在试按结果、按 token 收，但国内大量开源模型是本地部署的，token 根本观测不到，这一条还没有答案。他也给了这条趋势的尺度：一家做手机芯片的客户，公司三千人、芯片设计一千五百人；而一家比较节俭的汽车芯片公司把后端外包出去，芯片设计团队两三百人就能做下来。他判断未来一颗简单的芯片，两三个人加上 Agent 就能做。

最后那道签核，人不能交出去。 Agent 可以做语言的生成、做布局布线这些以前人做的事，但 sign-off 这个动作严华认为还是离不开人：Agent 不会为芯片的失败负责，人要替芯片的结果负责。这句话放到任何把 Agent 放进生产流程的产品里都成立——权限划到哪一步，取决于出事的时候谁签字。

带回团队的三个判断

用「必经之路」这把尺子重估你的上游。 一个环节值多少话语权，不取决于它自己多大，取决于绕不绕得过它、换掉它要付多少代价。EDA 的 129 亿美元背后，是二十年积累的工具、工艺绑定和验证过的 IP。

给 Agent 做一份入职设计，而不是一份功能清单。 先写清它已经会什么（内部训练能给的那部分），再写清它必须从客户那里学什么，然后才谈部署。严华说得很直白：硅基员工 24 小时不睡，工具被调用的频率会比人高得多，所以产品形态和计费方式都得跟着重算。

划权限时从「出事谁签字」倒推。 能自动跑多少步，取决于最后那一笔是谁的责任。Agent 越能干，越要把签核点显式地留在人手里。

研究摘要与素材边界

本节目是对原节目的编辑性转译，不替代原节目。

芯片界的 Word：EDA 的话语权、自研芯片这本账，和 AI 的真实边界

这一集带走什么

带回团队的三个判断

研究摘要与素材边界

References

Related content

芯片界的 Word：EDA 的话语权、自研芯片这本账，和 AI 的真实边界

这一集带走什么

带回团队的三个判断

研究摘要与素材边界

References

Related content