全球芯片供应链重塑：中国引领新格局
出品｜虎嗅科技组
作者｜陈伊凡
编辑｜苗正卿
头图｜AI生成
“以前中国玩的是技术采用，现在呢，已经一脚踩进技术定义的阶段了。”
新思科技全球首席营收官Mike Ellow说这话的时候，语气相当笃定。在新能源汽车、人形机器人、AI硬件这几个赛道上，新的创新需求正从中国市场往外冒，一路挤进全球产品路线图。全球创新的方向，真的掉头了。
这是Mike Ellow第一次直面中国媒体。同场的还有新思科技全球副总裁兼中国区总裁姚尧——这也是他2026年上任后，头一回在中国媒体面前公开对话。
新思科技，全球EDA工具链的老牌玩家。芯片从设计到流片，几乎每一条关键路径都离不开它的软件。此外，它还是全球最大的基础与接口IP供应商。简单说，市面上绝大多数高端芯片，包括驱动大模型推理的GPU、NPU、跑在人形机器人和汽车里的边缘AI芯片，基本都是靠新思的工具画出来的。1986年创立至今，年营收破60亿美元，它在半导体产业链里，是个几乎绕不过去的存在。
而这个时间点，对这家全球巨头来说，注定是个转折窗口：中国市场的需求正在涌出来；AI对芯片的需求炸裂式增长；芯片设计周期被不断挤压；再加上本土EDA公司的崛起……每一个都是需要认真回答的问题。
新思科技全球首席营收官Mike Ellow 图片由新思科技提供
你猜怎么着？Mike Ellow聊了半天，抛出一个看似反直觉的判断：“不管你信不信，AI的潜力其实是被低估的。”他指的，是AI能触达的应用范围,比大家现在看到的，要宽得多。
Physical AI——这个词在访谈里反复出现。它的意思是，让AI从服务器里走出来，钻进机器人的关节、汽车的智驾系统、工厂的控制模块。这类芯片必须功耗低、延时短，还得扛得住极端温度和振动，同时支持大批量量产。根据新思科技提供的数据，全球Physical AI市场规模预计从2025年的50亿美元，五年内飙到900亿美元，年复合增长率35%。而中国，就站在这场变革的核心：人形机器人生产基地全球最大，新能源汽车渗透率超50%，工厂机器人密度还在持续往上爬——每一个环节背后，都是一片芯片的汪&洋大海。
这类需求并不一味迷恋最先进的工艺制程，它更看重成本与功耗之间的平衡，还有支撑大规模量产的工程化能力。这个画像，是目前全球Physical AI产业里，最清晰的中国需求。
就在我们交流的前两天，新思科技Q2财报出炉：总营收22.76亿美元，同比增长42%，全年营收指引上调至近97亿美元。AI需求拉动EDA市场是一方面；另一个值得细品的数字是：智能体EDA工具，已经进入早期商业试用阶段。
这个工具，就是新思在2026年Converge大会上推出的AgentEngineer。超过25个工程智能体，覆盖从设计规划到验证仿真的全流程。客户设定好目标和参数，AgentEngineer自己规划路径，同时跑多个仿真实验，平行推进验证。要知道，芯片设计周期已经从24个月压到了12个月，靠人力一步步串行推进，根本追不上。AgentEngineer能同时跑多个仿真，把原本需要几个月的验证迭代，压缩到几周以内。
新思科技全球副总裁兼中国区总裁姚尧
姚尧用一句话总结了这个趋势：“AI正在以它的方式，突破它本身带来的产能瓶颈。”
说到中国本土的EDA公司，这几年确实崛得很快，大多从特定环节切入，比如验证工具、仿真模块、某个流程的自动化。Mike Ellow的态度倒是很坦然：“我完全不意外，也很高兴看到本土厂商快速发展。竞争是好事。”
他预判，这些公司会成长、会被收购，最终出现几家做EDA的更大的中国公司——这是正常的市场演进。但AgentEngineer的核心价值，恰恰来自点工具没有的东西：跨工具协同。设计规划、验证仿真、IP调用、物理优化，同时跑，联动推进。如果某个环节的工具断了，协同就断了，12个月的目标也就跟着落空。新思科技同时是全球第一的基础和接口IP供应商，整个链条的数据是通的，AgentEngineer能调用的信息，远比一个点工具公司能提供的要多得多。这个差距，会随着设计周期要求越来越短，而被越拉越大。
C-Node IP产品组合的推出，是另一个信号。它专门针对台积电N6C和N4C两个成本优化工艺节点，目标客户群是正在量产边缘AI和Physical AI产品的公司。这个产品的起点，不在美国，不在欧洲，而在中国。姚尧透露，需求最早来自中国客户。新思科技财报里，中国市场营收占比超过10%，这个数字已经不低了。中国在Physical AI产业的体量、迭代速度、量产压力，正在倒逼全球供应链的产品路线图。
被问到如何衡量自己这个中国区总裁的成功时，姚尧说，关键是找没找准“新思中国的定位”。让中国客户能看到全球最新的技术，也让中国本土涌现的需求被总部看见、最终影响产品方向——两件事都做好了，才算是找到了位置。
中国不再是那个“学生”
你问，中国市场到底有什么被低估的增长机会？
姚尧的回答很直接：现在中国很多系统级公司已经在换道领跑了。新能源汽车、动力电池、光伏——这些领域里，中国的需求体量非常大。另外，Physical AI带来的需求也是真金白银的，它本身就是一个从IP、软件、系统到物理世界的系统工程问题。
那有没有什么需求，是在中国发生、但在全球其他地方还没有被看到的？
姚尧想了想说，很多中国客户提出过一个共同的需求：需要一个成本相对可控、性能更高、并且已经被大规模量产验证过的系统级解决方案，来赋能未来的Physical AI。而且中国的场景相对复杂，这个复杂度本身，就是全球其他地方尚未遇到的新问题。过去12个月，他和团队一直在把这些需求跟总部沟通、做连接。
提到中国本土EDA公司的竞争，甚至有不少创业者是从新思出去的，Mike Ellow的回答非常有厚度：“首先，我完全不意外。中国市场的规模肯定会继续成长，而且在我们财报里，中国市场仍然占营收10%以上。有竞争，是市场健康的表现。未来EDA市场一定会有很多新兴小企业出来，每家都有自己的专攻方向，然后通过收购整合，最终长成几家更大的中国EDA公司——这是个非常正常的过程。”
那怎么衡量一个中国区总裁的成功，除了财务指标？姚尧的回答很实在：“对我而言，最重要的就是找好新思中国的定位。中国独特的需求，怎么让总部看见、让世界看见？另一个维度，是怎么和中国的整个产业链共同发展，在更早期就连接中国和世界的创新。”
AI正在以其自身的方式，解决自身引起的短缺问题
你问Mike Ellow，他擅长看增长，那么全球哪个地区、哪个技术方向，是被低估的？
他笑着说，不管你信不信，AI的潜力其实是被低估的。他经常说，AI的应用范围其实是被工程师的想象力限制住了。除了模型本身，像Physical AI、实体AI的应用，还有更多可能性。往远了看，未来5年，量子计算的进步是个令人期待的爆发点。还有一个方向值得关注：把模型分析和训练的能力，迁移到生物学领域，去理解生命过程——如果能做到，人类或许能更好地解决一些疾病，寿命也可能极大延长。
Physical AI对芯片设计带来的挑战，到底和过去有什么不一样？
姚尧给出了三个维度的拆解：第一，算力效率与功耗的极限平衡。Physical AI不是无限堆算力，而是在功耗、面积、成本的严苛约束下，去找到最优解。第二，系统复杂性的大幅提升。芯片不再是一个孤立的存在，而是和软件、系统、物理环境协同设计的。第三，严苛的上市时间要求。越来越多的问题必须在设计阶段就提前收敛，不能等到流片后再去修修补补。
他总结道，Physical AI时代的挑战，本质上是一个系统级的工程问题。竞争的关键，不在单点性能的极致，而在系统级的一次性做对的能力。这要求所有企业，把以往单点的能力推向工程体系的高度——把EDA、IP和多物理场仿真能力融合起来，构建一个从芯片到系统、再到物理世界的完整工程体系。
最后，问一个挺大的问题：如果用一句话总结2026年全球半导体最大的变量，两位怎么看？
Mike Ellow给出了两个关键词：半导体的生产能力——台积电、三星，包括中国本土的晶圆厂，产能全都订满了。第二，存储的稀缺性——AI的发展带动芯片需求，但存储成了卡脖子的一环。
姚尧接着这个话头说，Mike提到的产能问题，核心就是因为AI需求的快速增长。存储芯片的短缺，也是因为AI对存储的强劲需求造成的。但转过身来看，AI也在影响整个半导体产业的发展——它已经逐步进入很多企业的研发和生产过程，深度参与芯片设计、芯片测试，甚至生产过程中的良率控制。
这话怎么说呢？姚尧点出了那个最关键的结论：“AI，正在以其自身的方式，来解决它自己引起的短缺问题。”
