新思科技整合Ansys后首办SNUG Japan 2026

文章要点

• Synopsys 在整合 Ansys 后首次在日本举办年度活动“SNUG Japan 2026”
• 介绍连接半导体设计、多物理场仿真与数字孪生的战略
• 展示 AI 代理自主规划并执行设计工作的下一代工程愿景

Synopsys（新思科技）于10月8日举办年度活动“SNUG Japan 2026”，供 Synopsys 产品用户分享设计案例与技术趋势。约1400人注册，55位用户演讲者登台，在9个 track（分会场）中进行了关于 AI 半导体设计与验证、3D IC（三维集成电路）、signoff（签核）、TCAD、半导体 IP 等的 session（专题会议）。会场还设置了可实际体验 Synopsys 最新 AI 代理的实操环境。

这是 2025 年完成收购 Ansys 后在日本国内首次举办 SNUG Japan，主要主题之一是如何连接 Synopsys 的 EDA（电子设计自动化）、半导体 IP、3D IC 等半导体设计技术与 Ansys 的热、电磁场、流体、结构、光学等仿真技术。

软件决定系统价值的时代

基调演讲中，Synopsys 首席营收官（CRO）Mike Ellow 以“Re-engineering the Future of Silicon”为题，强调 AI 时代的产品开发不仅需要半导体，还必须将软件与物理系统一体化设计。

在汽车、机器人、航空航天、工业设备等领域，软件定义（Software Defined）理念逐渐普及，即出货后仍可通过软件更新改变功能与价值。在这种软件定义系统（Software Defined Systems）中，半导体是运算处理的基础，但最终差异化和持续价值由软件产生。

此外，一直局限于数字空间的 AI 正扩展为通过传感器把握现实世界状况并自主判断、动作的物理 AI。

在“Pervasive Intelligence（普适智能）”概念下，AI 用途从数字 AI 扩展到物理 AI。实现物理 AI 不仅需要 AI 模型和软件，还必须横跨半导体、先进封装、基板、传感器、机械结构、热、电磁场、流体等设计系统。

Synopsys 将这种半导体、软件、系统的融合定位为“Pervasive Intelligence”。为实现该目标，提出四大基础：软件定义系统、AI、按用途优化的硅、物理验证。

Ansys 整合连接硅与物理世界

Synopsys 与 Ansys 为构建覆盖半导体设计到物理系统的产品群，长期推进技术和企业收购。

Synopsys 扩展了芯片设计、半导体 IP、验证、安全等领域；Ansys 吸收多物理场仿真、光学、材料、安全性等技术。两家公司整合后，形成以一家公司组合提供这些技术资产的体制。

在先进半导体领域，仅靠单一 die（裸片）微缩提高性能越来越难，按用途组合不同制造工艺 chiplet（芯粒）的多 die 构成逐渐普及。

另一方面，将多个 die 高密度封装到一个 package（封装）中时，功耗与发热、供电、信号完整性、电源完整性、结构应力等会相互影响。仅分别优化单个 die 和 package，难以确保系统整体性能与可靠性。

Synopsys 正在构建协同设计环境，将半导体的数字设计、模拟设计、验证、signoff 与流体、光学、结构、材料等系统分析连接起来，以推进此类课题解决。

其协同设计产品组合连接数字、模拟、验证、signoff（最终验证）等硅设计与流体、光学、结构、材料等分析能力，以应对超级芯片时代的设计需求。

此前该公司已从个别工具间协作转向通用数据模型，并推进设计/验证引擎整合。与 Ansys 整合后，对象将从半导体和 package 扩展到包含机械、流体、电磁场、光学的整个系统。

连接多个数字孪生

连接从硅到系统开发的核心，是将现实产品和制造过程重现到虚拟空间的数字孪生。

Synopsys 设想从基于半导体的电机控制层级，到机器人、汽车、数据中心、工厂、航天器等不同层级构建数字孪生，并用数字线程连接这些数字孪生。基于这种多域系统模型，将软件与硬件分离，把价值加载到软件侧。

数字孪生可用于半导体、数据中心、工业设备、汽车、机器人、航空航天、医疗、建筑等多种对象和层级。

由此，即使产品开始运行后，也能从传感器获取真实环境数据，将其展开到数字孪生虚拟环境侧，从而把结果反映到更贴近现实的软件优化、维护和下一代产品设计中。通过让设计、验证、制造、运营、维护循环，产品开发可以从一次性工程变为持续工程。

如果软件变更导致运算负荷增加，半导体的功耗和发热会变化，并影响冷却机构、电池以及整个系统设计。连接各领域模型，在虚拟空间确认变更影响，就能在试作前验证性能、成本、开发周期和可靠性。

产品运行后，将传感器获得的真实环境数据返回数字孪生，反映到软件更新、维护和下一代产品设计。通过循环设计、验证、制造、运营、维护，旨在将产品开发从一次性工程转变为持续工程。

AI 代理规划并执行设计作业

另一支柱是将 AI 从设计支援进化为执行设计作业的 agentic AI（代理式 AI）。

Synopsys 计划推出自主推进半导体设计、验证、3D IC、仿真等作业的“AgentEngineer”，以及其执行基础“Synopsys Autopilot Platform”。

Autopilot Platform 管理 AI 代理的推理、计划、编排和工具执行。设计者给出目标后，AI 代理分解必要作业，操作 EDA 工具和仿真引擎。在确认结果的同时，重复设计与验证，直到收敛到目标。

AgentEngineer 构建在 Synopsys Autopilot Platform 上，覆盖验证、实现、模拟/混合信号、制造、网格、流体、电磁场等多个领域，从硅到系统。除负责特定作业的任务级代理外，还设想跨多个设计工程推进长时间工作流的代理。

采用开放架构，不仅可连接 Synopsys EDA 环境，还能连接合作伙伴企业和客户开发的 AI 代理、AI 模型。目标是构建横跨验证、实现、模拟设计、制造、3D IC、流体、电磁场、机械分析等的自主工作流。

GPT-Synopsys 与物理基础 EDA 联动

此外，Synopsys 还计划将与美国 OpenAI 共同开发的半导体设计 AI 模型“GPT-Synopsys”集成到 AgentEngineer。

AI 模型负责对设计课题进行推理和探索，Synopsys 的 EDA 引擎执行设计数据生成和物理验证。不是直接采用 AI 生成的答案，而是通过物理基础的分析和验证，连接到可用于实际设计的结果。

该组合将 GPT-Synopsys、agentic AI 和物理基础 EDA 引擎结合。AI 进行推理和探索，EDA 引擎生成并验证设计，从而得到已验证结果。Ellow 强调，虽然利用 AI，但最终相信的是物理结果，因此 EDA 的高速化十分重要。

该公司计划将 AI 代理从 copilot 型设计支援，阶段性地发展到个别任务执行、多代理工作流、长时间运行的自主工作流。

未来，工程师自身不仅操作个别工具，还将向多个 AI 代理给出目标和约束条件，并管理其执行结果，角色将扩大。

以设计技术支援日本先进半导体开发

Ellow 提及日本半导体制造基础投资活跃，评价官民一体提升日本半导体制造能力的举措，同时指出工程师不足是影响今后增长的课题。

先进工艺、多 die 化和软件定义系统的普及使设计对象复杂化，设计成本与开发周期也在增加。要将制造基础投资转化为竞争力，需要能够设计半导体并作为系统实现的人才和开发环境。

日本 Synopsys 于 2026 年 3 月与佳能一起，以受 NEDO（新能源产业技术综合开发机构）委托开发图像处理 SoC（System on Chip，片上系统）技术的形式，启动旨在为该课题提供一种答案的项目。该项目设计试制由 Rapidus 2nm GAA（Gate-All-Around，全环绕栅极）工艺制造的芯片，以及用与 2nm 不同工艺设计试制的芯片通过 UCIe（Universal Chiplet Interconnect Express，通用芯粒互连标准）连接，挑战作为一个 package 的 chiplet；还设计实际搭载它的评估装置和评估用软件，并评估是否真的能获得低功耗效果。据在基调演讲前致辞的日本 Synopsys 社长河原井智之介绍，SNUG Japan 2026 举办时，开发系统的规格已具体化，今后将推进 chiplet 设计、封装和评估。

Synopsys 通过将 Ansys 的仿真和分析技术加入 EDA、半导体 IP、AI 代理，不仅面向半导体制造商，也面向汽车、机器人、航空航天、工业设备等系统企业。不止半导体设计自动化，还将在同一数字环境中协同设计硅、软件和物理系统，从而构建物理 AI 时代的产品开发基础。