概伦电子从EDA工具向生态伙伴拓展

概伦电子总裁杨廉峰博士在分享中也指出，在过去的发展中，概伦用最严苛的工程实践，在方寸之间立下了自己的规矩。公司的目标也不是在做局部的替代，而是希望能在最先进的工艺上留下概伦的名字。

历经淬炼，概伦电子早已不再仅仅是一家工具提供商，而是打通集成电路制造与设计的关键桥梁。通过DTCO方法学，概伦电子在最先进的工艺节点上，为全球顶尖的晶圆厂和设计公司提供核心支撑。

现在，随着摩尔定律逼近极限，算力倒逼全新的产业规则，叠加AI对行业的影响，作为芯片的关键一环的EDA，也正在发生新的变化。面对这个全新机遇，概伦也做好了充分准备。

在主题演讲伊始，杨廉峰首先就先抛出一个结论：一个具有竞争力和生命力的产业生态，必须有方法学作为指引。而从最早的DTCO，到后来的STCO，再到今年的华为“韬定律”，都无一例外地传递了同一个信息——协同优化是产业发展的核心方法。

其中，DTCO的内核是以器件和工艺为基础，协同优化晶体管、标准单元等核心要素；STCO体现的则是从器件、工艺进一步扩展到系统层面的协同优化；至于韬定律，强调的则是跨层级、极致化的协同优化，需要产业链各环节高度协作。

“无论采用哪种协同优化方法，最终都要落到芯片PPA、良率、时序以及产品上市周期等指标的改善上。EDA和IP则是实现上述目标的两个重要载体。”杨廉峰表示。“要将方法学付诸实践，首先就需要EDA这个软件载体；物理硬件载体IP的存在，则是为了提升良率，加快产品上市的这个迭代的周期而产生的。”杨廉峰说。

凭借自研和收购，概伦电子已经实现了双线布局，公司在此期间也完成了从国产EDA第一股到国产第一家“EDA+IP”上市公司的蜕变。

过去十几年里，概伦电子始终践行“联动设计与制造，共建中国EDA”发展理念，持续深耕DTCO方法学。公司得以与全球三十余家晶圆厂建立长期合作关系，是台积电OIP和三星SAFE合作伙伴；同时，公司还全面深度参与国内新工艺平台的建设，服务国内外存储企业与上百家芯片设计公司；在器件建模、仿真等核心工具方面，公司长期处于全球第一梯队，技术方案覆盖从成熟工艺到FinFET和前沿新型器件。

通过对锐成芯微、纳能微的并购整合，概伦电子拥有了1000+经过硅验证的物理IP，覆盖基础、模拟混合信号、射频、存储、接口IP，工艺节点覆盖0.18μm‑3nm。

基于这个“EDA+IP”的双核底座，概伦电子打造了一个全链路赋能平台：面向晶圆厂可提供测试芯片、SPICE模型、PDK、全套IP完整解决方案；面向设计企业具备器件定制、IP定制、EDA工具、工程服务一体化能力。而伴随工艺迭代，国内工艺出现分叉，EDA+IP价值持续提升。“随着先进工艺持续拓展，受限于客观因素，本土工艺与国际技术路线出现分叉是无可避免，届时国内工艺的设计规则、单元库等可能出现不同于国际主流工艺的解决方案。”杨廉峰特别之处。

在他看来，面对这种转变，需要国产EDA、IP企业与晶圆厂、设计公司共同开发。对于一直坚持从晶体管层面开始深耕，且在IP领域已经补全的概伦电子而言，这必将带来巨大的机遇。

除了“EDA+IP”之外，概伦电子这次技术大会的另一个关键词是“AI”。诚然，随着人工智能从GenAI时代走向Agent时代，除了给AI提供动力的芯片带来新的需求以外，设计芯片的EDA工具，也在这股AI浪潮中迎来新的变革。

杨廉峰也认为，AI正在给EDA和IP产业带来新的转变。例如，AI Agent对EDA工具使用方式的改变以及未来定制化IP需求也有望增加。杨廉峰总结说，AI带给EDA的变化主要体现在两个方面：

一是EDA Automation开始真正具备实现条件。过去芯片设计流程高度依赖工程师经验，流程一旦跑通，往往不敢轻易调整。AI Agent能够承担部分任务拆解、工具调用、调试和流程管理工作；

一是DTCO中的Optimization有机会进一步自动化。 过去工程师受时间和资源限制，能够探索的设计空间有限。AI可以同时运行更多实验，扩大优化搜索空间，从而提高找到更优方案的可能性。

“AI并不意味着工程师和传统EDA工具失去价值。相反，AI需要调用经过验证的EDA工具作为Ground Truth。模型可以帮助做决策和任务调度，承接重复调试、反复试错工作，但最终的工程结果仍然需要通过真实工具仿真、验证。”杨廉峰判断说。

基于这些观察，概伦电子正式推出PrimAI三层战略：AI in EDA工具层：迭代打磨可信底层EDA工具，利用AI算法实现工具更快、更准；Agentic EDA流程层：联合生态伙伴打造智能化设计流程，提升模拟、数字、先进封装设计整体产出效率；产业生态层：联动晶圆厂、IP厂商、大模型企业，共同破解行业“工程产能墙”难题。

在具体应用上，概伦电子已经将AI用于器件建模、电路设计验证和DTCO良率预测等环节。例如，在电路设计验证中，公司利用图神经网络学习SPICE网表，并基于已有仿真数据进行预测，在演讲展示的案例中将仿真次数减少了99.87%，节省约7500小时的仿真时间；在DTCO流程中，则通过智能搜索、模型训练和迭代优化，提高不同工艺、温度和电压条件下的良率预测效率。

需要强调的是，这些并不是概伦AI EDA尝试的全部。但这些案例表明，AI正在从辅助性工具深入EDA的核心工程环节，通过减少重复计算、提升建模和验证效率，为芯片设计与制造协同优化提供新的技术支撑。

概伦电子首席科学家余备教授总结说，在EDA与大模型方面，概伦电子的策略是双向协同演进：一方面，让大模型从简单调用EDA工具，逐步深入工具运行过程，理解运行轨迹、决策节点和约束变化，并探索参与底层算法优化与发现；另一方面，利用EDA工具可执行、可验证的特点，将仿真和检测结果反馈给大模型，持续提升其工程理解、推理和决策能力。

“在此基础上，概伦希望逐步构建EDA领域专用大模型，形成能够持续积累工程知识与工程智能的技术体系。”余备教授强调。

在演讲中，杨廉峰多次强调，国产EDA和IP的发展不能仅靠单一企业推动，必须依托国产工艺和产业生态，通过多方协作补齐全流程能力。为此，概伦正在推动三方面的生态合作。

当中，联合产业伙伴打造数字设计全流程，更是概伦电子生态工作的重中之重。

据介绍，基于概伦在软硬件协同仿真的能力，结合鸿芯微纳在数字设计全流程方面的积累、启芯领航在数字前端的能力，以及玖熠科技等合作伙伴在数字设计各环节的技术，概伦正在携手本土EDA合作伙伴推动从RTL到GDS的全流程协同，并通过流程追溯和优化提升整体竞争力。“这套全流程能力需要建立在国产工艺赋能和IP积累的基础上，才能与国产工艺平台形成协同。”杨廉峰强调。

按照杨廉峰所说，生态合作的另一个重点是推动基于“汉擎”的国产模拟设计平台建设。他指出，国际模拟设计平台及其流程、底层基础已经历经约40年发展，国内要在较短时间内建立自己的模拟设计生态，单靠一家企业难以完成，而是需要依托整个产业的力量。

有见及此，概伦牵头推进模拟设计全流程串联，并已经在28纳米国产工艺平台以及先进工艺平台完成流片验证。展望未来，概伦希望能够与生态合作伙伴一起，围绕“汉擎”建立对用户使用体验更加友好、同时具备差异化竞争力的模拟设计平台，并借助AI对过去多年相对固化的模拟设计流程进行创新。

杨廉峰同时强调，我们必须加强国产EDA与国产算力、软件生态的协同。因为EDA的发展离不开算力和软件生态的支撑。而在过去一年，概伦已经与海光、麒麟等国产算力及服务器厂商开展协同，并取得阶段性成果。

最后，杨廉峰指出，AI的到来，将打破EDA生态主要由晶圆厂、EDA公司和设计公司构成的传统局面。因为未来还将有AI Agent公司和大模型公司加入其中，但各方的能力边界、价值贡献和价值分配都将出现新的探索空间。在他看来，AI也不会简单地让参与者争夺一个固定规模的市场，相反，AI有望扩大市场规模，为产业带来更多机会。

“半导体产业无法依靠单一企业完成突破。概伦电子将秉承工艺为基，应用牵引，AI为擎的平台战略，持续坚持DTCO/STCO技术方法论，夯实EDA+IP双核底座，以PrimAI为创新引擎，联合晶圆制造、IP、设计企业、科研机构与AI厂商，抓住国产工艺分叉时代机遇，聚力生态、智启新程，推动国内集成电路产业高质量发展。”杨廉峰强调。