21世纪经济报道记者 彭新
随着技术进出口管制增加芯片研发的不确定性，全球半导体产业链相关厂商也需要回应对中国客户供应链安全的关切。
近日，美国EDA（电子设计自动化）巨头新思科技总裁兼首席执行官盖思新（Sassine Ghazi）在接受21世纪经济报道等媒体采访时表示，中国客户需要了解相关限制，在新的规则框架下开发具有全球竞争力的产品。
他以DeepSeek为例称，技术优化可以从芯片延伸至软件和系统层面，尽管这未必是效率最高的路径，但约束往往也会催生创新，新思科技正与中国客户在遵守相关规则的前提下继续合作。
（图：新思科技全球副总裁兼中国区总裁姚尧（左）与新思科技总裁兼首席执行官盖思新（Sassine Ghazi））
新思科技成立于1986年，是全球主要的EDA软件和芯片设计IP供应商。EDA即电子设计自动化，是用于芯片设计、验证和实现的一系列软件工具。新思科技还提供设计IP，即可以复用的芯片功能模块，帮助客户减少重复开发。两者都处于芯片研发的关键环节，直接关系到芯片研发的推进。
“我们很多客户都在考虑，在当前环境下，如何让自己的产品继续具备全球竞争力。”盖思新向21世纪经济报道记者表示，客户需要清楚限制的边界，思考如何在新的规则框架下开发下一代产品。
面对中国市场，盖思新强调了继续投入的意愿。在他看来，中国企业正通过软件和系统层面的优化寻找突破，而新思科技也在这一过程中继续与客户合作。
根据新思科技财报，在截至7月31日的前三个财季，新思科技中国市场收入为7.07亿美元，同比增长约22.2%；其中，第三财季收入为2.55亿美元，同比增长约3.3%。
2024年1月，盖思新接任新思科技CEO。他于1998年加入公司，先后担任多个技术及业务管理职务，并于2020年出任首席运营官、2021年出任总裁。在加入新思科技前，他曾是英特尔的芯片设计工程师。
看好中国物理AI机遇
具身机器人、自动驾驶等与人工智能（AI）结合的领域，即物理AI，是中国当下最火热的赛道。在此热潮下，初创公司蓬勃兴起，新思科技捕捉到了这一市场热度，并将其作为重点发力的方向。
盖思新将物理AI视为公司在中国的重要增长机会之一。中国在大规模制造优化方面拥有非常突出的优势，而物理AI的核心恰恰在于成本优化、规模化生产以及一次性制造复杂产品，即尽可能避免代价高昂的制造失误。
“这一机会目前还处于发展初期，但我毫不怀疑它最终会成为现实，而且中国将在这一领域发挥重要作用。”盖思新说。
新思科技全球副总裁兼中国区总裁姚尧观察到，中国客户的关注点正在从单颗芯片的性能和功耗，扩展到如何更快、更可靠地构建整个复杂系统。以汽车、机器人等产品为例，芯片、软件、算法、机械结构和运行环境相互影响。芯片具备足够算力，只是产品能够运行的条件之一，而散热、能耗等因素，也会影响最终产品的可用性和商业化。
新思科技正通过收购和产品整合拓展系统级设计能力。2025年7月，新思科技完成收购美国数字模型仿真与分析（S&A）软件公司Ansys科技，进一步打通了从芯片设计到系统级物理仿真的全流程工具链，构建起贯穿“从芯片到系统”（Silicon to Systems）的全栈设计与验证能力。
“Ansys的加入进一步扩展了我们的产品组合，使我们能够为未来产品提供多物理场仿真与分析能力，这种能力不仅适用于物理AI，也适用于更广泛的创新场景。”盖思新表示。
智能体改变EDA业务模式
作为软件公司，随着智能体应用的深入，新思科技也难免受到冲击。
传统上，新思科技的软件主要采用订阅许可模式收费。随着智能体更多地参与芯片设计流程、调用工具，软件的使用方式正在改变，也推动其收费模式向订阅与按使用量计费相结合的方向转变。
盖思新预计，AI将使系统厂商更多地参与芯片规格定义和设计，部分工作甚至可以推进到RTL代码生成及早期物理设计，但设计速度加快，并不意味着制造能够同步提速，制造、封装和测试等环节仍需产业链协同。
对于供应商而言，智能体缩短任务完成时间，并不意味着软件资源消耗同步下降。盖思新表示，智能体为了更快完成工作，可能在较短时间内调用更多软件能力。
他介绍，客户可以通过多年期订阅使用智能体服务，而智能体运行时调用的软件资源，则采用按使用量计费。即便客户使用的是自研智能体，只要调用新思科技软件完成任务，就会产生相应的软件资源消耗。新思科技希望将收入机会延伸至智能体驱动的工具调用，即使客户自行开发智能体，仍可能增加对底层设计、仿真和验证软件的需求。
盖思新透露，新思科技计划在9月30日投资者日上进一步介绍智能体AI的商业化模式。
在智能体布局方面，如今，新思科技尝试让任务智能体掌握工具操作方法和工程经验，承担具体任务，由人类工程师负责提出需求、监督过程和检查结果。盖思新介绍，公司目前拥有超过30种任务智能体，已与30多家客户开展智能体相关合作，客户可以使用新思科技的智能体，也可以将其与自研智能体混合使用。
他表示，新思科技2027财年用于Token和算力资源的相关预算较2026财年增加数倍，客户也在经历类似的投入变化，但对于投入效率、效果及投资回报率，行业目前尚未形成完全清晰的答案。
盖思新坦言，客户部署智能体面临的重要限制来自成本和算力。除了EDA软件费用，企业还需要承担模型运行、Token消耗以及计算基础设施的投入，并决定哪些任务留在本地、哪些部署到云端，以及选择何种模型。
EDA设计工作自动化程度提高，但验证环节依然不可或缺。盖思新强调，无论智能体参与多少工作，在设计进入制造环节之前，仍必须通过签核，即确认其满足相应的性能、功耗和制造规则等要求，智能体生成的结果不能未经检查便进入后续流程。
