出品｜虎嗅科技组

作者｜陈伊凡

编辑｜苗正卿

头图｜AI生成

“之前中国是对技术进行采用，现在中国已经进入到一个对技术进行定义的阶段。”

新思科技全球首席营收官Mike Ellow对我说这句话时，在新能源汽车、人形机器人以及AI硬件这三个领域，新的创新需求正在从中国市场生长出来，进入全球产品路线图。
全球创新的方向，已经调头。

这是Mike Ellow**次面对中国媒体，一同进行交流的，还有新思科技全球副总裁兼中国区总裁姚尧。
这也是他自2026年上任后，**次面对中国媒体对话。

新思科技是全球EDA（电子设计自动化）行业最重要的公司之一，工具链覆盖芯片从架构设计到流片的全流程，IP产品线是全球**的基础和接口IP供应商。
简单说，全球绝大多数高端芯片，包括驱动大模型推理的GPU、NPU，以及跑在机器人和汽车里的边缘AI芯片，都是用新思科技的工具设计出来的。
从1986年成立到今天，超过60亿美元的年营收，这家公司是整个半导体产业链里几乎不可绕开的一环。

交流之际，无疑对于这家全球跨国公司而言，正处于一个转折窗口：中国的需求不断涌出；AI对芯片带来爆发式需求；芯片设计的时间周期在不断缩短；来自中国本土EDA公司的挑战……
这些都是其需要回答的问题。

新思科技全球首席营收官Mike Ellow 图片由新思科技提供

“不管你信不信，AI的潜力其实是被低估的。”Mike说，他指的是，AI能够延伸进入的应用范围。

Physical AI是他反复回到的落点：让AI从服务器走进机器人的关节、汽车的视觉系统、工厂的控制模块。
这类芯片必须功耗低、延时短、能在极端温度和振动环境里稳定运行，还要能大批量量产。
全球Physical AI市场规模预计从2025年的50亿美元，五年内增长到900亿美元，年复合增长率35%。
中国是这个机会的核心战场：人形机器人生产基地全球**，新能源汽车渗透率超过50%，工厂机器人密度在持续攀升，每一个环节背后，都需要大量芯片。

这类需求不追求先进工艺，追求的是成本和功耗的性价比，以及支撑大批量量产的工程化能力。
这是目前全球Physical AI产业里最清晰的中国需求画像。

我们交流的前两天，新思科技的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需求对EDA市场的拉动之外，另一个值得关注的数字：智能体EDA工具已进入早期商业试用阶段。

这指的是新思在2026年Converge大会上推出的AgentEngineer。
超过25个工程智能体，覆盖设计规划到验证仿真的全流程。
客户设定目标和参数，AgentEngineer规划路径，同时跑多个仿真实验，平行推进验证。
芯片设计周期从24个月压到了12个月，靠人力串行推进已经追不上。
AgentEngineer能同时跑多个仿真，把过去需要几个月的验证迭代压进几周。

新思科技全球副总裁兼中国区总裁姚尧

姚尧说，AI正在以它自身的能力，突破它带来的产能瓶颈。

中国本土EDA公司这几年崛起明显，大多从特定环节切入，例如验证工具、仿真模块、某个特定流程的自动化。
Mike对此很平静：“我完全不意外，也非常高兴能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、会被并购，最终出现几家做EDA领域更大的中国公司，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，互相联动，在一个统一目标下协调推进。
某个环节工具断了，协同就断了，12个月的目标也跟着落空。
新思科技同时是全球**的基础和接口IP供应商，从IP选型到流片验证，整个链条上的数据是连通的，AgentEngineer可以调用的信息远比一个点工具公司能提供的要多。
这个差距，会随设计周期要求越来越短而越拉越大。

C-Node IP产品组合是另一个信号。
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。
这个产品的起点是需求端，首先来自中国客户。
中国市场在新思财报里超过10%的营收占比，这个数字不小。
中国在物理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。

姚尧被问到如何衡量自己职位的成功，他说，关键是有没有找好“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，影响产品方向。
两件事做好了，才算找到了定位。

中国不再是那个“学生”

虎嗅：中国市场有什么样新的或者说被低估的增长机会？

姚尧：现在中国市场很多系统级公司已经在换道领跑，比如新能源汽车，动力电池，光伏等。
在这些领域我们看到很大的市场需求。

虎嗅：有什么需求是在中国发生，但在全球其他地方还没有看到的。

姚尧：很多中国客户提出了共同需求：需要相对成本可控，性能更高，能够被大规模量产验证过的这种一个系统级解决方案，来赋能未来physical AI，还有中国的场景其实相对比较复杂。
我们把这些需求在过去的12个月跟公司去沟通，去做了很多的连接。

虎嗅：现在其实中国也出现了很多本土EDA公司，甚至有许多是从新思科技出去的工程师创立，你们怎么看来自中国本土企业的竞争？

Mike：对于中国EDA公司的发展，首先我完全不意外。
中国市场的规模是肯定会逐渐成长，而且在我们的财报当中，中国市场仍然占我们营收10%以上。
我觉得有竞争是一个市场健康的表现，包括在未来的EDA市场发展，肯定会有很多这种新兴小企业出来，他们可能每家企业都有自己专攻的一个技术的难点或者专攻的一个解决方案，后面可能会实现资本市场的一些收购，有可能这种小公司被大公司收购，最后会成长出来几个中国的做EDA更大的公司，这都是非常正常的一个过程。

虎嗅：作为新任的中国区总裁，对你而言最重要的指标（除了财务指标）是什么？

姚尧：对我而言，除了财务指标，最重要的是找好新思中国的定位。
中国独特的需求怎么能够被总部、被世界所看见。
还有一个维度，和整个中国的产业链一起共同发展，在更早期就能够对其去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

虎嗅：Mike，你很擅长做增长，在现在的这个时代，全球哪一个地区和哪些技术方向是被低估的增长机会？

Mike：不管你信不信，AI的潜力其实是被低估。
我经常说，AI的应用范围其实是被工程师的团队所限制住了，比方说我觉得我们其实还可以探索AI的应用的潜力，当然不仅仅是说模型，还有一些像物理AI或者实体AI的应用，我始终认为 AI应用还可以更多的去结合或者结成到现在的应用之中。
如果说让我们去看到未来5年之后，一个令人期待的点就在于我们会更多的关注像到量子计算的进步。
还有一个非常值得期待的点，我们可以把这种模型分析训练的能力迁移到我们对于生物的处理和理解上，例如人类能够更好的去解决一些疾病，人类的寿命可以获得极大延长。

虎嗅：物理AI对于芯片设计而言带来什么样不一样的挑战？

姚尧：随着AI驱动下的智能系统变得越来越复杂，设计不再只是单纯的电路问题，而是电子物理与真实世界的协同，芯片可能不再独立存在，而是芯片、软件、系统，与物理环境进行整体的协同。
具体来说，变化将体现在以下三个方面：**，算力效率与功耗的极限平衡。
物理AI不是无限堆算力，而是在功耗、面积、成本等严苛的约束条件下寻找**解。
第二，系统的复杂性大幅提升。
芯片不再是独立存在，而是与软件、系统和物理环境中进行协同设计。
第三，严苛的上市要求。
将有越来越多的问题必须在设计阶段去提前收敛。
物理 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的性能，而是在系统级的一次性做对的能力。
也即要求所有企业将以往单点的能力推向工程体系的能力。
要求我们将EDA、IP 与多物理场的仿真能力进行融合，从而构建一个从芯片到系统，再到物理世界的完整的工程体系。

虎嗅：如果用一句话总结2026年，全球半导体**的变量，二位认为是什么？

Mike：半导体的生产能力。
比方说提到TSMC、三星包括中国本土的一些晶圆厂，他们的产能也全都被订满了。
第二是存储的稀缺性，包括说现在AI的发展，芯片的需求，现在存储算是一个比较关键的问题。

姚尧：Mike讲到产能的问题，主要是因为 AI的快速增长的需求造成的。
包括存储芯片的短缺，也是因为AI对存储特别强劲的需求造成的。
但是从另外一个角度，AI其实也在影响我们整个半导体的产业的发展，AI已经逐步开始进入到了很多企业的研发，很多企业的生产过程。
它AI也在深度的参与到了我们整个半导体行业的芯片的设计，芯片的测试，还有甚至包括在生产过程中的一些良率各个方面的，所以我认为 AI在以它的方式去解决自身它引起的短缺的问题。