铿腾电子摩根士丹利科技大会会议
2026年3月4日
主持人：好的，各位下午好。欢迎来到旧金山。今天和我们同台的是铿腾电子（Cadence）首席执行官阿努鲁德・德夫根。阿努鲁德，欢迎你。我先开启今天的对话吧，说实话，有点小压力，因为我们早些时候都在场，黄仁勋还特别提到了铿腾电子，尤其是在仿真领域的表现。当然，你们也一直谈及仿真与现实之间的差距，以及贵公司如何弥补这一差距。所以能否为我们解读，这一点与物理人工智能领域有怎样的关联？这又为你们带来了哪些专属机遇？
阿努鲁德・德夫根：当然可以。谢谢大家，很高兴来到这里，也感谢大家的关注。我们也很荣幸能与黄仁勋先生以及英伟达长期合作，双方的合作关系由来已久。我一直都在讲一个 “三层蛋糕” 的比喻，熟悉我的朋友可能都听腻了，先跟大家说声抱歉。当下很多人担心人工智能会取代软件，其实软件的类型多种多样，范畴也很广。我之所以用蛋糕来比喻，有人还打趣说我是开了家铿腾烘焙坊，顺便提一句，我厨艺可不怎么样，烘焙更是一塌糊涂。但道理其实很简单，除非是两岁的孩子，不然大家吃蛋糕时，都是把三层一起吃下去的，至少我是这样，而且蛋糕本身也是三层一起烘烤而成的。
这三层具体是什么呢？顶层是人工智能，更具体地说，是数据科学算法层面的人工智能；中间层是客观事实，也就是物理学原理，还有那些经典的底层逻辑，比如分子、晶体管的工作原理；底层则是计算能力和数据，如今在英伟达等企业的推动下，计算能力和数据处理都实现了加速。
近些年毕业的从业者会说，只要有人工智能就够了，输入数据、得到输出结果，训练一个模型就能搞定所有事；而三十年前进入行业的前辈则会强调，客观规律才是根本，要搞懂晶体管的实际工作原理。但现实是，我们不必站队，人工智能与客观规律本就相辅相成，且都依托于底层的计算和数据存在。
这种融合会发生在所有市场领域，只是在不同细分领域，各层的占比和侧重点有所不同，比如芯片设计、自动驾驶汽车、机器人领域都是如此。需要强调的是，对我们而言，中间层是极具科学性、数值化和物理性的核心层。比如在设计 2 纳米制程、拥有千亿级晶体管的芯片时，计算和仿真必须做到极致精准，底层的物理原理和基础规律是绕不开的。而人工智能在这一领域的应用，也会更多依托于这个中间层，我想这也是黄仁勋先生所提及的核心点，也就是物理人工智能或智能体人工智能的发展逻辑。
我多年来也一直提到，这块 “蛋糕” 主要有三大细分领域。第一个领域就是当下正在快速发展的、由数据中心部署和软件驱动的人工智能，这一领域也涵盖了我们的芯片设计流程等各类业务流程。但我始终认为，第二个领域的潜力会无比巨大，那就是物理人工智能，应用场景包括汽车、无人机、机器人等；第三个领域则是科学人工智能，主要面向生命科学、材料科学等领域。
在这三个领域中，三层架构的具体内涵各有不同。在第一个当下主流的领域中，顶层是基于大语言模型的智能体人工智能，中间层是我们的各类基础工具，底层则是图形处理器。我们围绕人工智能推出了多款全新产品，后续可以展开聊聊。
接下来说说你问到的物理人工智能，这个领域的发展空间确实巨大，汽车、无人机、机器人都是核心应用场景，我们也正在为这一领域打造专属的技术流程。在物理人工智能领域，仿真与现实的差距客观存在，这也让仿真技术有了更大的发挥空间。
主持人：听起来这真是一块巨大的蛋糕，因为这背后相当于三场接连到来的工业革命。没错，三层架构、三大领域，前景不可限量。
首先我得先做个免责声明，抱歉现在才说。今天的交流中会包含前瞻性陈述，包括铿腾电子对未来业务和经营业绩的展望。受各类风险和不确定因素影响，实际结果可能与本次交流中预测或暗示的结果存在重大差异。抱歉，这部分本该提前说明的。
回到正题，结合你提到的三层架构，聊聊更广阔的产业生态，尤其是硅物理和人工智能的融合，在你看来，铿腾电子在其中的中间层，也就是物理原理层，占据着怎样的定位？
阿努鲁德・德夫根：好的。首先，不同细分领域的中间层，也就是客观物理规律的具体内涵是不同的。在芯片设计领域，我们的市场地位无疑是领先的。关键是，铿腾电子在核心电子设计自动化（EDA）、核心芯片设计领域拥有最全面的产品组合，涵盖数字设计、模拟设计、验证、封装等全环节。这一点在市场表现上也能得到印证，我们的核心业务目前发展态势非常好。
在第二个细分领域，也就是物理人工智能领域，我们通过一系列并购交易完善布局，近期完成的重要交易就是收购海克斯康（Hexagon）的仿真业务。之所以开展这项收购，是因为物理人工智能领域的模型和主流的大语言模型截然不同，它是一种世界模型。我妻子总说我发不好 L 的音，大家理解就好。
世界模型的训练数据和大语言模型有本质区别：大语言模型可以通过互联网获取海量训练数据，但物理人工智能的世界模型，无法从互联网得到足够的训练数据，必须依靠合成数据。合成数据的获取主要有两种方式，一是通过传感器采集，但这种方式难度大、周期长；二是通过仿真生成，而仿真生成的关键，就是要保证极致的精准度，这也是弥补仿真与现实差距的核心。
海克斯康（Hexagon）拥有业内最精准的基于原子级仿真的机器人仿真平台，收购后，我们会将原子级仿真融入这一平台，进一步提升物理人工智能仿真的精准度。
此外，物理人工智能领域所使用的硅芯片，也与数据中心人工智能的芯片截然不同，前者更多采用混合信号设计，且对低功耗要求更高，比如汽车、机器人中使用的芯片都是如此。而混合信号、低功耗芯片设计，正是铿腾电子的核心优势领域。长期以来，我们一直与所有头部汽车芯片半导体企业保持合作，也包括那些嵌入式混合信号芯片企业。如今，我们还与特斯拉、Rivian、比亚迪等直接设计自研芯片的整车企业展开合作。
所以在物理人工智能领域，核心是三层架构的协同创新，而我们也确保了自己在各层都拥有完善的布局和竞争力。
主持人：明白了，解释得非常清楚。本次大会上，不少人都在担忧人工智能的快速发展带来的波动性，正在冲击传统软件的商业模式。能否为我们分析，铿腾电子将如何规避这种冲击？又会做出哪些商业模式的调整或升级，来应对这种不确定性？
阿努鲁德・德夫根：我认为对我们而言，人工智能带来的不是颠覆，而是放大 —— 放大我们的技术价值和业务规模，关键在于如何将这种放大的价值转化为商业收益。人工智能的发展，会自然带动中间层技术和工具的使用需求大幅提升，顶层的人工智能会进一步激活中间层的价值。
芯片设计领域有其特殊性，这一点和其他软件领域不同。很多人会担心，如果一款工具的效率提升了 10 倍，会不会导致其使用需求下降？但回顾电子设计自动化行业二三十年来的发展，我们的工具效率已经提升了 100 倍，使用需求却不降反升。
上世纪 90 年代末我在 IBM 工作时，设计一款中央处理器需要 500 人的团队耗时 5 年，英特尔、迪吉多（Digital Equipment Corporation，DEC）的Alpha处理器也是如此。而现在，50 人的团队甚至更少的人力，6 个月就能完成一款中央处理器的设计，效率提升了 100 倍，但我们的工具使用需求却大幅增加。背后的核心原因是，芯片设计的工作负载呈指数级增长，客户在设计越来越复杂、规模越来越大的芯片。
这种 “效率提升导致需求下降” 的观点，只适用于工作负载恒定的场景。比如如果工作负载的增长和人员数量呈线性关系，那么效率提升 10 倍，需求可能会下降 10 倍。但芯片设计领域完全不同，我们现在已经在设计 3 纳米制程芯片，接下来会是 2 纳米、1.4 纳米、1 纳米，还有三维集成电路。有预测显示，未来 5 年，芯片的规模会扩大 5 到 10 倍，复杂度会提升 20 到 30 倍。
所以效率的提升是为了跟上芯片设计复杂度的增长速度，因为我们的客户不可能招聘 30 倍的工程师来应对这种增长。人工智能确实会控制工程师团队规模的增长速度，比如原本需要增长 30 倍，现在只需要增长 2 到 3 倍，剩下的部分都由自动化技术来完成。这也是摩尔定律推动下，芯片设计行业的发展常态。
所以我们的第一个特殊性，就是中间层的科学计算软件是核心，不可或缺；第二个特殊性，就是工作负载呈指数级增长。正因如此，我们的客户愿意花费数月时间做优化，只为让芯片的功耗降低几个百分点，因为这些芯片会被量产数百万甚至数千万颗。
当人工智能让工具效率提升后，客户会开展更多的优化工作，比如英伟达会用更高效率的工具对图形处理器做进一步优化，手机芯片、汽车芯片企业也是如此。从我们的软件授权数量就能看出，需求正在稳步增长，我们要做的，就是向客户充分证明我们的工具能创造的价值，这也是实现商业变现的关键。
主持人：聊到优化和技术创新，几周前你们推出了 ChipStack 超级智能体，能否为我们讲讲，这款产品和你们近些年推出的生成式人工智能工具有什么不同？它又将如何推动公司未来几年的业绩增长？
阿努鲁德・德夫根：这是个非常好的问题，我对 ChipStack 这款产品感到无比兴奋，它开创了一个全新的产品品类。当下，大语言模型和智能体在通用市场的最大应用场景是代码编写，比如 C++、Java 代码，用户只需要自然语言交互，模型就能自动生成代码，我们内部也在使用这类工具提升研发效率，毕竟我们本身也是一家软件企业。
但大语言模型编写代码存在一个问题：可能 80% 的时间，都要用来排查那 20% 的问题代码。而芯片设计领域的情况则截然相反。
回顾铿腾电子 30 多年的发展，芯片设计也有专属的设计语言，学工科的本科生可能会了解，比如寄存器传输语言（RTL）、系统级 Verilog 语言，所有客户都会用这类语言来定义芯片。长期以来，这些语言的编写、验证方案的制定，都需要工程师手动完成。
而我们的核心业务，就是在工程师完成寄存器传输语言编写后，实现后续 80% 到 90% 芯片设计流程的自动化 —— 因为芯片设计的复杂度和成本极高，自动化是必然趋势。但在此之前，我们始终未能实现寄存器传输语言和测试平台的自动化编写，而 ChipStack 的推出改变了这一现状，这也是大语言模型的核心应用场景。
我们为 ChipStack 研发了全新的技术方法，它依托心智模型和知识图谱，能更高效地发挥大语言模型的能力，不仅能自动编写寄存器传输语言，还能编写测试平台 —— 要知道，验证和设计在芯片研发中同等重要。
这是一个此前完全没有自动化方案的全新产品品类，客户的落地需求非常迫切。而要验证这些自动生成的寄存器传输语言和测试平台是否准确，又会大量用到我们的中间层基础工具。所以我们的商业变现模式，会是智能体产品授权加上基础工具的使用收费，核心优化的是芯片验证和测试平台环节的流程，同时也会带动底层基础软件工具的使用需求。
主持人：解释得很清楚。接下来聊聊IP业务，这也是你们近期的重点布局领域，我今天早些时候也听你提到，这一领域目前发展势头火热，或许其他同行还未感受到这种热度。能否为我们讲讲，目前铿腾电子的IP业务布局是怎样的？这一业务的增长，是得益于近期的收购交易，还是受串行器 / 解串器（SerDes）等标准库的市场需求推动？
阿努鲁德・德夫根：是的，我们的IP业务发展态势很好。我们的风格是，如果只是短期的业绩波动，不会特意提及，而现在之所以重点讲，是因为这一业务将迎来连续第三年的高速增长，只有在趋势完全得到验证后，我们才会对外分享。所以我对IP业务的发展非常有信心。
这一业务能实现连续三年高速增长，原因是多方面的。第一，我们的产品竞争力持续提升，也终于搭建起了一支优秀的团队。我们一直认为，团队、技术、客户是业务发展的三大核心，而现在我们的IP业务团队堪称顶尖，产品表现也非常亮眼，尤其是在台积电先进制程领域，这也是目前市场最具活力的板块。
第二，我们的产品组合不断丰富，重点布局了人工智能和高性能计算领域的高价值IP。比如我们从拉姆博斯Rambus收购了高带宽存储（HBM）相关IP，这是一笔非常成功的收购；而统一双倍数据率内存（UDDR）、通用集成电路接口（UCI）、外设组件互连标准（PCI）、串行器 / 解串器（SerDes）等IP，则是我们自主研发的成果。丰富的产品组合成为了业务增长的重要支撑。
第三，晶圆代工厂的数量不断增加。台积电的表现毋庸置疑，而目前全球至少有四家头部先进制程晶圆代工厂，分别是英特尔、三星、Rapidus和台积电，晶圆代工厂的扩容也直接带动了IP的市场需求。
主持人：明白了。随着芯粒时代的到来，你也提到了客户自有工具（COT）和混合式客户自有工具设计模式的发展，这对你们的IP业务会带来怎样的拉动作用？
阿努鲁德・德夫根：我认为这一趋势对我们的电子设计自动化和IP业务都是利好。因为客户自研芯片的需求越多，对电子设计自动化工具的使用需求就会越高。同时，芯片的规模越来越大、迭代速度越来越快，客户更希望将精力聚焦在核心模块的研发上。
所以如果能从铿腾电子获得高性能、高可靠性的标准IP，客户会更愿意采购，从而将人力和资源集中在中央处理器、人工智能模块、汽车芯片等核心模块的研发上。只要我们能持续提供兼具性能、功耗和面积优势的IP产品，客户就会愿意选择采购。
当然，部分客户会选择自研IP，认为这是核心竞争力，但绝大多数客户都会选择采购标准IP，从而聚焦自身的核心研发方向。
主持人：清楚了。再回到核心的电子设计自动化业务，你们将今年的增长目标上调至 12% 以上，去年这一业务的增长率约为 13%，显然重回了低双位数增长区间。这一增长态势的可持续性如何？未来几年，我们应该关注哪些业绩增长指标？
阿努鲁德・德夫根：首先，我们始终将增长和利润率结合起来考量，我们拥有业内一流的利润率水平，这也是投资者所看重的。我们希望在实现一定增长的同时，利润率能有更亮眼的表现；同时我们还会开展股票回购，所以每股收益的增长目标会更高。
去年我们的营收增长了 14%，每股收益的增长率达到了 20%，这种发展模式我们已经坚持了数年。从 “40 法则” 的指标来看，我们过去几年的得分都在 55 分以上，表现非常亮眼，我的目标是突破 60 分。当然，这需要团队的共同努力，也请大家帮我记下来。
要实现这一目标，需要增长和利润率的双重支撑。我们的增量利润率表现尤为突出：去年整体利润率为 45%，但增量利润率达到了 59%，也就是说，每新增 1 亿美元营收，就能带来 5900 万美元的利润增长。而人工智能等技术的应用，也让我们的内部运营效率持续提升。
所以我们会继续兼顾增长和利润率，突破 60 分的 “40 法则” 得分，这会为投资者带来更好的回报。
主持人：你之前提到了收购海克斯康Hexagon AB的交易，恭喜你们完成这笔收购。能否为我们讲讲，这笔交易将如何融入你们的系统设计和分析业务？预计何时会对公司的利润率产生积极影响？
阿努鲁德・德夫根：任何并购交易都有一个整合过程，海克斯康Hexagon AB的仿真业务团队非常优秀，也是业内最早的仿真企业之一。但海克斯康Hexagon AB本身更偏向硬件企业，而非软件企业，他们也认为，其仿真业务与铿腾电子的融合会实现更好的发展，这也是这笔收购的核心背景。
需要说明的是，我们收购的任何企业，其利润率初期都无法与铿腾电子相比，但我们通常能在一年左右的时间里，将其利润率提升至行业领先水平，甚至实现更高的盈利。所以今年这笔交易的整合，会对利润率产生一定的短期影响，不过这种影响主要来自财务层面，比如股权稀释、债务等，而非运营层面，我们会妥善处理这部分问题，预计明年这笔业务就会成为公司利润的贡献点。
主持人：接下来聊聊中国市场，去年你们在中国市场实现了不错的增长，尽管你此前曾表示，2025 年的中国市场可能充满变数，但最终还是实现了 18% 的增长率，今年的开局也十分良好。你认为中国市场的增长态势能否持续？目前中国市场在电子设计自动化和IP领域，呈现出哪些发展态势？
阿努鲁德・德夫根：中国市场去年的表现确实亮眼。2025 年的市场环境确实充满动荡，年初我们也出于谨慎原则给出了保守的业绩指引，当时确实有很多不确定因素，所以我们选择稳扎稳打。
今年的市场环境，虽然仍难以精准预测，但整体比 2025 年初要稳定得多。所以我们认为中国市场今年会继续实现增长，只是具体的增长率还需进一步观察，毕竟各区域的增长情况本身就存在不确定性，就像二阶导数一样难以预判。
但目前的市场环境整体向好，芯片设计活动非常活跃。物理人工智能在中国市场的发展势头同样迅猛，其他细分领域的需求也十分旺盛，所以我对中国市场的发展充满信心。
主持人：那中国本土企业的竞争是否会带来压力？
阿努鲁德・德夫根：市场竞争一直存在，这是客观事实。但我们的核心策略，是始终保证产品的行业领先性。在电子设计自动化领域，我们在中国市场的地位非常稳固；硬件方面，我们的帕拉丁（Palladium）仿真平台也占据领先优势；IP业务方面，我们此前的布局重点是先进制程和人工智能领域，所以在中国市场的业务规模相对较小。但整体来看，我们的电子设计自动化和硬件业务在中国市场发展良好，预计会继续实现增长。
主持人：在进入观众提问环节前，我先把提问权交给现场的各位，大家有任何问题都可以直接向阿努鲁德提问。非常感谢你的分享，内容十分详实。
A：我想请教一下，后端品牌和静态随机存取存储器（SRAM）相关芯片的兴起，是否都需要用到贵公司的电子设计自动化工具？
阿努鲁德・德夫根：当然，毫无疑问。任何一款芯片的设计，都离不开电子设计自动化工具，无论是硬件还是软件领域，未来都会有大量的创新，但芯片设计的自动化是必然趋势，手工设计早已无法满足需求。这些企业都会用到我们的帕拉丁仿真平台、电子设计自动化软件，还有IP产品。
我想补充一点，虽然市场趋势难以精准预测，但我此前也和客户交流过，有客户表示，未来 5 年推理算力的需求会增长 1000 倍，这个数字非常惊人，甚至可能更高。但我们需要结合硬件和软件的技术进步来客观看待这一需求 —— 这里的 1000 倍增长，是基于当前的技术水平。
我的这位客户已经预判到，未来硬件的性能会提升 10 倍，软件的效率也会提升 10 倍，所以实际的算力需求增长，应该是 1000 倍除以 100 倍，也就是 10 倍。即便考虑到功耗等因素的影响，实际增长可能在 30% 左右，5 年实现 10 倍增长，年复合增长率约为 60%，这依然是一个非常可观的数字。
我想表达的是，市场需求从来都不是静态的，硬件和软件的技术会实现跨越式发展，无论是全新的硬件架构，还是先进的制程工艺，软件技术也会持续迭代。事实上，软件技术已经实现了大幅提升，计算机科学的各类新算法也会被应用到人工智能领域，比如分区、抽象、延迟优化，还有低精度计算等，过去 30 年计算机科学发展出的各类技术，都会在人工智能领域得到落地。
所以未来的行业发展会非常令人期待，软件的效率甚至可能实现超过 10 倍的提升，而软件效率的提升，又会进一步带动市场需求的增长，形成一种双向的指数级增长，各类创新会层出不穷。
主持人：我们还没有聊到硬件业务，这一业务也是你们的优势领域，尤其是一两年前推出的 Z3 平台，表现十分亮眼。能否为我们带来最新的进展？目前这一业务的增长态势良好，订单储备也十分充足，顺便恭喜你们创下了订单储备的历史新高。
阿努鲁德・德夫根：谢谢。首先，我们所说的硬件业务，是一套完整的技术栈，我们会自研芯片，用于加速逻辑验证环节的算力需求。
在芯片设计的验证环节，软件主要分为两类：一类是基于布尔逻辑的软件，也就是大家熟知的 0 和 1 的逻辑运算，图形处理器、中央处理器的核心都是布尔逻辑；另一类是数值计算类软件，比如仿真、时序分析、功耗分析、噪声分析等，都属于数值计算。
对于数值计算类软件，我们可以通过中央处理器和图形处理器实现算力加速；而对于布尔逻辑类软件，我们自研了专属的定制处理器，也就是布尔超级计算机，其运算速度比标准硅芯片快上千倍。所以我们本身也是芯片设计企业，使用自己的产品进行芯片研发。
当我们将自研的硬件和软件结合，就形成了帕拉丁仿真平台，这款产品也成为了现代芯片设计不可或缺的工具，目前所有高端芯片的设计，都离不开我们的帕拉丁仿真平台，核心原因就是芯片验证的必要性。
过去的芯片设计模式是，先完成芯片设计，再开展软件开发，最后流片量产，中央处理器、图形处理器都是如此。但这种模式存在两个问题：一是芯片设计一旦出现错误，就需要重新迭代，成本极高；二是客户希望实现硬件和软件开发的并行推进，不愿等到芯片流片后再启动软件开发，因为这样会大幅延长产品上市周期。
而帕拉丁仿真平台的市场需求，正是由这两大痛点驱动的。它能实现硬件和软件开发的并行，让客户在芯片流片前，就基于仿真平台开展软件开发。
这样做有两大优势：第一，客户可以提前启动软件开发，比如在仿真平台上启动安卓、Windows、iOS 等系统的开发；第二，可以提前验证芯片设计的正确性，避免流片后的设计失误。而要实现这一点，仿真平台的运算速度必须提升上千倍，普通的中央处理器完全无法满足需求，这也是帕拉丁仿真平台成为芯片设计必备工具的核心原因。
随着芯片规模的不断扩大，客户对帕拉丁仿真平台的算力需求也会持续增长；同时，越来越多的系统企业开始自研芯片，这些企业本身兼具软件和硬件研发能力，对帕拉丁仿真平台的需求也会更高。
帕拉丁仿真平台已经实现了连续六年的创纪录增长，今年预计会再创历史新高。当然，年初我们依然会给出谨慎的业绩指引，但我对帕拉丁仿真平台今年的表现非常看好。
主持人：时间不多了，最后想请教一下，你们将如何实现智能体式电子设计自动化工具的商业变现？回到 ChipStack 超级智能体这款产品，约翰此前明确表示，这款产品会采用价值导向的定价模式，可能会基于令牌（Token）计费。能否为我们解读这种计费模式的具体运作方式？未来几年，这一模式能否成为公司利润率的重要贡献点？
阿努鲁德・德夫根：我们始终希望能成为利润率的增长引擎，这些年来，我们每年都在朝着这个目标努力，而智能体式电子设计自动化工具，就是实现这一目标的重要抓手。
正如你所说，这款产品会采用令牌计费模式，具体来说，是基础订阅费加上令牌使用费的组合模式。因为这类全新的工具属于全新的产品品类，客户在使用过程中，会根据实际的工作负载消耗令牌，这种计费模式在人工智能领域已经非常成熟。
基础订阅费加令牌使用费的模式，既能让客户获得清晰的成本预期，也能让我们的收益与客户的使用需求挂钩，实现双赢。
主持人：时间到了，非常感谢阿努鲁德的精彩分享。
阿努鲁德・德夫根：谢谢大家。