发布研报称，AI景气度提升不仅拉动晶圆制造、和设备需求，也将同步抬升EDA、IP、验证和设计服务等上游工具链价值。国产EDA有望从单点工具导入逐步走向流程级解决方案替代，具备核心算法积累、客户认证基础和生态协同能力的厂商将持续受益。该行认为国产EDA享受高景气以及AI红利，相关标的为(.SZ，买入)、(.SH，未评级)、(.SZ，未评级)。主要观点如下：AI芯片设计复杂度持续提升，EDA作为芯片设计基础设施有望同步受益随着大模型训练和推理需求持续增长，GPU、AIASIC、HBM、Chiplet、和高速互联等环节加速升级，芯片设计正从单一SoC走向多芯粒、异构集成和系统级协同设计。相比传统芯片，AI芯片对性能、功耗、面积、信号完整性、热管理和验证覆盖率提出更高要求，设计迭代和验证复杂度显著提升。EDA工具贯穿逻辑综合、仿真验证、布局布线、时序分析、物理验证、功耗分析、良率优化和设计等全流程，IP核则提供可复用的CPU、GPU、NPU、接口和存储控制器等功能模块，共同构成芯片设计基础设施。该行认为，AI景气度提升不仅拉动晶圆制造、和设备需求，也将同步抬升EDA、IP、验证和设计服务等上游工具链价值。验证环节成为EDA需求增长的重要引擎，AI有望进一步放大工具使用量和平台粘性先进芯片设计中，验证往往占据大量研发时间，原因在于芯片流片要求高度确定性，功能验证、形式验证、硬件仿真、时序签核和物理验证都需要在大量场景、约束和工艺角下反复确认。随着先进节点、Chiplet和AI芯片复杂度提升，验证强度和仿真需求持续增加，推动VCS、Xcelium、JasperGold、Palladium、PrimeTime、Calibre等核心工具形成较强客户锁定。不同于通用软件，芯片设计工具需要与晶圆厂工艺、IP模型、客户方法学、测试平台和签核流程深度绑定，更换工具不仅涉及软件迁移，还会牵动验证环境、脚本体系、工程师经验和晶圆厂认证。该行认为，EDA的商业模式具备较强“反向复利”：客户使用时间越长，流程沉淀越深，替换成本越高。AI进入EDA后并不会简单替代传统工具，反而可能通过自动生成验证用例、脚本编写、PPA搜索、错误定位和多轮优化，带来更高的工具调用频次和算力消耗，从而强化EDA平台价值。国产EDA有望在成熟节点、制造端、验证端和新设计范式中加速突破EDA长期由Synopsys、Cade
=*=*=*=*=*=
当前为第1/2页
下一页-
=*=*=*=*=*=
返回新闻列表
返回网站首页