转载来源：光头条 AI+EDA杀入光芯片，是德科技重构工程设计！ http://mp.weixin.qq.com/s?__biz=MzYyMzA2MzA2Mg==&mid=2247484954&idx=1&sn=7f708b3c658a3a827635508ded755256&scene=45#wechat_redirect

KDES 2026：AI+EDA正在进入Agent时代，是德科技走向“工程智能”

AI+EDA，究竟走到了哪一步？

2026年8月18日，是德科技（Keysight Technologies）在上海举办Keysight Design Engineering Summit（KDES）2026。

这场大会释放出的信号非常明确：

EDA正在从传统的“设计自动化”，走向AI驱动的“工程智能”。

这一次，AI不再只是帮工程师写写脚本、调调参数，而是开始理解设计目标、调用EDA工具、执行仿真、自动优化，并逐渐参与完整的工程设计流程。

与此同时，是德科技还发布了端到端电光联合仿真以及Keysight Multiphysics等新能力。

把这些变化放在一起看，KDES 2026真正值得关注的，其实不是三个新品，而是一个更大的方向：

AI+EDA、光电联合仿真、多物理场CAE正在逐渐汇聚到同一个“工程智能”体系中。

01 AI为什么要进入EDA？

过去，EDA解决的核心问题是：

让工程师更快地完成设计。

但随着AI芯片、高速数字、5G/6G、汽车电子、先进封装和高速光互连的发展，传统EDA工作流正在面对越来越大的压力。

工程师需要同时处理更多参数、更多约束和更大的设计空间。

尤其是在射频、微波、高速数字等领域，设计并不是简单的“运行一次仿真就结束”。

真实流程往往是：

设计 → 仿真 → 分析 → 修改 → 再仿真 → 再优化。

而且很多优化过程高度依赖资深工程师经验。

这意味着，传统EDA自动化解决的是“怎么更快操作工具”，而AI+EDA开始尝试解决的是：

“怎么让机器帮助工程师找到更好的设计方案？”

AI可以自动探索更大的设计空间，减少重复性工作，并将过去依赖个人经验的设计方法逐渐沉淀下来。

所以，AI进入EDA，并不是简单增加一个AI功能。

它实际上正在改变EDA的交互方式。

过去是：

工程师告诉EDA怎么做。

未来则可能变成：

工程师告诉EDA想要什么。

02 AI for EDA，正在从“Copilot”走向Agent

那么AI到底会把EDA带到什么程度？

KDES 2026上，是德科技展示了从Level 0到Level 5的AI for EDA演进路线。

Level 0：传统GUI。

工程师通过EDA软件界面完成设计。

Level 1：脚本自动化。

工程师开始使用Python、脚本等方式自动执行设计流程，AI更多承担辅助角色。

Level 2：自然语言交互。

工程师可以直接告诉AI设计需求，由AI将自然语言转化为具体EDA操作。

Level 3：Agent。

AI开始理解设计意图，并自主调用不同的设计工具和能力完成任务。

Level 4：Multi-Agent。

多个Agent协同完成复杂工程任务，不同Agent分别承担设计、仿真、优化、分析和验证等工作。

Level 5：学习型组织。

设计数据、历史项目、工程经验、仿真结果和测试数据持续沉淀，AI不断学习和优化整个工程流程。

目前，大多数客户仍处于Level 1和Level 2，但行业正在向Level 3、Level 4演进。

这意味着：

AI for EDA真正的终点，并不是一个更聪明的聊天机器人，而是一个能够理解工程目标、调用工具并完成设计任务的AI Agent。

03 AI+EDA的关键，不是大模型，而是工程知识

很多人谈AI+EDA，首先想到的是大模型。

但对于真正的工程设计来说，大模型只是其中一部分。

AI能不能进入EDA生产流程，真正取决于几个基础：

数据、工程知识、EDA工具、优化算法以及验证闭环。

尤其是在高频、微波、高速数字设计中，很多关键经验并不存在于互联网公开数据中。

它们可能来自：

所以，是德科技提出了一个非常重要的路径：

Capture → Accelerate → Orchestrate。

第一步Capture，是把工程经验和设计流程沉淀下来。

第二步Accelerate，是利用AI和优化算法加速设计空间探索。

第三步Orchestrate，则是让AI Agent把这些能力真正串联起来。

这实际上是在解决一个核心问题：

如何把“工程师脑子里的经验”，变成AI可以调用的工程能力？

04 Skill+Agent：AI开始真正“做设计”

在这一过程中，一个重要概念就是：

Skill。

Skill可以理解成一个定义清晰的单项工程能力。

例如：

Skill本身并不负责整个设计。

它只负责把一件事情做好。

而Agent则可以调用多个Skill，并决定调用什么、按照什么顺序调用。

这就产生了一个非常明显的变化。

过去：

工程师 → 操作EDA → 设置参数 → 运行仿真。

未来可能变成：

工程师 → 提出设计目标 → AI Agent → 调用Skill → 仿真 → 优化 → 验证。

比如工程师只需要提出：

“设计一个2GHz、5阶切比雪夫低通滤波器。”

AI就可以调用ADS完成设计、仿真和迭代。

这时候，AI已经不是传统意义上的EDA Copilot。

它开始成为：

AI EDA Agent。

而MCP Server等开放接口，则可以进一步连接不同EDA工具、Skill、代码和优化器。

这也是AI for EDA从“辅助操作”走向“自动执行设计流程”的关键一步。

05 从AI+EDA到AI数据中心：电子与光学开始融合

KDES 2026的另一个重要方向，是端到端电光联合仿真。

为什么现在越来越强调“光”？

因为AI数据中心正在产生越来越大的数据传输需求。

随着GPU、CPU、内存之间的数据交换速率持续提升，传统铜互连在距离、损耗和功耗方面面临越来越大的挑战。

因此，数据中心高速互连正在加速走向：

电 → 光 → 电（E-O-E）。

未来进一步还可能走向光电共封装、CPO等技术。

这意味着，工程师面对的已经不是单纯的电子系统。

而是：

电子 + 光学 + 芯片 + 封装 + 热管理

共同构成的复杂系统。

因此，EDA和光学设计工具之间也需要真正连接起来。

KDES 2026上，是德科技展示了由ADS、RSoft和VPI Photonics等能力共同构建的端到端光电联合仿真流程。

它可以覆盖：

光子器件 → 电路 → 光链路 → E-O-E系统。

也就是说，工程师可以从器件级一直看到系统级。

这背后的意义并不是简单地“把几个软件放到一起”。

真正重要的是：

让不同设计层级之间的数据和模型能够流动起来，在产品真正制造之前，就发现系统级问题。

这也是数字孪生进一步走向工程应用的重要基础。

06 从EDA到CAE：多物理场正在成为下一战场

如果说AI+EDA解决的是：

“如何更智能地完成设计？”

那么多物理场CAE解决的是：

“这个复杂系统在真实世界里到底会怎样？”

今天的AI服务器、先进封装、汽车电子和高速通信设备越来越复杂。

一个产品可能同时涉及：

电磁、电路、热、结构、流体和光学。

这些物理场之间又不是相互独立的。

例如：

芯片功耗增加，可能导致温度升高；

温度变化，又会影响材料和电气性能；

高速信号产生的损耗，又可能进一步转化为热问题。

过去，不同物理领域往往使用不同工具。

工程师需要在多个软件之间不断传递数据。

这就是典型的“工具孤岛”。

KDES 2026发布的Keysight Multiphysics，就是在尝试解决这个问题。

通过把多物理场分析进一步融入电子设计工作流，让工程师能够更早开展：

电磁 + 电路 + 热 + 结构 + 流体 + 光学

的协同分析。

这意味着EDA和CAE之间的边界也正在变得越来越模糊。

未来真正需要解决的，可能不再是：

“一个电路有没有问题？”

而是：

“整个系统在真实物理环境中，会不会出问题？”

07 KDES 2026真正的信号：EDA正在走向工程智能

把KDES 2026的几条线索放在一起，事情就变得非常清楚。

AI for EDA，让AI进入设计流程；

AI Agent，让AI开始理解设计目标并调用EDA能力；

E-O-E联合仿真，把电子与光学连接起来；

Multiphysics，把电磁、热、结构、流体和光学连接起来；

而测试测量能力，则进一步为仿真提供现实世界的数据验证。

最终形成的，不再只是一个传统意义上的EDA软件。

而是一条新的工程链路：

设计 → 仿真 → 优化 → 验证 → 数据沉淀 → AI学习 → 再设计。

这也是是德科技提出**“Engineering Intelligence at the Core”**背后的核心逻辑。

过去的EDA，是让工程师更高效地使用工具。

未来的AI+EDA，则可能让工程师直接告诉系统：

“我要什么结果。”

系统负责理解需求、调用工具、运行仿真、寻找方案并进行迭代。

而工程师则更多负责：

提出目标、定义约束、判断结果和最终决策。

所以，AI+EDA真正改变的，也许并不是某一个EDA功能。

而是：

工程师与EDA之间的关系。

从GUI到脚本，从自然语言到Agent，再到Multi-Agent，EDA正在从“设计自动化”走向“工程智能”。

而当AI、EDA、光学、CAE、多物理场、数字孪生以及测试测量进一步连接起来之后，下一代工程软件的竞争，也将不再只是某一个仿真器谁更快。

真正的竞争可能会变成：

谁能够把更多工程知识、更多设计工具和更多真实数据，连接成一个能够持续学习和优化的工程智能平台。

这或许才是KDES 2026最值得关注的地方。

AI+EDA，可能才刚刚开始。

AI+EDA、AI for EDA、AI驱动EDA、EDA Agent、AI EDA Agent、EDA大模型、智能EDA、EDA自动化、KDES 2026、是德科技、Keysight、Engineering Intelligence、工程智能、AI芯片设计、EDA软件、光电联合仿真、E-O-E、电光联合仿真、多物理场仿真、Keysight Multiphysics、数字孪生、AI数据中心、CPO、先进封装、CAE。