Cadence中国区：基于系统协同验证的智能电子系统规模化交付方案

2026年6月17日，Cadence中国区应用技术总监蒋庆东在盖世汽车第九届智能驾驶与出海大会上表示，当前，汽车行业对性能、功耗和交付周期的要求日益严苛，头部厂商已从PCB级设计深入至芯片自研，亟需打通芯片-封装-系统全链路以实现整体优化。对此，Cadence的Allegro X APD等工具支持先进封装的规划、布线、多物理场仿真及物理验证，并通过与Innovus、Virtuoso等工具的协同，显著提升设计效率与一次成功率。

AI驱动层面，Cadence JedAI平台将设计自动化划分为L1至L5五个等级，当前已实现超50%先进节点设计采用AI辅助，尤其在ChipStack验证中成效显著。蒋庆东表示，基于系统协同验证的智能电子系统规模化交付方案，Cadence正通过系统级协同设计与验证，助力客户应对从芯片到系统的复杂挑战。

蒋庆东｜Cadence中国区应用技术总监

以下为演讲内容整理：

系统级协同设计的必要性

过去，汽车行业的关注点在于系统整合，但整合的颗粒度较大。如今，为了提升整体性能，行业关注的焦点已经从系统层面下沉到产品本身的PCB，乃至最底层的芯片。越来越多的头部车厂选择下场自研芯片，这标志着深度自研已成为主流趋势。当从PCB设计深入到芯片设计时，传统的孤立设计方法便显得力不从心。要实现从3到5年的交付期压缩至一年内完成一款新品的交付，最佳路径就是进行一个从芯片到系统的大整合，通过整体优化来提升性能并降低成本。

Cadence作为一家AI计算软件提供商，尤其在EDA领域深耕多年。从云端AI智能辅助驾驶模型的训练芯片，到座舱芯片，再到整个系统，其背后所依赖的流程和方案，都与Cadence息息相关。Cadence不仅仅是一家芯片和PCB的EDA供应商，近年来通过一系列战略收购，其解决方案已从纯电子系统拓展至包含结构、振动、可靠性等在内的物理系统领域。这意味着，无论是车内的芯片、系统，还是系统级的多物理场分析，Cadence都能提供覆盖客户需求的完整方案。

图源：演讲嘉宾素材

先进封装：系统性能提升的关键一环

在系统级设计中，先进封装扮演着至关重要的角色。其核心理念是通过3D堆叠等技术，将不同功能的芯片（die）在垂直方向上“盖楼”，从而实现更短的互联距离、更低的功耗、更高的性能和更小的芯片面积。这对于电动汽车尤为重要。更低的功耗意味着更长的续航里程，直接缓解用户的“续航焦虑”；更高的性能则能提供更强的算力，支撑智能辅助驾驶系统更快地演算和规避障碍物；更小的面积则有助于节省车内宝贵的空间。

先进封装可分为3D封装和3D-IC两大类。3D-IC更多是指晶圆级别的die堆叠，而3D封装则是购买现成的封装好的die或裸die，自行拼装成一个封装体。无论哪种方式，为了实现更大的性能和更密集的算力，设计密度增大、功耗上升、设计周期变长等现实挑战也随之而来。这就要求在设计工具层面，必须对流程进行优化和精简。

Cadence是业界少数能够提供从芯片到封装规划、PCB设计，再到多物理场分析的完整解决方案的供应商。其设计流程能够与晶圆厂、封装厂紧密合作，将test file和制造规则等数据导入工具，直接指导用户完成设计、布局和布线，并与IC工具进行高效协作，减少工具间的交互次数，从而缩短整个开发周期。

图源：演讲嘉宾素材

从规划到验证的一体化设计流程

一个成功的封装设计始于高效的规划。Cadence提供的系统规划工具，如Integrity System Planner，可以在IP级别就将IC、封装和PCB作为一个整体进行堆叠规划。设计师可以提前进行热仿真和应力分析，评估尺寸和层叠是否合理，在正式导入设计之前就完成早期验证。

完成规划后，设计工作将导入业界广泛应用的高端封装设计工具——Allegro X APD。该工具支持复杂的布局布线、规则管理，并能与数字IC工具Innovus、模拟IC工具Virtuoso进行无缝数据交互。同时，它还集成了在线的DFM分析和SPI分析功能。在设计过程中，最为耗时的布线环节可通过先进的自动布线方案来加速。更重要的是，Cadence将仿真分析集成到设计流程中，实现了“边设计、边分析、边修改”的一体化模式，极大地提升了效率。

图源：演讲嘉宾素材

AI赋能：迈向设计自动化新时代

传统的封装设计高度依赖手动操作和有限的自动化脚本，但这种模式的效率在2024年左右已经触及天花板。要进一步提升效率，核心驱动力便是AI。到2025年，已有超过50%的先进节点封装和IC设计采用了AI辅助，且这一比例在未来将持续增长。

Cadence将AI在设计中的应用划分为从Level 1到Level 5的五个等级。Level 1到Level 3主要实现有限的自动化和优化，而Level 4和Level 5则代表了高度的自动化乃至全自动化，类似于汽车从辅助驾驶到完全自动驾驶的演进。这一切都依托于Cadence的JedAI平台，该平台对接大模型，为客户提供设计、分析与验证的自动化服务。例如，在ChipStack验证中，AI已经被广泛应用并取得了非常好的效果。

图源：演讲嘉宾素材

未来展望与挑战

随着智能汽车、具身智能等领域的快速发展，对更高性能、更低功耗、更小体积的芯片和系统的需求将永无止境。先进封装和AI驱动的设计自动化，无疑是应对这些挑战的两大利器。未来，从芯片到系统的全链条协同设计将成为常态，而AI将深度融入每一个设计环节，从辅助人类工程师逐步走向自主决策与优化。

然而，挑战依然存在。先进封装的设计密度和复杂度仍在持续攀升，对多物理场仿真和多工具协同提出了更高要求。同时，AI模型的训练和应用也需要海量的高质量数据和强大的算力支持。如何将这些技术更普惠、更高效地赋能给广大开发者，将是整个行业需要共同探索的方向。Cadence作为这一领域的先行者，将持续通过技术创新，助力客户在智能时代的浪潮中，实现电子系统的规模化、高质量交付。

（以上内容来自Cadence中国区应用技术总监蒋庆东于2026年6月17日-18日在第九届智能驾驶与出海大会发表的《基于系统协同验证的智能电子系统规模化交付方案》主题演讲。）