AI 要吃掉工业软件?Cadence 用546亿破纪录订单给出意外答案

当前，随着 AI 技术井喷，一个敏感的话题反复在行业中出现：AI 会不会吃掉工业软件体系？

特别是在达索系统遭遇史上最大跌幅（超40%以上）之后，市场更加质疑生成式 AI，是否会动摇工业设计软件的基础逻辑？除此之外，Autodesk、PTC 等厂商在财报电话会议中，也被频繁问到同一个问题：AI 是否会削弱现有软件体系的价值？

EDA 赛道也是如此，Cadence CEO Anirudh Devgan 在前不久的摩根士丹利会议上，也正面回应了类似质疑。不过，从 Cadence 的产品实践和最新财务数据来看，结论恰恰相反：AI 不但没有削弱 EDA，反而放大了需求。

01 AI 让 EDA 的需求更大

“没有任何客户在减少EDA使用，反而都在不断加大投入。”Devgan 进一步强调：对 Cadence 而言，AI 带来的不是颠覆，而是放大效应——驱动底层 EDA 工具被更加频繁使用。

Devgan 回忆到，20多年前设计一颗 CPU，需要500人、5年时间；而今天，几十人、半年就能完成，效率提升接近100倍。但工具使用度更高，原因在于芯片规模在同步扩张，从3nm走向2nm、1.4nm，甚至更先进节点，复杂度在几年内就可能放大20到30倍。

因此，决定 EDA 使用强度的，并不是效率，而是持续增长的设计工作量。而且，AI 在提升效率的同时，也在改变设计方式。

过去，工程师主要进行有限次数的验证，现在已经变成大规模设计空间探索。在 Cadence 内部，一个典型变化是：AI Agent 可以并行发起10倍、甚至100倍的设计实验，而每一次实验，都需要调用底层 EDA 工具完成仿真、验证和优化。

也就是说，AI 并没有替代 EDA，而是在放大了其使用规模。正如 Devgan 与黄仁勋的对话中强调：AI 正在成为“工具的使用者”，而不是工具的替代者。

02 史上最高订单给出怎样的答案？

如果说以上回答还未解惑，那么下面的数据能给你更直观的答案。

Cadence 2026年第一季度收入达14.74亿美元，同比增长19%；积压订单达到了80亿美元（约合人民币546亿元），再一次创下历史最高纪录。为此，Devgan 表示：“我们之所以取得了史上最好的Q1业绩，主要得益于 AI 需求的加速增长和公司严谨的执行力。”这也是其2026财年预期上调至17%的底气（从预期60亿美元上调到62亿美元），显示出市场需求被进一步扩大。

我们都知道，在很多软件行业，AI 带来的往往是预算不确定性（比如观望、重新评估等）。但是在 EDA 领域，这种不确定性反而在下降。因为，芯片复杂度上升，就不存在减少投入的可能。

Cadence CFO 在财报中也提到一个细节：公司是以“生产力驱动利润提升”为核心，而 AI 正是这个生产力的来源之一。这一点也侧面说明了，为什么效率在提升、工具使用量增长的主要原因。

03 其实是需求结构的变化

如果我们只看 EDA 市场的表面需求，还不足以说明问题。核心在于芯片需求本身，已经发生了结构性分化。

比如在NVIDIA GTC 2026上，反复强调一个明显的趋势：AI 计算正在从单一 GPU 模式，走向 CPU、GPU 以及多种专用加速架构协同的系统级设计。由此可见，AI 已经不再是单一芯片问题，而是系统级协同问题。

进一步剖析来看，你会发现市场需求已经分裂为很多不同的路径：比如云端AI追求的是性能和带宽，自动驾驶更多强调实时性与安全性，机器人/具身智能更依赖感知与物理交互，而端侧 AI（手机、IoT）更在乎功耗与成本，等等不同场景对芯片架构、工艺、功耗的要求完全不同，这带来的结果不是芯片变少了，而是类型更多、版本更多、设计路径更多。

Devgan 也曾提到一个观点：未来几年，芯片规模可能增长5–10倍，而复杂度甚至可能提升20–30倍。在这样的背景下，AI带来的并不是效率提升，而是扩大了设计空间。而 EDA 的角色，自然也从软件工具，变成了支持大规模设计探索的基础设施。

04 效率在提升，但 EDA 更重要

当然，AI 的价值并不是停留在理论层面，在用户侧也出现了一些可量化的结果。

比如，三星在采用 Cadence Cerebrus 实现约4倍生产力提升；Altera 在特定设计流程中，实现了7到10倍的效率提升；同时，Cadence 数字全流程客户在上季度也新增了25个。

但更关键的一点在于，这些提升全部建立在 EDA 体系之上。无论是自动生成 RTL、构建验证方案，还是进行参数优化，仍依赖底层 EDA 工具完成仿真、验证与优化。

我个人来看，AI 改变的不仅是 EDA 的价值，更是其使用方式和使用规模。尤其是在芯片复杂度持续提升、应用不断分化的背景下，这一趋势还会更加明显。