Cadence 正从一家 EDA 工具商进化为“芯片与系统设计的 AI 编排平台”，其增长由不可逆的复杂度爆炸和工程师短缺共同锁定，商业模式兼具防御性与扩张性。
一、公司定位与核心论点
Cadence 将自己定义为半导体生态系统中不可替代的基础层。当前行业正经历两大结构性趋势：
- 系统与半导体的融合：超大规模云厂商、自动驾驶公司、大模型公司纷纷自研 ASIC，半导体公司与系统公司边界消失，带来大量新增设计项目。
- AI 作为全行业涡轮增压器：Cadence 既为客户提供 AI 加速器设计工具，也将 AI 嵌入自身工具链以提升客户生产力。
财务印证：2026 年 Q2 营收同比增长 19%，非 GAAP 营业利润率 44.25%，全年将超越“60 法则”（增长 + 利润率 > 60）。
二、Agentic AI：从工具到“数字员工”
Cadence 正通过 4 个 AI Super Agent（超级智能体） 重构芯片设计流程：
- ChipStack：前端设计验证（RTL 生成、测试平台搭建、仿真验证闭环）
- ViraStack：模拟设计全流程编排
- InnoStack：数字流程运行
- RaStack：封装流程
核心价值：未来 5-6 年芯片设计工作量将增长 30-40 倍，但工程师供给严重不足。Agentic AI 的目标不是辅助人类，而是替代人类设计师执行重复性任务，将其解放至更高层次创新。
商业化路径（三层变现）：
- 席位替代：按人类设计师技能水平定价（数万美元级），切入全新市场。
- 超额消耗：对超出规定工作量的代币/算力使用额外收费。
- 底层工具调用：智能体可 7×24 小时无限制调用 EDA 工具，带动传统许可证使用量激增（类似 Cerebrus 驱动 10 个 Innovus 实例的模式）。
三、业务板块表现与增长逻辑
Cadence 的增长由设计复杂度驱动，而非芯片出货量。Q2 各板块增速：
- 核心 EDA：+18%~19%
- 系统设计与仿真 (SD&A)：+35% 以上
- IP：+40% 以上
“三层蛋糕”战略：
- 底层：核心 EDA、硬件、IP（不可撼动、不可替代）
- 中间层：Agentic AI（编排与生产力跃升）
- 上层：基于专有数据优化的系统级解决方案
工作负载（Workload）是终极驱动力：以晶体管数量衡量，当前 Blackwell 约 100 亿晶体管，预计 5-6 年内将增至 1 万亿，设计复杂度带来的工具需求将持续指数级上升。
四、IP 业务：选择性进攻
Cadence 的 IP 业务预计 2026 年底达到 10 亿美元规模，增速远超行业平均。
- 聚焦领域：先进制程节点、HBM、UCIe、PCIe、LPDDR6 等 AI 关键互连 IP。
- 晶圆厂生态：与 TSMC、Intel（14A 节点深度合作）、Samsung、Rapidus 全面合作。
- 利润管理：IP 利润率天然低于 EDA，Cadence 采取“不满足所有人所有需求”的 selective 策略，确保在抓住高增长机会的同时，维持公司整体 50% 增量利润率目标。
关键判断：IP 存在“自研 vs 外购”的永恒博弈，但 EDA 只能外购、无法自建，因此 EDA 是更稳固的护城河。
五、EDA 的不可撼动性与钱包份额迁移
Richard Gu 反复强调 EDA 是确定性的、基于物理的精确科学，客户绝不愿在概率性 AI 上冒物理错误风险，因此 EDA 核心层无法被取代。
研发支出结构变迁（长期核心论点）：
- 当前：人力占 ~90%，EDA 工具占 ~10%-11%
- 客户已表态：愿在自动化/AI 上的支出超过人力成本的一半
- 长期轨迹：工具与自动化占研发预算的比例将向 20%-33% 迁移，为 Cadence 提供数十年级别的长期顺风。
六、地域市场：中国与其他地区均衡增长
- 中国：预计 2026 年增长至少达到公司平均水平。需求结构与美国高度相似（大模型公司、云厂商、电动车/自动驾驶），且 EDA 与仿真系统需求兼具。
- 本地竞争：华大九天等本土厂商目前仅提供单点工具，缺乏全流程和晶圆厂认证，不构成近中期威胁。Cadence 在中国的市场份额仍在提升。
- 全球视角：所有地区增长均衡，非单一市场依赖。
七、订单积压与收入可见性
截至 Q2 末，订单积压（Backlog）创纪录达 81 亿美元，且是在传统季节性淡季连续实现。
- cRPO 覆盖率：约 58%（显著高于同业），意味着未来 12 个月收入转化路径清晰。
- 可见性分层：
- EDA：合同周期 2.5-3 年，按季度比例确认，可见性极高。
- 硬件：管线型业务，通常展望 6 个月。
- SD&A：收购 Hexagon（已交割并与 BETA CAE 整合）后，聚焦物理 AI 与 3D-IC 两端。
八、多物理场仿真与 Millennium 平台
Cadence 通过有机生长+补强收购（BETA CAE、Hexagon）构建多物理场能力，专注计算密度最高的领域（芯片-封装-系统级热/电磁/流体/结构分析），而非通用 CAE。
Millennium 平台（与 NVIDIA 联合推出，基于 GPU 加速）：
- 已应用于 CFD，正向电磁（Clarity）和热仿真（Celsius）扩展。
- 客户（包括 NVIDIA 自身）报告生产力提升 50-60 倍。
- 商业模式可复制到航空航天、国防、汽车等领域。
九、周期防御性与投资者误读
针对“AI 资本支出见顶 → 芯片出货量下降 → EDA 受损”的市场担忧，Cadence 的回应：
- 业务与出货量脱钩：收入由设计启动数量 × 设计复杂度驱动，而非晶圆出货量。
- 研发支出的刚性：半导体下行周期中，研发是客户最不愿削减的支出（需确保复苏时的竞争力）。
- 历史验证：过去 10-20 年，Cadence 收入曲线极为平滑，利润率与 EPS 持续增长，周期性远弱于半导体行业。
未来 12-18 个月关键跟踪指标：经常性收入增长。Agentic AI 带来的订阅+消费模式收入将体现于此。
十、2031 年愿景
Cadence 认为自身竞争地位从未如此强劲：
- 短期：Agentic AI 成熟化，带来全新市场与工具使用量爆发。
- 中期：Physical AI（机器人等）成为下一增长极，多物理场仿真需求爆发。
- 长期：全球最先进芯片的设计者都将是 Cadence 客户，公司处于 AI 时代核心基础设施位置，依赖度将持续加深。
一句话总结：Cadence 正从一家 EDA 工具商进化为“芯片与系统设计的 AI 编排平台”，其增长由不可逆的复杂度爆炸和工程师短缺共同锁定，商业模式兼具防御性与扩张性。
现场问答实录（精选）
以下为 Cadence 投资者关系副总裁 Richard Gu 在德意志银行 2026 年科技大会上的问答精编，问题由德银硬件股票研究主管 John Marco Conti 提出。
关于定制芯片与 Cadence 的角色
Q：过去 3-5 年，从超大规模云服务商到大型系统公司，很多企业开始进行定制 ASIC 和定制设计。定制芯片的结构发生了什么变化？Cadence 如今在其中扮演什么角色？
Richard Gu：Cadence 是半导体生态系统中至关重要的基础性参与者，为所有芯片公司、半导体公司和系统公司提供半导体设计工具。过去 10-15 年有两股趋势在塑造这个行业：
一是半导体与系统之间的趋同和融合。无论超大规模云服务商、自动驾驶公司，还是正在自研 ASIC 的大模型公司，都正从单一角色演变为横跨芯片与系统的参与者。对我们来说，这意味着新进入者、新客户以及新启动的设计项目大幅增加，覆盖面持续扩大；与此同时，这些设计的累积复杂度也在不断提高。两个维度叠加，将在未来 10-15 年持续提供强大的增长动力。
二是 AI 正在成为整个半导体生态系统的涡轮增压器。Cadence 既帮助所有主要参与者设计 AI 加速器所需的 EDA、IP、硬件系统和系统仿真软件，同时也将 AI 应用到自身工具中，让客户获得生产力大幅提升的红利。
关于 Agentic AI 的设计参与方式
Q：AI 智能体实际参与芯片某一部分的设计和验证，究竟意味着什么？芯片设计流程中哪些环节将成为下一轮智能体竞赛的重点？
Richard Gu：我们通过 ChipStack 以及过去几个月推出的另外三个超级智能体，覆盖了整个芯片设计领域。ChipStack 负责前端设计验证，包括生成 RTL 代码、把设计规格转换为机器代码、创建测试平台，并调用大量底层 EDA 工具进行仿真和验证，整个过程是一个持续迭代和循环的闭环。ViraStack 负责模拟设计全流程编排，InnoStack 负责数字流程运行，RaStack 负责封装流程。
核心逻辑在于：客户面临巨大的供需错配——一方面创新路线图上的目标越来越多，另一方面能够招募的设计师数量严重受限。未来五六年工作量还将增长到目前的 30 倍、40 倍，任何公司都不可能雇用那么多工程师。因此，自动化、EDA 和 AI 必须承担大量工作来弥合差距。这些超级智能体被赋予了人类设计师的技能，作用是把人从重复性任务中解放出来，让人类专注于更高层次的工作。
Jensen（NVIDIA 创始人黄仁勋）大约两个月前也公开谈到过类似场景，他们看到生产力提升了 40 倍。这个机遇是巨大的。
关于 Agentic AI 的商业化路径
Q：如果生产力提高了 10 倍，Cadence 如何在商业上从中获取合理份额？Agentic AI 对历来基于席位授权的商业模式会带来什么影响？
Richard Gu：从变现角度看，我们通过三个方向来实现超级智能体的商业化。
首先，这些智能体是人类设计师的替代方案，这等于切入了一片全新的市场。四个超级智能体分别制定独立价格表，整体定价与人类设计师具备的技能水平相匹配，价值达到数万美元。其次，一旦客户超出超级智能体规定的工作量，我们会就额外消耗的代币和额外使用量收取费用。第三，智能体会调用和使用底层工具——它们可以 7×24 小时无限制地探索设计空间，比人类设计师更加彻底和广泛，这意味着底层 EDA 工具的使用量将成为更重要的增长支撑。
对于你的第二个问题，Agentic AI 确实会让竞争环境更加公平。团队规模更小的公司，只要充分利用这些工具，也能完成相当出色的设计工作。Anirudh 谈到过半导体商业模式的“四层楼”——从标准产品到 ASIC，再到混合 COT，最后到完全 COT。围绕这条路径布局的公司和客户越多，Cadence 的机会就越大。
关于业务增长与工作负载的驱动关系
Q：AI 系统的瓶颈已经从晶体管转移到系统层面，包括数据移动、内存带宽、封装和散热。Cadence 的增长是否取决于系统复杂度，而不是芯片出货量？
Richard Gu：最近一个季度收入增长约 24%，核心 EDA 增长 18% 到 19%，SD&A 增长超 35%，IP 增长超 40%。可以用一辆由三四匹马共同拉动的战车来比喻——所有马都达到了最高速度。
我们业务的一个独特之处在于：工作负载不是静态的，而是呈指数级增长。当前最复杂的芯片是 Blackwell，拥有大约 100 亿个晶体管，但未来 5-6 年内预计将增长到大约 1 万亿个晶体管。如果加上复杂度的累加效应，可预见的未来工作负载大约会增加 30-40 倍。这是推动业务发展的终极动力，会同时体现在工作量增长和定价机会两方面。
关于 IP 业务的发展策略
Q：IP 的利润率不如 EDA，Cadence 如何在提高 IP 占比的同时保持利润率增长？
Richard Gu：IP 业务的核心是收入增长和利润率之间的平衡。早期我们制定的策略是：不满足所有人的所有需求，而是有意识地聚焦于先进制程节点的 IP 设计和 HBM、UCIe、PCIe 等关键互连 IP，这些业务很大程度上受益于 AI 超级周期。到今年年底，IP 业务规模将达到 10 亿美元，增长速度远快于市场。
晶圆代工生态系统方面，现在不只是 TSMC 和 Intel，还有 Samsung 和 Rapidus，我们与这些厂商全面合作。如果管理得当，我们有机会在抓住高增长 IP 机会的同时，不牺牲公司整体利润率——利润率增长和每股收益增长始终是我们的指引目标，公司总体上将继续保持 50% 的增量利润率。
关于 EDA 与 IP 的护城河差异
Q：IP 组合中是否有某些领域会变得更加商品化？EDA 是否能免受内部开发软件复制的影响？
Richard Gu：IP 是一项很好的业务，但 EDA 是一项非常出色的业务。因为 IP 始终存在“自行开发还是购买”的博弈，而 EDA 只能购买，无法自建。EDA 完全是确定性的、基于物理的精确科学——必须在物理上准确无误，客户绝对不希望在其中任何概率性因素上冒险。
只要 IP 产品能为客户带来 PPA（功耗、性能、面积）方面的优势，就可以继续实现强劲增长。但归根结底，我们把整个业务作为一个投资组合来管理，核心 EDA 是不可撼动的底座。
关于中国市场与本地竞争
Q：中国在未来三年左右将如何融入 Cadence 的增长方程？本地竞争情况如何？
Richard Gu：中国是一个不错的市场，但世界其他地区的增长也非常好，整体相当均衡。我们对中国市场今年至少达到公司平均增长水平相当有信心。中国市场的动态很大程度上反映了美国正在发生的情况——有优秀的大语言模型公司、实力雄厚的超大规模云服务商，以及大量电动汽车和自动驾驶汽车公司。我们与其中许多客户都有合作，不仅销售了大量仿真系统，EDA 也是重要组成部分。
至于本地竞争，目前还不构成近中期威胁。很多本土竞争对手的规模仍然小得多，虽然有一些单点工具，但达不到我们的标准，也缺乏完整的流程。更重要的考量是：他们没有晶圆代工生态，也没有来自 TSMC 的认证。我们的增长率本身就说明了在中国的市场地位。
关于 81 亿美元订单积压的构成
Q：81 亿美元的订单积压中，哪些领域具有较高的可见度？
Richard Gu：创纪录的 81 亿美元订单积压是在传统季节性淡季连续实现的，反映了基础业务的强劲表现。cRPO 覆盖率约为 58%，明显高于同业水平，这意味着未来 12 个月收入转化路径清晰。
就可见性而言，EDA 业务最高——合同周期通常为 2.5 至 3 年，软件按比例确认收入。硬件业务更像管线型业务，通常展望未来 6 个月。SD&A 方面，Hexagon 已完成收购交割并与 BETA CAE 整合，我们专注于物理 AI 和 3D-IC 两端的高增长、高利润领域。
关于 Millennium 平台与多物理场仿真
Q：集成电气、热、流体和结构分析，究竟能解锁哪些单一物理场工具永远无法实现的功能？Millennium 平台进展如何？
Richard Gu：我们的理念是：如果你想买一套很棒的西装，不需要把整家百货商店都买下来。我们对多物理场的专注也一样——只聚焦计算密集度最高的领域，也就是芯片-封装-系统级的热、电磁、流体、结构分析。用仿真软件去设计游泳池，那不是我们的兴趣所在。
Millennium 是与 NVIDIA 大约 1.5 到 2 年前联合推出的，底层是 NVIDIA 的 GPU 加速计算平台，中层是仿真领域的基础软件。我们从 CFD 流体仿真起步，现在正扩展到电磁（Clarity）和热仿真（Celsius）。NVIDIA 作为早期公开认可的客户，报告了 50 到 60 倍的生产力提升。这个模式同样可以复制到航空航天、国防、汽车等领域。
关于研发支出结构的长期迁移
Q：研发从依赖人员转向依赖软件的发展轨迹会如何演变？何时能达到 20% 或 25% 由软件完成？
Richard Gu：客户当前面临的核心矛盾是：AI 军备竞赛非常激烈，他们有许多想要实现的设计，设计越来越复杂，但工程师资源严重不足。工作量增加了 30 到 40 倍，差距必须通过自动化、EDA 和 AI 来填补。
有客户告诉我们，他们愿意在自动化、代币和芯片设计上的支出，超过在人类设计师身上支出的一半。换算一下，这几乎相当于研发预算的 33%。从长期趋势来看，设计强度将持续提升，而且已经远超传统半导体公司的范畴——超大规模云服务商、汽车公司、大模型公司都在进行自主设计。这个机会是巨大的。
关于 2031 年愿景与关键跟踪指标
Q：到 2031 年，Cadence 会是什么样？未来 12-18 个月内最值得关注的指标是什么？
Richard Gu：我最密切关注的是经常性收入的增长。Cadence 历来都是一家非常出色的复合增长型公司，无论市场处于什么周期，收入曲线始终平稳上升，利润率和现金流表现优异。AI 相关业务带来的订阅+消费模式收入，将通过经常性指标逐步体现。
未来 5-10 年，全球最先进芯片的设计者对 Cadence 这类 EDA 公司的依赖和倚重将会明显加深。我们处在这一切的核心位置，客户都是全球最知名的企业。在 CEO Anirudh 的领导下，我们完全有信心支持客户持续前进。
关于市场误判：AI 资本支出见顶的担忧
Q：市场对整个 EDA 争论误判了什么？特别是关于 AI 资本支出见顶导致芯片投片量下降、进而传导至 EDA 支出减少的担忧？
Richard Gu：我们的业务不是由出货量驱动的，而是由设计启动数量和设计复杂度驱动的。在可预见的未来——5 年、10 年乃至 15 年——这两方面都将持续增长。无论客户最终处于生态系统的哪个位置，Cadence 都将成为 AI 的受益者。
历史已经反复验证了这一逻辑：研发支出通常是客户最重视、最不愿削减的支出，即使在下行周期也会确保把资金花在正确的地方，以便在走出低谷时更强劲地反弹。如果看一下利润率、收入、每股收益和现金流，我们的业务处于极为健康的状态。
本文系对 Cadence Design Systems, Inc. (CDNS) 在德意志银行 2026 年科技大会演讲的深度整理。更多半导体与芯片设计相关的技术资料与社区讨论，可访问云栈社区获取。
发表于 昨天 05:45
|
查看: 22|
回复: 0
