西门子EDA，跨层工程驱动AI系统，从芯片到基础设施的全面优化

在2026年9月24日举行的AI Infra Summit上，Ankur Gupta发表主题演讲，提出了一个颠覆性的观点：下一代AI基础设施的突破将不再依赖于单独提升芯片、服务器或冷却系统的性能，而是要通过优化这些组件之间的连接来实现。这一理念与西门子EDA提出的"从定制硅片到AI系统"的战略高度一致，即通过设计能够支撑大规模AI应用的计算基础架构，推动整个AI生态系统的效率提升。

AI基础设施的跨层优化逻辑

传统的AI基础设施建设往往聚焦于单个环节的性能提升，例如更快的GPU、更密集的内存或更高效的冷却方案。然而，随着AI应用场景的复杂化，单纯优化某一层面已无法满足需求。西门子EDA认为，未来的AI基础设施需要在半导体设计、封装技术、计算系统架构以及物理设施布局之间建立深度协同关系，从而实现整体效能的最大化。

这种跨层优化的核心在于构建一个完整的工程闭环。以半导体设计为例，不仅要考虑芯片本身的性能指标，还要将其与后续的封装工艺、计算平台适配性以及数据中心的物理布局相结合。只有当这些环节形成有机联动时，才能真正释放AI系统的潜力。

工业AI的实践案例：雪浪云的"AI总工程师"

在制造业智能化升级的背景下，雪浪云提出的"AI总工程师"概念为西门子EDA的理念提供了生动的实践案例。该系统通过整合CAD、CAE等工业软件与大模型推理能力，实现了从需求提出到实验验证的全流程自动化。例如，在高端装备制造领域，AI总工程师能够理解复杂的工程需求，生成设计方案，并通过仿真优化和实验验证快速迭代，显著提升了研发效率。

雪浪云董事长王峰指出，传统模式下，工业经验难以沉淀和传承，而AI总工程师则可以将工程师的隐性知识转化为可复用的数字资产。这种能力不仅解决了人才断层问题，还为企业构建了可持续的创新能力。

生命科学领域的跨界融合

AI制药领域的竞争正从单纯的模型竞赛转向闭环竞赛。科技巨头如Anthropic、字节跳动等纷纷布局湿实验室，将AI技术延伸至真实的药物研发流程中。晶泰控股CEO马健强调，真正的AI制药需要构建"假设-检验"的工程化闭环，这与西门子EDA倡导的跨层优化理念不谋而合。

毛化认为，当前AI制药的竞争焦点已经转移到谁能率先建设行业系统性基础设施。高质量数据的持续积累与反馈机制的建立，将成为决定成败的关键因素。这种从数据到模型再到实验的完整闭环，正是西门子EDA所倡导的跨层工程思想的具体体现。

未来展望：AI与多领域的深度融合

黄仁勋在最新访谈中指出，AI的风险应被工程化处理而非神秘化，美国真正应该担心的是AI产业的扩散而非模型竞赛。这一观点与西门子EDA的战略方向高度契合。随着AI技术在制造业、生命科学等多个领域的深入应用，跨层工程优化将成为推动产业升级的核心驱动力。

未来，AI基础设施的建设将不再局限于单一领域，而是需要在不同行业间建立通用的技术框架。无论是工业制造还是药物研发，都需要通过跨层协同来实现效率与质量的双重提升。西门子EDA的这一战略，无疑为AI基础设施的发展指明了新的方向。