$NVDA、$AMD、$AVGO 都在争夺AI芯片市场，但在它们真正把芯片交给 $TSM 制造之前，还需要依赖另一批公司：$SNPS、$CDNS 和 $AR… · @youngstockuser · TwKit

@youngstockuser

$NVDA、$AMD、$AVGO 都在争夺AI芯片市场，但在它们真正把芯片交给 $TSM 制造之前，还需要依赖另一批公司：$SNPS、$CDNS 和 $ARM。 这是AI产业链最上游的环节之一，也是技术壁垒非常高、商业模式相对特殊的行业。 芯片设计不是工程师画出电路图就能完成。现代先进芯片包含数百亿甚至更多晶体管，需要经过逻辑设计、功能验证、综合、布局布线、时序分析、功耗优化等复杂流程。 这些工作依赖EDA，也就是电子设计自动化软件。 $SNPS Synopsys：芯片设计软件与系统仿真 Synopsys是全球EDA行业的重要龙头之一，产品覆盖数字芯片设计、验证、物理实现和半导体IP。 2025年完成对Ansys的收购后，业务进一步延伸至工程仿真和系统分析。对于高功率AI芯片，散热、电磁效应和封装可靠性同样会影响最终性能。 它的优势在于深度参与芯片设计流程，并且与先进制程工艺紧密结合。客户更换核心EDA工具，需要重新验证大量设计流程，迁移成本很高。 $CDNS Cadence：EDA与AI辅助芯片设计 Cadence同样是EDA核心供应商，覆盖数字设计、模拟电路、功能验证、先进封装及系统分析。 它的Cerebrus平台可以利用AI优化芯片的功耗、性能和面积，也就是PPA。 这也是EDA行业未来值得关注的方向：AI不仅创造新的芯片需求，也正在改变芯片本身的设计方式。 不过，AI自动化提升效率，不代表EDA厂商一定可以同步提高收费，需要观察客户实际采用情况和商业变现能力。 $ARM Arm：出售芯片架构与IP Arm和前两家公司不同。 Synopsys、Cadence主要提供设计工具及相关IP，而Arm长期以CPU架构授权、处理器IP和芯片出货版税为核心商业模式。 截至2026年3月的财年，Arm实现49.2亿美元营收，其中约26.13亿美元来自版税收入。 这意味着客户使用Arm技术设计的芯片出货后，Arm可以根据合同持续获得收入。 Arm架构已经广泛应用于移动设备，并逐渐进入云服务器、数据中心等市场。2026年Arm还推出自有数据中心CPU，开始向直接提供芯片产品扩展。 但这也带来新的竞争关系：当架构供应商开始销售芯片，原有客户可能同时成为竞争对手。 从投资角度看，这三家公司和GPU厂商的盈利模式明显不同。 GPU公司依赖芯片产品销售，EDA公司更多依赖软件授权、维护及IP业务，Arm则同时受授权合同、芯片出货量和版税率影响。 这个行业的长期增长来自三个变量：芯片设计数量、先进制程复杂度，以及单个项目的软件与IP支出。 风险则主要来自出口管制、客户集中度、研发成本和估值。 AI芯片竞争越激烈，设计工具的重要性可能越高。但设计复杂度提高，并不意味着EDA收入能够与AI算力支出同比例增长。 研究这一环节，重点不是GPU卖了多少，而是越来越复杂的芯片设计能为上游工具和IP供应商创造多少持续收入。

曝光 803 · 评论 2 · 点赞 0 · 书签 0