人工智慧（AI）正在改寫晶片與系統設計的基本方法。過去，工程師團隊多半依賴指令稿、圖形介面與人力經驗，在設計、驗證、模擬與修正之間反覆迭代；但隨著先進製程、異質整合、資料中心與機器人系統的複雜度同步升高，傳統電子設計工作流程已難以跟上下一代AI運算平台的開發速度。
著眼於此，EDA工具供應商Cadence在年度技術大會CadenceLIVE Silicon Valley 2026宣布與NVIDIA擴大合作，雙方表示將結合Cadence在電子設計自動化（EDA）、系統設計與分析（SDA）、代理式AI設計流程與物理模擬的技術基礎，以及NVIDIA在加速運算、CUDA-X、AI物理模型與Omniverse工業數位孿生平台上的能力，將合作範圍推進到半導體設計、實體AI系統與超大規模AI工廠三大場景。
Cadence執行長Anirudh Devgan指出，代理式AI與數位孿生（Digital Twins）正在重塑整個工程版圖，從半導體設計一路延伸到「行星規模」的AI系統；NVIDIA執行長黃仁勳也將這波變化定位為運算產業的轉折點，認為CUDA加速運算與AI正在重新發明工程設計流程，使工程團隊能先在數位世界中探索、測試與最佳化，再進入實體建置階段。這也說明，Cadence與NVIDIA的合作已不只是單點工具加速，而是將「設計」與「實體實現」之間的距離縮短，讓模擬、驗證、部署與營運逐步形成可連續迭代的閉迴路。
從ChipStack到AgentStack：EDA流程進入代理式AI時代
這次兩家公司合作訊息的重點之一，是將Cadence的代理式AI設計能力推向更完整的晶片與系統流程。Cadence在2026年2月推出ChipStack AI Super Agent，主打前端晶片設計與驗證自動化，可從規格與高階描述出發，協助產生設計程式碼、測試平台、測試計畫，並協調迴歸測試、除錯與自動修正問題。Cadence表示，ChipStack在設計與驗證任務中可帶來最高10倍生產力提升，並已進入多家頂尖晶片與系統公司的早期部署，包括Altera、NVIDIA、Qualcomm與Tenstorrent等。
ChipStack的定位並非單純的「程式碼產生器」，而是以多個虛擬工程師（即AI Agent）協作的方式，呼叫Cadence既有EDA工具與AI平台，協助完成前端設計與驗證流程。Cadence也特別強調，ChipStack結合Cadence的Verisium驗證平台、Cerebrus智慧晶片探索工具，以及JedAI資料與AI平台等基礎技術，而這些AI最佳化與輔助設計能力已被應用於超過1,000次晶片設計定案（tapeout）。在模型支援上，ChipStack可支援雲端與本地部署的大型模型，包括可客製化的NVIDIA Nemotron模型、NVIDIA NeMo框架，以及雲端代管模型。
在Cadence與NVIDIA最新擴大合作中，ChipStack進一步成為AgentStack的基礎。Cadence新揭露的AgentStack可視為一個總控代理（head agent），目標是協調半導體與系統設計的更多階段，將ChipStack原本聚焦於RTL與驗證的能力，延伸到實體設計、客製化與類比設計、設計遷移，以及系統層級工作流程。AgentStack將Cadence代理工具與可利用NVIDIA Nemotron、NVIDIA加速運算平台的EDA流程串接起來，支援長時間、多代理協作的工程任務。NVIDIA也作為早期合作夥伴，將AgentStack流程導入其半導體與系統設計流程，提供實際回饋，協助Cadence擴展至更廣泛的產業部署。
這代表EDA工具的操作模式正在從傳統指令稿與圖形介面，轉向可理解設計階層、關聯與通訊協定的代理式流程。對工程團隊而言，價值不只在於「更快產生結果」，而是能將多天甚至更長時間的設計迭代壓縮到數小時內，並讓資深工程師從大量重複性驗證、除錯與流程協調工作中釋放出來，投入架構判斷與創新設計。
加速模擬與實體AI：從晶片走向機器人與自動化系統
Cadence與NVIDIA合作的第二個重點，是透過NVIDIA CUDA-X、AI物理模型、Omniverse函式庫，以及採用NVIDIA AI基礎架構的Cadence Millennium M2000 Supercomputer，加速Cadence的EDA與SDA解決方案。Cadence表示，這次合作將加速其一系列基於物理原理的求解器，並利用AI實體模型，讓工程工作流程最高可達100倍加速。這對先進晶片、封裝、電磁、熱、流體與系統層級模擬都有直接意義，因為AI時代的設計挑戰已不再侷限於電路本身，而是跨越晶片、封裝、板級系統、機櫃、資料中心，甚至機器人與自動化設備。
這項合作也延伸到實體AI（physical AI）。雙方將Cadence Physical AI Stack與NVIDIA機器人模擬函式庫及加速運算平台結合，協助縮短機器人與自主機器從模擬到真實世界部署之間的落差。Cadence的高擬真多物理模擬與AI工作流程，將與NVIDIA Isaac開源模擬函式庫、Cosmos世界模型串接，形成從世界模型訓練、精準物理模擬、大規模情境測試到現實回饋的端對端流程。
在這樣的架構下，AI代理可協調訓練、物理替代模型建立、策略最佳化、驗證與部署回饋等任務；虛擬訓練可在NVIDIA Isaac Sim與Isaac Lab中進行，再透過Cadence物理模型、VTD與VTDx進行更細緻的情境驗證，最後部署到NVIDIA Jetson機器人與邊緣AI系統。對機器人產業而言，關鍵不只是「在模擬環境訓練得更快」，而是讓模擬資料更接近真實物理條件，提高部署時的安全性與可信度。
AI工廠數位孿生：把資料中心當成可最佳化的工程系統
第三個重點則是AI工廠。隨著AI訓練與推論基礎設施快速擴張，資料中心已不只是IT設備堆疊，而是受到電力、散熱、空間、氣流、控制邏輯與投資報酬等條件高度限制的複雜工程系統。Cadence此次將NVIDIA Omniverse DSX Blueprint整合至AI工廠數位孿生方案，協助客戶設計、模擬與最佳化大規模Vera Rubin與Grace Blackwell AI工廠。雙方也將AI基礎設施效率指標聚焦在「每瓦token產出」（tokens per watt），讓設計團隊可在實體建置前評估GPU功率設定、系統配置與冷卻架構之間的取捨。
Cadence與NVIDIA先前已在AI工廠數位孿生上展開多項合作。2025年3月，Cadence宣布擴大與NVIDIA的多年合作，內容包括以NVIDIA Blackwell系統將Cadence求解器加速最高80倍、共同開發工程與科學應用的全端代理式AI方案，並成為NVIDIA Omniverse AI工廠數位孿生藍圖的早期採用者之一。同年9月，Cadence又擴充Reality Digital Twin Platform資料庫，加入NVIDIA DGX SuperPOD with DGX GB200系統的數位孿生模型，使資料中心設計與營運團隊能在建置AI工廠前，先模擬成本、空間、能源、冷卻與環境影響等限制。
總結以上資訊，Cadence與NVIDIA的合作正在形成一套從「晶片設計」延伸到「AI基礎設施營運」的工程平台思維。Cadence官方頁面也將雙方多年合作歸納為EDA、系統設計與分析、數位生物學與AI等領域的深度協作，並強調透過軟硬體共同最佳化，協助NVIDIA工程團隊設計更高能效的AI半導體，同時降低AI資料中心的碳足跡。
從產業角度來看，Cadence與NVIDIA擴大合作的意義，在於EDA已不再只是晶片公司內部的設計工具，而在AI時代扮演了電子工程設計的基礎平台。當代理式AI能理解設計意圖、協調工具流程，搭配能承載更大規模物理模擬的加速運算系統，再加上能把AI工廠與實體AI系統納入可預測、可最佳化、可持續迭代模型的數位孿生，設計工具業者的競爭焦點也將從單一工具效能，轉向是否能為客戶提供跨領域流程整合與更快的決策速度。
對半導體、機器人、自動化系統與資料中心業者而言，這波AI推動的技術革新則意味著未來的產品開發考量重點，不只是更快完成設計，而是能否在一個趨近真實的數位模擬環境中更早期評估產品設計風險、成本與效能邊界，以做出更具效益的產品上市策略。
- 代理式AI與數位孿生正在重塑電子工程設計流程 - 2026/04/21
- 從大型GPU叢集到單機工作站：機器人強化學習的全新路徑 - 2026/04/20
- 高通與Snap宣佈擴大合作：2026可望成為消費性智慧AR眼鏡轉折點？ - 2026/04/15
訂閱MakerPRO知識充電報
與40000位開發者一同掌握科技創新的技術資訊！
