7月19日下午，2026世界人工智能大会（WAIC）“链动智造，场景为先”AI+高端制造产业链接会在上海张江科学会堂举行。本次活动由观察者网、WAIC CONNECT主办，半导体行业观察协办，聚焦AI技术与高端制造的深度融合。

全芯智造技术股份有限公司技术推广负责人孟晓东以《人工智能与制造EDA的融合发展》为题作了主旨演讲。他从制造EDA所处的产业链位置切入，梳理了当前国内外的市场格局，并系统阐述了公司近年来在AI+制造EDA方向上的技术积累、产品化路径和落地情况。

全芯智造技术股份有限公司技术推广负责人孟晓东

制造EDA的“中场”位置，与AI落地的门槛

要理解制造EDA的价值，需要先厘清它在整个半导体产业链中的坐标。业界所熟知的EDA工具中，设计类EDA相对被大众所了解，涉及芯片布线、网表、仿真等前端环节；而制造EDA则位于设计与量产之间的中间地带，负责把芯片设计的“蓝图”最终具象化为可以在晶圆上真正实现的物理形态。

孟晓东在活动现场的演讲中打了个通俗的比方：如果说设计EDA相当于建筑系画出图纸，那么制造EDA更像土木工程——把图纸落到掩模、光刻、蚀刻乃至封测的具体施工现场。缺了这一环，芯片的物理实现就无从谈起。因此，制造EDA是一颗芯片能否被“造出来、造得好、造得快”的关键卡口。

放眼全球，EDA市场长期由新思科技（Synopsys）、Cadence与西门子EDA三家国际巨头把持，国产化率较低。

全芯智造选择的路径，是聚焦生产制造类EDA，并在这一细分赛道上，通过自主研发做到满足产业供应链实际发展需要，并探索中国独特先进工艺技术发展路径。孟晓东指出：“要把国产EDA真正用起来，需要国内集成电路产业链企业之间的协同。”

不过，把AI“搬进”制造EDA，远比在其他行业困难。孟晓东在演讲中着重指出了这个领域的一个特殊性：晶圆厂内部对数据安全有着极为严格的要求。这意味着制造EDA中应用AI，很难像通用AI应用那样调用海量数据训练大模型。各家Fab之间、不同项目之间的信息互相隔离，工程师对外提出技术问题都可能面临合规风险。

这就在AI训练与实际业务之间形成了一个悖论——真正需要AI介入的场景往往数据受限，而数据充裕的场景又未必需要AI。孟晓东坦言，正是这一约束条件，塑造了全芯智造在AI应用路径上必须采取因地制宜、分阶段推进的独特打法。

构建统一的AI基础设施，推动软件架构向AI原生迁移

面对上述约束，全芯智造并未选择“大数据+大模型”的通用路径，而是沿着更务实的路线逐步深入。公司经过多年打磨，搭建起统一的训练与推理基础设施，底层整合算力、数据库与模型管理，中间层承载计算光刻、器件仿真、良率管理和DTMCO四条核心产品线的业务应用。在此基础上，公司还沉淀了半导体制造领域的专业知识库，将多年工程经验与行业知识结构化，为垂直领域大模型提供知识资产支撑。

围绕这一基础设施，全芯智造推出了面向计算光刻的智能体，未来将升级为晶圆厂制造智能体，让工程师能够通过自然语言交互，在庞杂的功能菜单中快速定位所需工具，甚至直接生成代码。良率管理、器件仿真、DTMCO三条产品线也各自有对应的智能体，未来将统一整合。

孟晓东解释了这套体系的价值：即便一个工程师不是某个细分领域的专家，也可以借助智能体获得专家级别的反馈和代码支持——半导体工程师工作任务重、专业分工细，AI恰恰能在此发挥“减压阀”的作用。这套大语言模型的另一层设计意图，是让客户在部署之后，可以基于自身的应用方法和积累继续训练，最终形成属于Fab内部的定制化专业大模型。

孟晓东同时勾勒了一条清晰的演进路线：从局部调优起步，通过大语言模型的交互能力实现增强扩展，再进一步构建完整的工作流自动化，最终走向AI自主决策。“我们希望大部分工作最终交给AI来判断，不再需要工程师逐个手动处理每个问题点。”他表示，这套路径的最终目标，是让半导体工程师能把时间用在更有价值的事情上。

四条产品线对标国际厂商，卡位国产EDA拼图

回到公司本身，全芯智造成立近七年，并在国内多地设有子公司——本土Fab客户遍布各地，就近服务是这一分布背后的现实逻辑。公司的核心叙事很清晰：提供自主可控的制造EDA平台，凡是国际厂商所提供的主流制造EDA工具，全芯智造都能做到有对应的国产替代方案。孟晓东在演讲中透露，目前在国内，公司基本上已经支撑了几乎所有Fab在量产和工艺节点推进方面的功能需求，并持续迭代进化。这样的覆盖面，在国产制造EDA这个赛道上并不多见。

各产品线的进展也可以量化。计算光刻领域，公司与国际厂商的一对一功能对标已基本完成：“他们有的功能我们都有”；同时结合国内客户的特定需求做了本土化开发，把工具推送到客户端使用。

良率管理这条产品线上，全芯智造首创了“分析—溯源—干预”的智能制造平台路径，把机台量测的所有信息反馈实时分析、追溯到源头，并给出干预建议——哪个机台需要停机、哪些参数需要调整，例如光刻中的能量参数、Overlay数据等，全部在这个体系内闭环处理。孟晓东特别指出，良率管理是直接体现在产品表面的东西，其他工具中的AI更多在内部发挥作用，但最终效果都会汇聚到良率这一个“总账”上。这也在很大程度上解释了全芯智造为何选择良率管理作为整套AI能力的对外“呈现窗口”。

结语

制造EDA在整个国产半导体补短板的进程中，仍是最容易被忽视、也最难被替代的环节之一。

孟晓东在演讲最后再次强调，芯片制造是一条极长的产业链，任何一个环节的缺失，最终都会反映在良率、成本和制程的推进节奏上。制造EDA就是那种“少了才知道有多重要”的存在。

全芯智造这几年选择的AI+制造EDA路径，某种意义上是在补齐国内EDA拼图上更靠后、但同样关键的一块——它对良率提升与工艺推进的直接影响同样刚性。在WAIC 2026这场以“链动智造，场景为先”为主题的产业活动中，制造EDA的AI化，正被越来越多的业内人士视为下一轮国产芯片竞争力跃升的隐性变量。