Semiconductor Engineering 9/23 綜覽：物理 AI 驅動硬體架構重構，業界預測 2027 EDA 走勢
為何重要
AI 正從軟體演算法最佳化轉向物理世界的硬體限制突破，這迫使我們重新審視 RF 設計、封裝密度（如 hybrid bonding）與系統熱管理的邊界。對開發者而言，單靠提示詞工程已不足以應付物理 AI 的系統級挑戰；對產業而言，邊緣運算架構需更考量硬體安全與即時性，這可能導致晶片設計與封裝技術路線的全面重組。
- 西門子建議採用物理數位雙生模型，僅需極少數分佈精確的物理溫度感測器，即可支援系統內的大量虛擬感測器運作。
- Synopsys 指出「代理型 AI 系統」改變了工作單位，將工作流程從單一的提示詞或建議升級為目標導向的協同作業。
- EDA 業者預測隨著 AI 對多模態與即時性需求的提升，傳統邊緣矽晶片無法滿足物理 AI 對硬體安全與效能的嚴苛要求。
- EDSA 與 Griffin Securities 分析師探討 EDA 市場成長的永續性、AI 複雜度對產業的影響，並提出 2027 年營收預測。