1071亿研发费里，Agent能撬动什么？
2026年2月的一个深夜。上海张江。
一个芯片设计团队刚刚收到了流片回来的第一批测试结果。36个人的团队，18个月的工作，7纳米的制程——测试结果上只有一个词：Fail。
总损失：超过2.8亿人民币。
这不是一个虚构的故事。这是全球芯片设计行业每天都在经历的日常。一轮7纳米制程的流片，仅光罩费用就高达500万到1000万美元不等，加上IP授权、EDA工具、封装测试——总投入轻松突破3000万美元。而芯片行业的”首版成功率”——就是第一次流片就能正常工作的比例——长期以来徘徊在一个令人不安的数字附近。
一次失败，数千万灰飞烟灭。这就是芯片设计——人类工业史上”错别字”最贵的行业。
但现在，一群硅谷和北京的工程师正在试图用Agent来解决这个问题。他们的逻辑很简单：如果一次流片失败的成本足够高，那花再多钱训练一个能避免失败的Agent，都是值得的。
而这个逻辑的落脚点，恰好踩在了A股238家半导体公司、合计1071亿研发费的正中央。
一
先看清楚1071亿这个数字。
2025年，A股238家半导体公司研发费合计1071亿元，创历史新高。而整个电子行业（含半导体、电子制造、元器件等）的研发绝对值达到2337亿元——首次超越建筑装饰，登顶全A股第一。
1071亿是什么概念？它相当于A股半导体行业营收的大约13%——每赚100块钱，13块投回研发。这个比例是全A股所有细分赛道中最高的之一。
如果再聚焦到GPU和AI芯片公司，这个比例更是被推到了极端水平。摩尔线程：研发投入13.05亿元，研发强度86.68%——公司几乎把所有的收入都砸回了研发。沐曦股份：62.49%。龙芯中科：超过65%。海光信息：研发投入45.69亿元，同比增长32.58%，研发人员2766人，占员工总数82.99%。
这些公司不是在”做研发”——它们本身就是研发。它们的产品是芯片，而芯片是人类智力密集度最高的工业品之一。
一个7纳米芯片的诞生，需要经过架构设计、RTL编码、功能验证、逻辑综合、布局布线、时序收敛、功耗优化、物理验证、可制造性设计——每一步都需要数十到数百名年薪百万以上的工程师，用18到36个月的时间，在数千万美元一套的EDA工具上，一笔一画地”雕刻”出数百亿个晶体管的排列方式。
这就是1071亿研发费的来处——它本质上是一笔”人头费”。238家公司为约20万名芯片工程师支付的工资、奖金和股权激励。
但现在，一笔新的费用正在从这笔”人头费”中分裂出来。它的名字，叫”Agent设计费”。
二
要理解这场分裂，先要理解芯片设计行业的一个根本矛盾。
芯片设计有两个特点，在所有的制造业中独一无二。第一，它是人类智力密集度最高的产业——一个顶级芯片架构师的年薪，有时能抵得上一个小型工厂的全年利润。第二，它的试错成本极高——写软件出了bug可以推送补丁，写芯片出了bug只能重新流片，重新花几千万美元。
这两个特点叠加，产生了芯片设计史上最昂贵的一种行为：验证。
在芯片设计中，超过50%的总投入花在了验证上——不是设计芯片，而是确保设计出来的芯片没有bug。验证工程师和设计工程师的比例，在先进制程项目中可以达到2:1甚至3:1。硅谷有个著名的自嘲：“我们不是在造芯片，我们是在证明芯片没有bug。”
为什么验证这么贵？因为芯片的bug无法事后修复，所以验证必须”穷举”——覆盖所有可能的情况，确保在任何极端条件下芯片都不会出错。这是一个在数学上不可能完成的任务，但工程师们必须无限接近它。
这就解释了为什么Agent在芯片设计中的第一个着陆点，不是设计，而是验证。
2026年2月，Cadence——全球EDA三巨头之一——发布了ChipStack AI Super Agent。它的核心能力不是设计新芯片，而是：自动从设计规格生成RTL代码和testbench，自动执行验证流程，自动检测并定位bug，自动生成修复方案。Cadence官方的数据是：将完整验证周期从天压缩到小时，bug捕获率媲美人类专家团队。
一个月后的3月16日，Siemens发布了Fuse EDA AI Agent——一个能够跨半导体设计全流程（从架构探索到物理验证到制造signoff）自主编排多Agent工作流的系统。NVIDIA用自己的芯片开发流程验证了这套系统，并宣布在自己的芯片开发中使用Fuse。
又过了一个月，Synopsys宣布正在构建一个基于AgentEngineer技术的多Agent框架，用于半导体和系统设计。
全球EDA三巨头，在2026年的第一个季度全部亮出了Agent底牌。
这不是巧合。芯片设计的”验证瓶颈”已经困扰了行业二十年。随着制程微缩到3纳米、2纳米，设计复杂度呈指数级增长，验证成本的增长曲线比摩尔定律更陡峭。用更先进的工具（Agent）来解决工具本身无法解决的问题——这是EDA行业的自我革命。
三
但三巨头的Agent战略里，有一个细节值得放大来看。
Cadence在推出AgentStack——覆盖全芯片设计流程的三级Agent架构——的同时，也宣布了一个商业模式的重大转变：从传统的许可证定价，转向按”虚拟工程师”产出计费的消费模式。
翻译一下：过去你买Cadence的工具，是每年付一笔固定的许可证费用，随便用多少。现在你买Cadence的Agent，是按它实际完成了多少设计工作来付费——像一个真正的工程师一样。
这不是定价策略的微调。这是EDA商业模式地基的一次地震。
想一想：一个芯片设计工程师的年薪是100万到300万人民币。一个Agent如果能完成这个人80%的工作，它应该值多少钱？如果Cadence的定价逻辑成立，它将不再是一家”工具公司”，而是一家”数字员工派遣公司”——把AI Agent当作虚拟工程师，按产出向芯片公司收费。
这个定价逻辑一旦跑通，它将从根本上改写芯片行业的研发费用结构。
中国芯片工程师的平均年薪约50万到100万人民币（顶尖的更高）。海光信息2766名研发人员，年人均研发费用约165万元。寒武纪887名研发人员，年人均研发费用约132万元。在这笔账里，“人头费”几乎等于研发费的全部。
但如果Agent能以十分之一的成本完成同等工作量呢？
Design Conductor 2.0——一个由多Agent协作驱动的芯片设计系统——在2026年5月完成了一项令行业震撼的实验：它在80小时内，从头到尾设计了一款名为TurboQuant的推理加速器，从架构定义到RTL实现到FPGA验证，全流程自主完成。
80小时。对比传统方式：18到36个月，数十到数百人。
当然，TurboQuant是一款面向边缘AI应用的相对简单的芯片，不能和苹果M系列或英伟达H100的复杂度相比。但方向是明确的：当Agent能够以小时为单位完成过去以月为单位的设计工作时，“研发费用 = 人头数 × 平均工资”这个公式，被插入了一个全新的变量。
四
现在，把这套逻辑拉回中国。
A股238家半导体公司的1071亿研发费，正站在一个三岔路口。
第一条路：继续”堆人”。 这是过去二十年的路径。海光信息2025年研发人员增长到2766人，同比增加——意味着更高的人头费，但也意味着更低的人均产出效率。这条路的天花板清晰可见：中国的芯片工程师数量不是无限的，顶尖人才更是极度稀缺。海光信息、寒武纪、澜起科技这几家公司的”人均研发投入超百万”并不是奢侈，而是人才争夺战的必然结果。
第二条路：用Agent辅助设计。 这是正在发生的事。Cadence、Siemens、Synopsys的Agent工具正在向中国芯片公司的设计团队渗透。NVIDIA Agent Toolkit是开源的——这意味着中国的芯片设计公司可以直接用它来构建自己的EDA Agent。寒武纪的887名研发人员、海光的2766名研发人员——他们的工作台正在被Agent改造。工具在变，工作流在变，但人还在。
第三条路：让Agent主导设计。 这是Design Conductor指向的方向。当Agent不仅能辅助工程师，还能自主完成从架构到GDSII的全流程时，“研发费用”的会计科目就需要新增一行：“Agent设计费”。这笔费用包括三个部分：Agent运行的算力成本（GPU租赁或自有）、模型API调用费、以及Agent编排和管理平台的费用。
这场三岔路口的抉择，和整个系列第一篇里描述的”万亿研发费用的新岔路口”是同一张地图的不同比例尺。只不过在半导体行业，它被放大了极致——因为芯片设计的智力密集度和试错成本都远远高于其他行业。
而对于中国的芯片公司来说，这个岔路口还叠加了一层额外的复杂度。
这些公司同时在两个维度上与Agent发生关系。第一，它们是Agent的用户——用Agent来设计芯片，降本增效。第二，它们是Agent的供应商——它们的芯片（GPU、AI加速卡、推理芯片）是Agent运行的物理载体。海光信息的DCU、寒武纪的思元系列、摩尔线程的MTT系列——这些芯片的终端客户，正是那些在部署Agent的企业。
中国芯片公司同时站在Agent的两端：左手买Agent来设计芯片，右手造芯片来运行Agent。这个双向循环一旦加速，1071亿研发费的结构将被彻底重写——从”人头费”为主，变成”人头费 + Agent设计费 + Agent算力芯片研发费”三足鼎立。
五
但有一个数字，比任何技术突破都更能说明这场变革的紧迫性。
2025年，海光信息研发投入45.69亿元，研发人员2766人——人均165万元。寒武纪研发投入11.69亿元，研发人员887人——人均132万元。全球顶级EDA工程师的薪资水平按硅谷标准——一个验证工程师的年薪轻松超过30万美元。
而一个Agent完成同等工作的边际成本是多少？
一篇2026年3月发表在arxiv上的论文给出了参考数据：一个基于GPT-4o-mini的Agentic EDA框架，运行一次完整的芯片设计优化流程，花费$0.16——十六美分。即使是使用DeepSeek-V3.2的更高质量方案，费用也不到数美元。
132万人民币 vs 0.16美元。这就是”人头费”和”Agent费”之间的数量级差距。
当然，这个对比是极度简化的。0.16美元只是单次优化推理的API成本，不包含Agent系统的开发、部署、维护成本。人类的132万元里包含了二十年教育、十年经验、直觉、判断力和创造力——这些Agent目前都不具备。
但这个数量级的差距，已经足以让每一家芯片公司的CFO在审阅研发预算时停下来思考：如果这些Agent工具成熟到可以替代一个初级工程师30%的工作量——我的研发费用表该怎么填？
六
2026年4月，NVIDIA GTC大会上，黄仁勋说了一句话。他说，NVIDIA正在用Siemens的Fuse EDA Agent设计下一代GPU。
全球最先进的AI芯片公司，正在用AI Agent来设计更先进的AI芯片。这个闭环一旦形成，每一次循环都会把下一块芯片推上一个新的台阶——而这块新芯片又能运行更强大的Agent。
Agent设计芯片，芯片运行Agent，Agent再设计更好的芯片——这不是科幻，这是NVIDIA正在做的事情。
对于A股的238家半导体公司来说，这个闭环既是最大的机遇，也是最大的威胁。机遇在于，如果中国的芯片公司能用Agent大幅缩短设计周期、降低试错成本，中国半导体产业的追赶速度将获得一个非线性加速器。威胁在于，如果NVIDIA-台积电-Cadence的铁三角率先实现Agent闭环，原本由人才成本优势带来的追赶窗口，可能被Agent的生产力优势彻底击碎。
这就是为什么摩尔线程要把86.68%的收入砸回研发。因为在这个Agent驱动的闭环面前，速度比利润率重要得多。
七
回到上海张江的那个深夜。
36个人的团队盯着测试结果上的”Fail”。他们知道接下来会发生什么——至少18个月的等待重新流片，数亿的资金灰飞烟灭。
但如果给他们一个选择：下次设计时，你愿意让Agent主导验证吗？
在2026年2月，大多数芯片工程师会说不。Agent还不能被信任到承担”一次错误几千万”的代价。
但到了2026年5月，Design Conductor 2.0在80小时内自主完成了一款芯片从概念到FPGA验证的全流程之后——这个问题的答案开始松动。
Cadence的ChipStack已经将验证周期从天压缩到小时。Siemens的Fuse已经在NVIDIA的真实芯片开发流程中运行。Synopsys的AgentEngineer架构已经进入了beta测试。
当一个Agent在80小时内做过的事开始变得”可重复”，1071亿研发费的分配方式，就不可能再像以前一样了。
238家中国半导体公司。2766名海光信息的研发人员。887名寒武纪的研发人员。
他们每个人的工作台，都在2026年发生了同一件事：多了一个Agent。
这个Agent还不太可靠。它有时会犯低级错误。它不懂为什么一个特定的电路设计需要某种特殊的结构。它无法替代一个有二十年经验的芯片架构师的直觉。
但它不需要睡觉。不需要年假。不需要股权激励。它的边际成本是每小时几美元。
而在一个”一次错误几千万”的行业里，哪怕Agent只能把失败概率降低5%——它已经比海光信息的2766名员工里最优秀的那一个，更值钱。
2026年6月。北京中关村。
一家国产GPU公司的年度研发预算评审会上，CTO在最后一张PPT上写了一行字：
“2027年预算草案：研发费用增加15%。其中：人员薪酬增长5%，Agent设计费用增长300%。”
财务VP看着这行字，沉默了很久。
然后他问了一个问题——和本系列前面三篇文章里出现过的那个问题一模一样。
“这笔钱投下去，Agent会不会先学会设计它自己的下一代？”
CTO没有回答。但PPT自动翻到了下一页。上面只有一个数字——
1071亿。
然后，跳出了一个新的数字：2142亿。
下面有一行小字：（如果Agent把流片成功率从50%提升到75%，同样的1071亿，能撬出两倍的芯片。）
（系列第四篇完。下一篇：【医药】10年10亿美元的游戏规则被改写了。）