放眼国外，特斯拉长期投入自研AI芯片，亚马逊持续发展自研计算芯片，小米、比亚迪等企业也在不同程度上推进芯片自研或深度定制。OpenAI等AI企业同样在探索更贴合自身模型和推理需求的硬件方案。

这些企业的业务模式各不相同，技术路线也不一样，但它们正在做一件相似的事：重新审视芯片在自身业务中的位置，并尝试把部分原本交给外部供应商的能力掌握在自己手里。

问题随之而来。

当越来越多的系统厂商开始造芯，传统Fabless公司的生存空间会不会被挤压？如果AI与EDA进一步融合，芯片设计门槛不断下降，未来是不是任何一家有规模、有技术团队的企业，都有机会成为芯片设计公司？是否意味着Fabless的黄金时代要结束了？

这不是一个简单的技术问题，而是关系到整个半导体产业链价值分配的变化。

过去几十年，半导体产业形成了一套相对成熟的分工模式。

Fabless公司负责芯片设计，晶圆代工厂负责制造，封装测试企业负责后端生产，而汽车、手机、服务器等系统厂商采购芯片，再通过硬件、软件和系统集成构建最终产品。

这种分工的合理性很明确。

芯片设计需要长期的技术积累、专业的研发团队和巨额投入。并不是每一家终端企业都有必要从头建设一支芯片设计队伍。由专业芯片公司面向多个客户开发产品，再通过规模化销售摊薄研发成本，通常更加经济。

但这个模式有一个前提：系统厂商对芯片的需求，可以通过市场上已有的产品得到较好满足。

问题是，AI正在改变这个前提。

以汽车为例，智能驾驶、座舱计算和车身控制对芯片的要求，越来越深入到算法、软件和整车架构层面。一颗芯片能否满足需求，不再只是看算力、功耗和价格，还要看它能否与整车的软件架构、控制逻辑和功能安全体系协同。

对汽车厂商来说，采购一颗性能不错的芯片，未必就能获得最优的系统表现。

云计算和AI领域也是如此。

对于拥有大规模数据中心的企业而言，通用处理器和AI加速器固然重要，但真正影响运营成本的，是整个计算系统的效率。芯片性能、内存带宽、互联、功耗、软件调度以及具体工作负载之间，都存在复杂的耦合关系。

当系统规模足够大时，即使只是部分环节的效率提升，也可能带来可观的经济收益。

于是，系统厂商开始重新计算一笔账：与其完全接受外部供应商的产品定义，为什么不按照自己的需求设计芯片？

这正是系统厂商造芯的底层动力。

过去是芯片公司定义产品，再让系统厂商适配；未来则可能是系统厂商定义系统目标，再决定哪些芯片必须自研、哪些交给合作伙伴、哪些直接采购。

这看似只是研发流程的变化，实际上改变了芯片产业链的起点。

回到理想汽车。根据此次融资新闻披露的信息，马赫心科技自研的马赫M100采用动态数据流架构，面向AI计算场景，并已进入理想车型的量产应用。

如果只看自研芯片，理想并不是第一个吃螃蟹的汽车企业。真正值得关注的是，理想正在尝试将芯片业务从整车研发体系中进一步独立出来，通过外部融资和未来的商业化拓展，建立更独立的业务能力。

这里存在两种截然不同的商业逻辑。

第一种是内部技术资产。

芯片主要服务于理想自己的车型，通过与算法、软件和整车系统协同，改善产品性能、控制成本，并降低对外部供应商产品路线图的依赖。

在这种模式下，即使芯片没有对外销售，它依然可能为整车业务创造价值。

第二种则是独立芯片业务。

马赫心不仅服务理想，还要面向其他车企或其他计算场景销售芯片、控制器及配套技术。一旦走到这一步，它就必须面对传统Fabless公司一直面对的问题：产品能否标准化，能否适配不同客户的软件架构，能否建立稳定的开发支持体系，能否通过足够的出货量摊薄研发成本。

这两种模式之间，并不存在必然的递进关系。

一颗为特定车型深度优化的芯片，未必能够直接变成适用于其他客户的标准产品。不同客户的算法、软件、功能安全要求和系统架构可能存在显著差异。

因此，马赫心未来能否成为一家真正独立的芯片平台公司，还需要看外部客户拓展、产品复用能力和商业化表现。

但它所代表的方向已经很清晰：系统厂商开始把芯片设计能力，从内部研发手段，转变为可以独立运营和商业化的技术资产。这对传统芯片公司意味着什么？答案是，部分客户正在成为潜在竞争者。

系统厂商造芯，会不会让Fabless遭遇灭顶之灾？

我的判断是：Fabless模式不会整体消失，但传统Fabless的价值创造方式，可能面临一轮深刻重构。

首先受到冲击的，是那些高度依赖少数大客户、产品差异化不足的芯片公司。

过去，一家Fabless公司只要设计出一颗满足市场需求的芯片，就有机会向多个客户销售，并通过规模化出货获得收益。但如果它的核心客户拥有足够大的采购规模、成熟的软件团队和稳定的产品路线图，就可能开始考虑自行设计芯片。

对客户来说，这不仅是为了省下芯片采购成本，更是为了掌握产品定义权、减少供应链依赖，并获得更好的系统优化空间。

而且，系统厂商不一定需要完全复制一家Fabless。

它可以自行定义芯片架构，采购成熟的处理器或接口IP，将部分设计工作交给专业设计服务公司，再利用晶圆代工和封装测试企业完成产品落地。

换句话说，系统厂商不必掌握芯片设计的每一个环节，也能控制关键技术和产品方向。

这意味着，未来的竞争不一定表现为系统厂商彻底取代Fabless，也可能表现为Fabless在产业链中的角色发生变化。

过去，Fabless可能直接向客户销售整颗芯片；未来，它也可能转向提供核心IP、设计服务、定制开发和技术支持。

真正危险的，是那些既没有关键IP，又没有显著性能优势，还主要依靠标准化产品和价格竞争的企业。

当客户有能力自己定义芯片时，这些供应商的议价能力就可能下降。

不过，也不能因此低估专业芯片公司的优势。

处理器架构、先进接口、模拟电路、存储控制器、功能安全、复杂SoC验证和长期软件支持，都需要深厚的技术积累。对于出货规模不够大、产品迭代快或芯片并非核心竞争力的企业来说，直接采购专业芯片，仍然可能是更经济的选择。

所以，系统厂商造芯不是对所有Fabless的平均打击，而是重新划分了哪些芯片值得自研，哪些芯片仍然应该交给专业公司。

如果说系统厂商造芯是已经发生的产业趋势，那么AI与EDA的融合，可能进一步加速这场变化。

过去，芯片设计之所以难以普及，不只是因为需要懂得数字电路和芯片架构，更因为整个设计流程涉及大量复杂的工程任务。

从架构探索、RTL编写、功能验证，到逻辑综合、布局布线、时序收敛、功耗分析和物理验证，每个环节都需要专业工具、工程经验和反复迭代。

一颗芯片即使逻辑功能正确，也不代表它能够在目标工艺下达到预期的性能、功耗、面积和可靠性。

传统EDA工具能够帮助工程师完成这些工作，但设计流程中仍然存在大量人工操作。工程师需要编写代码、设计测试、运行仿真、定位错误、调整约束，再重新执行验证。

AI正在改变其中的一部分。

从辅助生成RTL和测试代码，到分析验证结果、定位错误，再到调用EDA工具执行特定任务，AI的角色正从一个辅助工程师的工具，逐步向能够参与工程流程的智能体演进。2026年，EDA厂商已经开始推出面向芯片设计与验证的AI智能体产品，尝试将代码生成、验证和调试等任务整合进自动化工作流。

需要注意的是，厂商所公布的生产力提升指标，通常针对特定任务，并不能直接等同于整个芯片设计周期的缩短幅度。

但方向已经值得重视。

过去，一家汽车公司即使拥有优秀的算法和系统团队，也未必能轻易建立完整的芯片设计能力。因为它不仅需要芯片架构师，还需要RTL设计、验证、物理设计和量产工程等多个专业团队。

如果AI能够承担更多重复性的编码、验证和调试任务，系统厂商建立芯片设计队伍的组织成本就可能下降。

这才是AI与EDA融合真正值得关注的地方。

AI未必让芯片设计变得简单，但它有可能让完成部分设计任务所需的人力、时间和专业经验大幅减少。

而当设计能力更容易获得时，更多系统厂商就可能重新评估自研芯片的可行性。

目前，已经仅有两人规模的算力芯片，也有三个人利用开源和AI工具完成芯片的完整开发，这都说明芯片设计门槛在大大降低。

如果AI与EDA持续融合，芯片产业可能发生五个变化。

1. 定制芯片市场进一步扩大

过去，定制芯片需要较高的前期研发投入，只有出货规模足够大、产品生命周期足够长的企业，才容易算得过这笔账。如果AI能够降低部分设计与验证成本，更多企业就可能尝试为特定工作负载设计专用芯片。

这对AI加速器、汽车芯片、工业控制芯片和其他专用SoC，都可能产生影响。

但定制芯片能否盈利，最终仍取决于研发投入、流片费用、软件适配、产品生命周期和实际出货量。设计更容易，不意味着所有定制项目都能获得商业成功。

2. 普通设计服务可能承压，核心IP的价值更加突出

如果AI能够更高效地生成部分基础逻辑，那么单纯依靠人力投入的重复性RTL开发和简单设计服务，就可能面临价格压力。

但这并不意味着所有IP都会贬值。

成熟的处理器IP、先进接口IP、模拟IP、存储子系统，以及经过长期验证的功能安全IP，依然具有较高价值。

客户真正需要的，不只是代码，而是能够在特定工艺、特定系统中可靠工作的实现，以及与之配套的验证、兼容性和技术支持。

未来，普通设计工作的价值可能下降，而能够显著缩短开发周期、降低风险的核心技术资产，可能获得更高的议价能力。

3. EDA从工具供应商走向工程平台供应商

传统EDA公司的核心产品，是面向不同设计环节的软件工具。当AI智能体开始调用多个工具、分析运行结果并推进下一步任务时，竞争就不再只是某个工具的功能有多强，而是谁能够掌握完整的工程闭环。

这要求EDA公司把专业工具、设计数据、验证引擎、IP资源和智能体编排能力结合起来。

未来，EDA公司的价值可能不再只体现为软件许可收入，还可能延伸到自动化设计流程、工程效率提升以及更深层次的设计服务。

但这一变化也会带来新的竞争：谁拥有足够可靠的工具、准确的工程数据和可验证的执行结果，谁才更有机会成为真正的芯片设计平台。

4. 系统协同的重要性进一步上升

当更多企业能够设计出满足基本要求的芯片，真正的差距就可能进一步转向系统层面。

以AI芯片为例，算力只是其中一个指标。内存带宽、互联、封装、供电、散热、编译器和软件调度，都会影响最终性能。

汽车芯片也是如此。芯片必须与算法、软件、控制器和整车架构协同，才能发挥实际价值。

AI可以帮助工程师搜索和优化设计空间，却无法凭空消除物理限制。

因此，未来的竞争不会简单地从芯片设计转移到AI，而是从单颗芯片的竞争，进一步延伸到整个系统的竞争。

5. 芯片公司的边界越来越模糊

未来，一家系统厂商可能拥有自己的芯片设计团队，同时采购外部IP；一家Fabless可能既销售标准芯片，也提供定制设计；一家EDA公司可能通过智能体深入客户的研发流程。

系统厂商、芯片设计公司、IP供应商和EDA企业之间的边界，可能变得越来越模糊。

这意味着，半导体产业的竞争将不再只是公司之间的竞争，还会是不同技术平台、工程体系和商业模式之间的竞争。

在我看来，未来几年，Fabless行业很可能出现明显分化。

第一种是平台型芯片公司。

它们拥有成熟的芯片产品、软件栈、开发者生态和长期技术积累。客户即使具备自研能力，也未必有必要重新建立整套平台。这类公司的核心竞争力，不只是芯片本身，而是完整的技术体系。

第二种是核心IP公司。

它们不一定需要独占整颗芯片的设计权，而是通过处理器IP、接口IP、模拟IP或专用模块，为大量定制芯片提供基础能力。系统厂商越是走向定制化，这类企业反而越可能获得新的市场机会。

第三种是AI原生设计与工程服务公司。

它们利用AI自动化架构探索、RTL开发、验证和物理设计，帮助客户实现定制芯片。未来的关键是能否把项目经验转化为可复用的平台能力，而不是单纯依靠更多工程师承接项目。

第四种，则是缺乏核心技术、客户集中度高、产品差异化不足的单一产品型Fabless。

这类企业可能同时面临客户自研、产品同质化和价格竞争的压力。当然，这并不是对所有公司的确定性预测。不同企业可能同时拥有平台、IP和设计服务业务。

但有一点越来越清楚：未来Fabless的竞争力，不再只是能不能设计出一颗芯片，而是能否提供客户难以替代的价值。

对中国半导体产业而言，这场变化尤其值得关注。中国拥有大量汽车、消费电子、工业设备、通信设备和AI应用企业。它们对产品差异化、供应链安全和成本控制有强烈需求。

如果AI能够降低部分芯片设计的组织成本，就可能有更多企业具备开展专用芯片项目的条件。

但这不意味着所有系统厂商都应该造芯。没有足够的出货规模，没有稳定的产品路线图，也没有能力长期维护软件和验证体系，自研芯片就可能成为沉重的资金负担。

真正值得期待的，是产业分工效率的提升。

系统厂商负责定义真实需求和关键架构；Fabless提供成熟的芯片平台和核心IP；EDA公司利用AI提高设计效率；专业设计服务公司帮助客户完成定制实现；晶圆代工、先进封装和测试企业提供制造与量产保障。

如果这些环节能够形成更高效的协同，中国半导体产业就有机会在系统级创新、定制芯片和AI原生设计等领域建立新的竞争优势。

尤其是EDA。

如果AI智能体未来能够把系统需求、芯片架构、RTL、验证、物理实现和硅后数据进一步串联起来，EDA就不再只是工程师使用的一组软件工具，而可能成为整个芯片产业智能化的基础设施。

这不仅会改变芯片设计的效率，也可能改变设计能力在产业链中的分布方式。

回到马赫心科技这笔融资。它的意义不在于又多了一家芯片公司，而在于一家汽车企业正在尝试把芯片设计能力变成可独立运营、可融资、可商业化的技术资产。

而AI与EDA的融合，可能进一步降低部分芯片设计任务的门槛，让更多企业有能力参与芯片设计。

这两种变化叠加起来，可能改变整个半导体产业的价值分配。

但我并不认为Fabless会因此消失。恰恰相反，当越来越多的企业开始设计芯片，市场对成熟IP、专业设计工具、先进工艺、验证能力和量产服务的需求，仍然可能持续增长。

真正面临挑战的，是那些无法提供独特价值、只能依赖单一产品和价格竞争的企业。

未来，系统厂商可能成为芯片公司，芯片公司可能成为平台公司，EDA公司也可能成为工程自动化平台的提供者。

产业边界会不断变化，但竞争的本质不会改变。

当芯片设计能力逐渐普及，真正稀缺的将不再只是设计一颗芯片的能力，而是把芯片做成产品、把产品做成平台，并持续创造商业价值的能力。这才是马赫心融资，以及AI与EDA融合，留给整个半导体产业最值得思考的问题。

对此，大家怎么看欢迎评论区留言讨论！