七月盛夏，2026世界人工智能大会（WAIC 2026）如期在上海举行，张江科学会堂内人潮涌动。在由观察者网与WAIC CONNECT联合主办、半导体行业观察协办的“重构算力：AI算力需求与供给的结构性重构产业链接会”上，一个关乎中国AI产业发展命脉的话题被反复提及——当算力格局进入结构性重构期，芯片设计这个“上游中的上游”，正在被AI本身深刻改写。

百度智能云副总裁、百度智能云泛科技业务部总经理张玮在接受观察者网和半导体行业观察专访时，系统阐述了百度智能云在芯片行业的全栈布局、AI Agent对芯片设计范式的深层冲击，以及以昆仑芯为锚点所构建的“自研芯片+云服务”闭环逻辑。张玮所阐述的不仅是一家头部云厂商的产业纵深野心，更是中国AI基础设施正在向芯片设计这一核心腹地加速渗透的缩影。

从云厂商切入半导体行业服务，百度智能云选择的路径并不常见。市场上多数云厂商与芯片企业的合作，往往停留在提供算力资源或代销模型API的层面，本质上仍是资源转售的逻辑。但张玮在采访开场就厘清了一个根本性的区别：百度智能云对芯片行业的服务，“不是单点工具输出”，而是基于一套被内部称作“芯-云-模-体”的新全栈AI云架构，提供从底层算力到模型服务再到智能体开发平台的端到端能力。这套架构的设计逻辑是把芯片（芯）、云端基础设施（云）、大模型能力（模）和智能体应用（体）四个维度打通，让每一层的能力都不是孤立输出，而是彼此咬合、纵向贯通。

这套架构落到芯片企业的实际需求上，可以被拆解为三个层面。

最底层是算力层，以百度自研的昆仑芯为核心。2025年，百度已点亮国内首个全自研3万卡昆仑芯集群，万卡集群的有效训练利用率达到97%，线性扩展度超过85%。这组数据之所以值得关注，在于它直接回应了业内长期以来对国产AI芯片在大规模集群训练中“能不能打”的追问——万卡规模集群不出问题容易，保持97%的有效利用率则需要在芯片设计、互联架构、调度软件和故障容错等多个维度同时做到位。对芯片设计企业而言，这样的算力底座意味着EDA仿真和研发流程可以获得弹性算力支撑，不必再受困于本地集群的采购周期和扩容瓶颈。

往上一层是工具层。这一层的核心产品是文心快码（Baidu Comate），它并非一个简单的AI编程助手，而是作为技术底座，支持芯片企业在其上构建领域专属的Agent和Skills，将散落在工程师脑中的专家经验进行工程化沉淀。围绕Comate，百度智能云还推出了一系列差异化显著的配套工具。

“百度胜算”用于本体建模和智能决策，典型应用场景是半导体供应链中的缺料预警和替代方案推荐——在当前地缘政治频繁冲击供应链稳定性的大背景下，这类工具的实际价值不言而喻；“百度伐谋”则聚焦芯片设计空间优化，半导体研发中有大量问题的本质是在巨大的参数空间中寻找更优解，伐谋的思路是让专家定义评价标准，AI在参数空间中持续搜索最优解，工程流程负责最终验证，从而在性能、功耗、面积与成本之间找到动态平衡；此外还有AI大模型安全网关，为企业在IDE、CLI和Agent调用链中提供统一接入、内容检测、模型路由、成本计量和审计运营等全链路安全保障，这对数据安全和IP保护要求极高的芯片设计企业而言，是一道不可缺少的“安全阀”。

再往上是生态层。张玮透露了一组引人注意的数字：百度智能云目前已服务超过1000家核心AI硬件公司，业务覆盖全球前十手机厂商，在AI眼镜企业中的占有率超过90%。这一数据从侧面说明，百度智能云在AI硬件生态中的渗透率已经达到相当可观的规模，为芯片设计企业提供的定制化服务只是这张不断织密的生态网络中正在加速扩展的一环。

如果说云和算力解决的是“用什么来设计芯片”的问题，AI Agent要回答的则是“怎么设计芯片”这个更为根本的命题。

张玮在采访中引用了一组来自ICCAD 2025上Cadence演讲中披露的行业数据：目前约50%的先进芯片已借助AI进行设计，预计到2028年这一比例将超过90%。换言之，AI在芯片设计中的角色已经越过了“锦上添花”的阶段，正在快速成为“不可或缺”的基础能力，而AI Agent正是推动这一质变的关键推手。

在张玮看来，AI Agent在芯片设计领域的核心价值，在于将设计流程从“人工试错驱动”转向“智能自主驱动”。过去，一颗芯片从需求定义到设计验证，高度依赖资深工程师的个人经验和反复的手工迭代，项目周期往往以月甚至年计。

AI Agent的介入，使得需求提取、仿真代码设计、器件迭代优化等过去最耗费高级工程师时间的环节，均有可能实现自动化执行。这带来的效率提升不是线性的百分比改善，而是研发范式层面的跃迁——工程师从重复性的参数调试中抽身出来，将精力聚焦于架构决策和创新探索。

但张玮也特别强调，AI Agent的方向“不是替代工程师”，而是成为一种“设计伙伴”。他所描绘的演进路径清晰可辨：从单点工具优化起步，到多智能体之间的协同作业，最终实现更高程度的自主化设计。这个过程的本质，是把长期沉淀在资深工程师头脑中的专家经验，从“人脑私有”的状态转变为“可复用的工程资产”——而这恰恰是中国芯片产业在高端人才持续紧缺、核心工程师流动频繁的背景下最迫切需要破解的结构性问题之一。

当前中国芯片设计行业面临的挑战，几乎可以被浓缩为两组关键词：算力成本高、研发周期长。张玮认为，云+AI带来的结构性改变，核心在于把芯片研发的EDA算力基础设施，从“重资产、长周期、强依赖本地集群”的传统模式，切换到"弹性算力、自动化流程、知识复用"的新模式。

这一转变的意义，对初创芯片公司尤为切实。在传统模式下，一家刚起步的芯片设计公司，可能需要在产品还没有流片之前就投入大量资金建设本地算力集群——这笔投入是不可逆的沉没成本，且扩容弹性极差。云平台的介入使得算力可以“削峰填谷”，按需取用，极大地降低了初创企业在研发初期的资金压力。而AI Coding工具在设计验证、仿真分析、问题定位和工程协同方面带来的效率提升，直接压缩了从设计到流片的时间窗口。张玮将这种变化定义为“不仅是降本增效，更是研发组织方式的变化”。

他进一步拆解了智能体时代下芯片设计范式的几个具体变革方向：Baidu Comate从个人提效工具升级为组织级能力平台，提供IDE入口、上下文引擎、编程智能体、Rules、Skills、MCP和企业级部署的完整链路；百度胜算通过AI大模型与本体建模的结合，为半导体供应链中的缺料决策提供全新范式；百度伐谋在芯片设计空间优化中充当“寻优引擎”的角色；而大模型安全网关则在Agent的全调用链中实现内容合规检测与运营审计。把这些能力串联起来审视，张玮描绘的图景是：AI多智能体协同，将架构探索、验证、仿真、功耗分析等研发环节贯通打穿；AI辅助设计空间搜索，帮企业在性能、功耗、面积和成本四个维度间更快找到平衡点；最终，AI智能体把企业内部的工程经验沉淀为可复用的知识资产，降低因人员流动和项目切换带来的能力损耗。

理论和架构之外，百度智能云已经有了落地验证的标杆案例。2026年2月，百度智能云与光本位科技在上海正式签约，联合推出了Lightmate全栈AI研发解决方案。这是文心快码在光计算芯片场景的首次规模化落地，也是百度智能云“AI for Chip Design”路线从概念走向工程交付的一个关键里程碑。

在Lightmate项目中，AI Agent承担的角色远超辅助编码的范畴。光本位的芯片设计专家将多年积累的光电设计经验转化为专属的Skills和行业Agent，通过MCP工具接入光计算研发工具链，实现了多层级的技术整合。经过这一改造，Lightmate可以自动完成芯片需求提取、仿真代码设计以及器件迭代优化等核心任务，设计覆盖范围涵盖数字芯片、模拟芯片和光芯片全链路。双方还成立了联合实验室与协同工作小组，依托Lightmate这一联合品牌向产业上下游延伸拓展，形成了可持续运转的合作闭环。

这个案例的价值，不在于单个项目的合同体量，而在于它完整验证了一条路径：芯片企业贡献领域知识和行业场景，百度智能云提供AI基础设施和Agent开发平台，双方共同打造面向特定赛道的行业解决方案。张玮将百度智能云在这类合作中的角色定义为“技术底座提供者+生态共建者”，而非传统意义上的云服务供应商。

他把生态构建策略拆解为三个层次：产品共建——Lightmate本身就是双方联合品牌的产物，而非百度单方面的技术输出；能力开放——文心快码采用模块化的开放架构，支持企业将AI能力深度融合进现有研发流程，提供SaaS和私有云等多种部署模式，充分尊重芯片企业对数据安全和知识产权保护的刚性需求；生态协同——通过联合实验室、联合市场拓展等方式，与合作伙伴形成双向赋能，光本位通过光计算产品为Lightmate提供芯片设计场景，百度智能云提供全栈AI基础设施保障，双方在各自的能力边界上互为延伸。

在这些合作的底层，昆仑芯扮演着一个容易被外界忽视但对百度智能云至关重要的角色。

张玮阐述，昆仑芯的价值不仅仅在于提供一颗自研AI芯片，更在于百度自身走过了从芯片设计、模型适配、推理优化到云端部署的完整闭环。这种“吃自己狗粮”的经验，使百度对AI芯片在真实业务中遇到的吞吐、延迟、成本、稳定性和软件栈适配等问题有着第一手的体感认知，而非停留在PPT指标层面。更有说服力的数据是：2025年，百度在昆仑芯的全国产化集群上成功完成了文心大模型5.1关键版本的训练，万卡集群97%的有效训练利用率证明了这套国产芯片方案的可靠性已达到支撑大模型训练的工程水准。这些内部验证的经验，在对外服务芯片企业时直接转化为技术可信度和方案说服力——对合作伙伴来说，百度不只是在售卖云资源或AI工具，而是能以“过来人”的身份提供经过实战打磨的技术方案和工程建议。

谈及下一步规划，张玮透露了两个明确的重点方向。第一是深化“AI for Chip Design”场景。以Lightmate为标杆，以Baidu Comate平台为抓手，百度智能云计划将“专家经验→Agent Skills→研发自动化”的模式，从光计算芯片复制到更多芯片类型，包括模拟芯片、数字芯片、射频芯片等。光本位是这条路径上的先行者，而百度智能云的目标显然不止于一城一池。

第二是扩大AI硬件生态圈。在已服务超过1000家AI硬件公司的基础上，未来将重点向端侧AI芯片拓展，涵盖FPGA、具身智能等领域的专用芯片。张玮特别提到，百度智能云目前正与复旦微电子在AI+FPGA方向展开合作，目标是推动AI芯片生态的多元化繁荣。

对于国内半导体初创企业，张玮给出了一个颇具现实感的判断：初创企业最需要的不只是云资源层面的价格优惠，而是“算力+模型+工程团队+真实场景”的组合能力。百度智能云将在“芯-云-模-体”新全栈AI云战略框架下，围绕算力资源、技术适配、联合解决方案、市场生态和标杆案例共创等维度提供系统性支持，帮助初创企业更快跑通从产品验证到客户验证再到规模化落地的完整链路。这一表态背后透出的信号是：百度智能云做半导体生态的思路，不是简单地用补贴换市场，而是试图成为初创企业在研发和商业化过程中的“基础设施级”伙伴。

站在2026年的时间节点回望，AI对芯片设计行业的渗透速度，可能比大多数从业者此前预想得更快。当设计、验证、仿真、供应链管理等环节逐步被AI Agent贯穿，当云端弹性算力取代本地集群成为研发基础设施的默认选项，芯片设计行业的竞争格局正在被悄然重写。

百度智能云选择的切入方式——以昆仑芯的实战经验为信任基石，以“芯-云-模-体”全栈架构为能力支撑，以光本位Lightmate为标杆案例——本质上走的是一条从内部验证到外部赋能的路径。它不是从外部向芯片行业“推销”AI工具，而是从芯片设计和大规模训练的内部实践出发，把验证过的能力向产业链释放。在这场AI算力结构性重构的浪潮中，云厂商与芯片企业的关系正在从单纯的甲乙方交易，演进为一种更深层的技术共生。而百度智能云在WAIC 2026上展示的这套打法，或许正在为这种共生关系写下一个值得持续观察的注脚。