跨越芯片数据鸿沟：孤波科技用“1+2+N”重塑半导体工程的AI底座

当前，全球半导体产业正处于一个充满矛盾与张力的周期。一方面，AI大模型的爆发式演进对算力芯片、车规芯片提出了史无前例的严苛要求；另一方面，随着先进制程与2.5D/3D堆叠等先进封装技术的普及，芯片设计与制造的复杂度呈指数级上升。

在这场技术与商业的角逐中，硅后（Post-Silicon）环节——即从设计验证、测试到量产导入、质量运营的漫长链路，正成为决定芯片能否按时交付、能否盈利的胜负手。

2026年10月22日，以“让数据创造价值，让AI创造未来”为主题的孤波科技2026年度用户大会在上海举办。作为国内芯片设计企业数智化解决方案提供商，孤波科技在大会上正式发布了“1+2+N”产品战略，正式揭开了其在半导体工程智能化领域的最新技术蓝图。

孤波科技CEO何为

大会期间，孤波科技CEO何为接受媒体专访，深度剖析了国产半导体软件在AI时代下的思考与破局之道。

国内绝大多数芯片设计企业采用Fabless模式——自身专注设计，晶圆制造、封装测试全部外包给产业链上下游。这种轻资产模式推动了行业的快速扩张，也埋下了数据与流程割裂的隐患。

在传统的生产链路里，测试长期被视为额外的成本环节：企业只关心Pass/Fail结果，测试产生的海量数据既不回收，也不沉淀，更谈不上复用。当产品出现质量问题、收到客户退货（RMA）时，质量工程师往往要拉上设计、晶圆厂对接、测试、运营等多个团队，分头从不同系统、不同代工厂调取数据，交叉定位根因，整个过程少则两三天，多则一周，效率极低。

“过去测试的意义就是筛选好坏；现在复杂芯片正在走向可被观测化，测试正在变成一个海量数据的收集手段。”何为指出，单颗芯片的测试时间从几秒拉长到十几分钟甚至几十分钟，行业不再只满足于判定芯片合格与否，而是要基于全量测试数据判断芯片的性能边界、可靠性等级。

这一转变直接推高了对硅后数据体系的要求：芯片从设计仿真、验证测试、量产爬坡到在役运行的全链路数据，需要被统一组织、关联、分析与复用。意味着企业必须从海量工程数据中提取洞见，否则将被高昂的测试成本和难以爬坡的量产良率拖垮。

但现实是，国内多数芯片企业的数字化仍停留在工具级——测试有测试软件、研发有项目管理工具、生产有ERP，彼此之间数据不通、流程脱节，数据驱动始终停留在概念层面。

与此同时，国内芯片设计公司长期以来在数字化管理上面临着两极分化的困境。算力与车规芯片公司追求极致的性能与可靠性，而庞大的模拟芯片企业则受困于海量料号与复杂的组织协同。此外，中小初创团队往往因为成本问题，对重量级工业软件望而却步。

研发数据与量产数据割裂、测试经验随人员流失、跨供应链协同低效、AI落地缺场景缺数据等等，这些长期悬而未决的痛点，正在倒逼行业从单点工具采购，转向体系化的工程能力建设。

针对行业痛点，孤波科技正式提出“1+2+N”产品战略，构建从数据底座到业务场景再到AI应用的完整架构，帮助芯片设计企业把分散的数据、知识与工作流，持续转化为可执行、可验证、可复用的工程能力。

“海外老牌厂商普遍是单点切入，主要解决量产良率管理这一个具体问题。”何为指出，孤波科技的路径是从第一性原理出发，构建一个长链路的数据底座——Gubo OneData。

据介绍，OneData结构化数据平台围绕产品、晶圆、批次、芯片、测试条件等核心对象，把工程验证、生产测试、良率与质量等跨阶段数据全部组织起来，支持关联分析与全链路追溯。

不同于行业常见的单点良率管理（YMS）工具，OneData的定位是芯片产品全生命周期的数据底座：向前对接研发阶段的规格、仿真与验证数据，向后承接量产、质量、供应链与客户反馈数据，让同一颗芯片的所有信息沿着“需求与规格→验证与测试→工程导入→量产与质量→客户反馈与改进”的链路连续流动。

在这个数据底座之上，孤波科技深入2大业务场景（研发与创新、制造与运营），衍生出N个行业AI Agent。配合OneFlow（研发流程）、Spec Manager（规格与验证）、OneTest（测试自动化）、OneOps（委外运营）等产品矩阵，覆盖从需求立项、规格定义、验证测试、工程导入，到量产质量、新品导入、订单交付的全流程，彻底打通了从研发到量产的任督二脉。

“芯片设计公司的数据、工具和工程经验一直在积累，但这些资产分散在不同团队和系统中。一次测试开发、一次规格评审或一次质量调查，仍需要工程师反复找资料、核对条件、组织判断。”何为进一步解释道，“1+2+N”就是要把这些基础连接起来：用数据与知识支撑研发和运营流程，再围绕具体任务逐步形成行业AI应用，让每一次工程工作，都成为企业下一次AI能力的起点。

值得一提的是，这套体系的落地采用“模块化、分阶段”的思路：客户无需一次性全套采购，可以从单点切入，验证价值、建立信任后再逐步扩展。对于初创团队，仅部署数据管理模块就能获得显著收益；对于大型企业，能够从单点价值验证起步，逐步演进为全链路的体系化部署。

“我们建议客户从OneData起步。所有能力都构建在数据基础之上，先把全生命周期的数据管起来，再叠加流程管理，逐步释放更大价值。”何为介绍道。

这种轻量化的落地模式大幅降低了准入门槛：传统同类系统落地周期通常3个月起步，甚至长达半年；而孤波科技的标准化方案中，轻量场景客户仅需1-2天完成字段对齐，后续数据清洗与导入由AI自动处理，小体量客户1-2周即可完成部署。

如今，孤波的这套方案已服务超200家半导体客户，国内Top 50 Fabless中过半是其座上宾。值得一提的是，OneData落地付费客户在本次大会上迎来了突破100家的又一新里程碑。

当前，AI正在渗透半导体产业的各个环节，但在工程侧，AI落地层面面临“不接地气”的困境：通用大模型不懂半导体专业语境，输出结果无法直接执行，更无法为工程结论负责。

孤波科技的思路是：AI不能是空中楼阁，不应仅仅是辅助工具，必须扎根在工程系统与数据之中，成为能够独立完成复杂目标的“数字员工”。

在此次用户大会上，孤波科技重磅发布了标准测试推理引擎TestCore，这标志着其AI能力正从“AI Coding”向更宏大的“AI Test Engineering”全面演进。

“完整的测试工程涉及测试意图、方法选择、硬件资源、执行反馈和数据判断。TestCore结合了测试知识、器件上下文与工程流程，为测试应用提供了共同的推理基础。”何为解释道。

AI Agent的可靠性，是半导体严苛业务流程中最受瞩目的焦点。何为认为，AI Agent能真正用起来，能在半导体行业落地。具体来说有三个必要条件：

• 数据与流程的数字化底座：这是一切的前提。如果数据分散、流程割裂，AI拿到的就是零散信息，根本无法形成准确判断。

• 行业语义层与知识结构：帮助AI理解半导体领域的术语定义、逻辑关系、业务边界，知道遇到问题该去哪里找数据、按什么路径推理。

• 完善的验证与约束机制：建立评测基准，所有Agent输出都要经过真实场景验证，人始终在闭环中做校验与把关，达到一定程度后才能交给Agent自主执行。这背后有很多基础工作要做。

一个典型的应用场景是RMA（客诉）处理。过去，处理一颗退货芯片需要拉通设计、Fab、测试等多个部门，耗时数天。如今，输入芯片ID，孤波系统能在1分钟内汇聚全链路数据，并由AI迅速给出初步的根因判断。“把企业里最麻烦、最繁琐、最耗大家时间的工作，交给AI准确完成，这是孤波构建行业智能操作系统的第一阶段基础能力。”何为表示。

然而，当把海量、跨系统的数据汇聚到一起后，AI的引入又触碰了半导体行业最敏感的神经——数据安全。

“数据安全是底线。孤波科技从成立之初就确定了全量本地部署的原则：所有数据系统都部署在客户本地，数据不出企业边界，从根本上解决保密顾虑。”何为强调。在AI大模型的建设上，孤波科技没有选择用客户数据去盲目训练模型，而是走了一条极具行业特色的路径：构建行业语义层。

“AI落地最缺的，不是模型，是孤波科技和客户一起攒了七年的行业Know-how。”何为表示，孤波科技的产品团队大多拥有深厚的半导体设计与制造背景，他们将半导体的术语、逻辑与工程规则结构化为知识图谱，结合通用大模型的能力，在客户现场完成精准的推理与任务。这既保障了数据绝对安全，又赋予了AI真正的半导体语境。

随着芯片制造步入先进封装时代，传统的Pass/Fail（通过/失败）测试逻辑已不再适用。对于2.5D/3D堆叠芯片，如何让每一颗高昂的裸片（Die）发挥最大价值，是设计公司必须面对的新考题。

“我们需要跨工厂、跨工序的Die级追溯，还要实现Smart Pairing（智能配对）。比如将不同性能的Die组合在一起，实现整体出货良率的最大化。同时结合SLM（硅生命周期管理），将芯片在服役期间的传感器监测数据回传，反哺设计与制造。”何为指出，孤波正与头部客户联合推进这些前沿技术的落地。

在生态建设上，孤波科技一方面联合华峰测控、悦芯科技等推进TestCore对机台环境的支持；另一方面与合见工软、伟测、芯信安、proteanTecs等在设计诊断、测试服务和在役数据上深度协同。此外，孤波还推出了国内首款拥有全部知识产权的数字向量转换工具PatternX，硬核填补了国产EDA向ATE格式转换的空白。

在行业标准层面，孤波科技作为核心参编单位，已参与发布《汽车用集成电路 电参数一致性评价方法》团体标准，并正在参与多项车规芯片国家标准的制定，推动行业质量体系的规范化。

在何为看来，国内芯片设计行业的数字化整体仍处于早期阶段：大多数企业还在聚焦产品交付，数字化还不是核心矛盾；只有少数头部企业开始做3-5年的长期系统规划，部分企业的数字化架构甚至已经超越海外老牌厂商——毕竟海外很多系统是随业务逐步叠加而成，原生架构带有历史包袱。

上文提到，对比海外成熟的硅后软件产品，孤波科技的差异化优势在于长链路的一体化价值：海外工具普遍是单点切入，聚焦解决良率管理等单一问题，使用者主要是产品工程师与测试工程师；而孤波科技在统一数据平台上构建全场景能力，系统上线后，设计、质量、客户支持等上百个角色都能从中获取价值。

“客观来说，在部分深度边角场景的功能上，我们还有追赶空间，毕竟海外厂商积累了几十年。” 何为坦言，“但我们不是对标某一款产品做功能复刻，而是从第一性原理出发定义平台架构，最终给客户提供的是数据+流程+AI的一体化价值，这和海外传统工具的定位有本质区别。”

对于未来三年的发展，何为表示，孤波科技会沿着“数据底座-流程系统-行业AI”的路径持续深化：一边夯实数据与流程的基础能力，把标准品做深做透，服务更广泛的芯片企业；一边推进AI Agent在更多工程场景的落地验证，与头部客户、产业链伙伴共建更完整的行业智能生态。

“数字化智能化是一个渐进的过程，与懂业务的软件公司合作至关重要。”正如行业伙伴的评价。当国产芯片产业从规模扩张转向高质量发展，硅后软件作为支撑工程效率与质量的核心底座，其价值正在愈发凸显。而孤波科技所走的技术路径，也正在为国产半导体的智能化升级，提供扎实可行的落地方案，帮助中国芯片设计公司在激烈的全球化竞争中，构筑起属于自己的数智护城河。

点这里👆加关注，锁定更多原创内容

*免责声明：文章内容系作者个人观点，半导体芯闻转载仅为了传达一种不同的观点，不代表半导体芯闻对该观点赞同或支持，如果有任何异议，欢迎联系我们。