本期投资提示：
　　本期月报重点讨论AI+EDA从Copilot转化为Agentic的产业趋势。AI与EDA大致分为三次浪潮，当前AI正在推动EDA的方法论变革。
　　嵌入式机器学习强化工具算法性能（20世纪90年代起）：ML在EDA中的应用可归纳决策优化、性能预测、黑盒设计空间探索（DSE），以及端到端的自动化设计。通过提取可复用的高层特征，显著提升了设计效率，避免了传统方法重复计算的资源浪费。ML对EDA工具的促进，本质上是将芯片设计从“人类经验启发式试错”升级为“数据驱动的自适应智能求解”。
　　生成式AICopilot（2023年起）：ChatGPT带来生成式AI与EDA的融合，AI嵌入工具提升算法性能到嵌入工作流辅助芯片设计。核心是在整个EDA流程中提供工具指导和资料生成，让工程师能扩展产出、提升技能、随时获得关键支持。以新思科技为例Synopsys.ai Copilot提供知识助手（回答工具使用、工艺规则等问题）和工作流助手（自动化EDA流程中的具体任务）两类能力，通过自动化RTL生成、testbench创建等任务，减少对稀缺工程师的依赖、缩短设计周期。
　　 Agentic EDA（2025年起）：在Agentic范式下，工程师只需要给定高层级的工程目标（如完成模拟IP的跨工艺迁移验证或将时序收敛至2GHz等），EDA自动完成多智能体协作下的闭环执行与自适应回退，直到满足硬件约束才交付结果，实现端到端的全自主或半自主闭环。2025年，新思科技与微软联合展示了基于Microsoft Discovery构建的Agentic EDA原型系统，旨在利用大模型的通用编排能力与工业级EDA工具进行深度语义级交互，打破传统EDA工具链由于代码老旧而不透明的瓶颈。
　　 Agentic EDA的核心是通过多智能体架构实现跨阶段冲突的自主修正（如前端RTL生成与后端布局布线之间的交互和协同）最终建立一个全流程自主执行的闭环。当前：
　　 1）缺乏优质数据：Agentic EDA不仅需要理解通用的硬件描述语言，更依赖多物理场仿真、复杂的版图拓扑和顶尖工艺节点等环节进行海量的高质量、结构化数据训练。这类优质数据为设计厂和晶圆厂核心商业机密，导致训练样本不足。
　　 2）模型幻觉尚不可控。大模型幻觉在芯片设计的长流程中将被放大，而IC设计后端的签核、流片容错率极低，流片失败将带来千万级美元的损失。将仿真和验证环节交给Agent自主迭代将带来极大的时间和经济成本风险。
　　相关标的：华大九天（全球EDA第四极，全定制IC设计已覆盖全流程，加速补齐数字IC、晶圆制造工具）、概伦电子（存储电路设计制造具备优势，收并购积极）、广立微（围绕良率展开，WAT设备硬件+EDA软件/服务，布局硅光开启新成长）。
　　风险提示：产品迭代不及预期；国产半导体行业发展不及预期；行业并购不及预期。