AI 行业落地 | 第25期：芯片Agent通宵干活，虚拟顾客先试单

AI行业落地 · 2026-10-27 · 九羲科技

今天的三条线，表面上分属三个行业，底下却是同一个问题：Agent 到底站在什么东西上干活。芯片设计 Agent 站在 EDA 工具链上，虚拟顾客站在真实消费数据上，企业 Agent 站在 ERP 业务系统上。模型本身没有变，变的，是它脚下的地面。

三条线都发生在今天，10 月 27 日。一条来自国产 EDA 龙头的大会发布，一条来自新华社转引的韩国零售现场，一条来自金蝶的企业智能体操作系统升级。我们一起拆开看：每条线的问题从哪来，机制怎么搭，数字是什么成色。

· · ·

芯片设计 Agent：把工具变成不知疲倦的同事

1. 背景：设计流程卡在人的节奏上

芯片设计的老毛病，是流程跟着人的作息走。模拟电路的参数调试、版图绘制，动不动以周、月计；面板像素设计里十几个指标互相干扰，寄生效应牵一发而动全身，专家凭经验平衡，试错一轮就是几天。更紧的一层，是国内模拟芯片厂商的产品矩阵与海外对手存在数量级差距——不是某一颗芯片做不出来，是产品线铺不开，人手不够用。

华大九天在 HUG 2026 生态伙伴及用户大会上发布的 .aix 系列 AI 智能体平台，正是对着这个卡点来的。海外同行已经先动：Cadence 推 Level-5 全自主 ChipStack，Synopsys 推 AgentEngineer，EDA 正在从“卖 License”转向“订阅加消耗”。国产 EDA 再不进 Agent 赛道，卖的还是上一代的生产力。

图：HUG 2026 大会现场，工具加速指标登上主屏（图片来源：快科技 / 新浪科技）

2. 方案：不造通用助手，给每款工具配一个陪伴式 Copilot

.aix 的搭法值得细看。它不是一个包打天下的通用 Agent，而是一层平台加四个分工明确的智能体。底座是“基于国产开源大模型打造的安全弹性 AI 平台”，上面为每款 EDA 工具配套一个陪伴式 Copilot——工具本身就是 Agent 的载体，专业流程本身就是护栏。Agent 不用先学会芯片设计，它住在工具里，跟着工具的流程走。

四个分工是这样切的：Custom.aix 管模拟电路，把参数调试和版图绘制接过来；FPD.aix 管面板像素设计，专治多指标互相干扰的试错；Digital.aix 管数字电路的标准单元生成；Manufacture.aix 管制造环节的长程 Pcell 任务与 Dummy Fill 排布。底座也同步升级：ALPS VX 仿真加速 3 倍，Patron VX 效率提升 2 倍，Liberal VX 的 K 库表征加速 3 倍，外加 3DX 完整 3D 签核能力，覆盖 DRC、LVS、ESD、PEX、STA、EMIR 与 Thermal。

这里有个关键设计选择：Agent 的产出必须过签核。芯片设计里，跑得快不算本事，过 DRC、LVS、STA 这些硬检查才算。华大九天一边推 Agent，一边把 3DX 签核能力摆上台面，意思很明白——提速的合法性，来自签核的兜底。没有这一层，Agent 生成的东西没人敢流片。

3. 效果与成色：数字漂亮，但要分清是谁说的

先摆数字，全部来自大会发布、经快科技报道¹：Custom.aix 把以周、月计的参数调试与版图绘制压到 1 天以内，设计迭代减少 60%，PPA 提升 5 倍以上；FPD.aix 把专家一周的工作量压到 1 天以内，效率提升 7 倍以上，画质指标提升 5 倍；Digital.aix 在开源 CPU 案例中生成 200 余个标准单元，其中 118 个带来正收益，最高频率从 1.81GHz 提升到 1.83GHz，超过 1% 的预设目标，多团队数十名工程师 2 到 3 个月的工作被压到数天；Manufacture.aix 把长程 Pcell 任务从数天压到半小时以内，Dummy Fill 空间利用率从人工方案的 78% 提升到 93%。

成色要说清楚：以上数字均为厂商在自家大会上的单方披露，未见具名客户与独立第三方验证；Digital.aix 的案例用的是开源 CPU，属于演示性质，不是量产芯片的实绩。能确认的事实，是平台发布本身与四条线的分工；效果数字的量级，还要等真实客户的复现。

抄走的方法点：Agent 落地，先别造通用助手，先找那个“人已经在用的专业工具”，把 Agent 住进去。工具即载体，流程即护栏，签核即兜底——这三件套齐了，提速才有人敢认。

· · ·

虚拟顾客：让 AI 先替真人把单试了

1. 背景：新品试错，越来越等不起

零售商的老难题，是上新之前不知道顾客买不买账。传统消费者调查耗时耗钱，等报告出来，趋势可能已经过去了。一家零售企业管理人员在报道里说得很直白：如今市场变化快，有时新趋势从出现到消亡只有几周时间。等不起，就得换个办法——让 AI 先替真人把购物过程走一遍。

2. 方案：不是画像，是“合成消费者”

韩国零售商引入的这套东西，叫合成消费者（Synthetic Consumer）：基于大语言模型与消费者数据构建的 AI 购物者，模拟真人消费行为，对新产品、营销活动与店铺布局做测评²。关键在“模拟”两个字——它不只回答买不买，还把浏览网店、对产品信息做反应、在哪个环节犹豫或取消交易的全过程演出来。

三家打法各不相同，值得对照看。乐天集团从 7 月起与当地 AI 企业合作开发“AI 双生消费者”，把约 4500 万会员的累积购买数据与社交媒体数据结合起来，不只分析买了什么，还挖买背后的原因与情境，目标是突破“30 多岁女性”这类粗糙画像。电商平台酷澎与“领航员”公司则盯着购物过程本身，用合成消费者做市场调研与用户体验测试，找的是顾客在哪个环节流失。韩国最大连锁便利店 CU 的运营方 BGF 零售走得更远：用 AI 消费者评估新产品之后，正在开发虚拟商店模拟系统，实际门店改动之前，先在虚拟店里测商品摆放、客流量与商品种类。

供给侧也有一条线：技术提供商 Intellicia 的合成消费者基于真实访谈、调查、电商评论与社交媒体数据生成，而不是只贴人口统计标签；目前已与希杰集团、大象集团、每日乳业、圃美多集团等消费品生产商合作，完成了 120 个验证项目，涉及 50 家企业。

3. 效果与成色：91.2% 这个数，要看是谁量的

报道里最硬的一个数字，是 Intellicia 自述的基准测试结果：合成消费者模型与一项针对 500 名真实消费者的调查结果，相关性高达 91.2%²。这个数要打折扣听：它是技术提供商自己的说法，未见同行评审与独立复现；而且“与调查结果相关”，不等于“与真实购买行为一致”，调查回答与掏钱之间本来就隔着一层。

能确认的事实，是这套方法已经进入真实业务流程：乐天、酷澎、BGF 零售在用，50 家企业的 120 个验证项目在跑，虚拟商店模拟正在开发。成色分层说：落地广度是确认的，精度数字是单方宣称。

抄走的方法点：做用户验证时，别只问结论，要让 AI 把全过程演出来。顾客在哪个环节犹豫、在哪一步取消交易，这些过程数据比“买不买”的结论值钱得多——因为过程数据直接告诉你改哪里。

多看一层：合成消费者的天花板，在数据的新鲜度。趋势几周就变，模型必须跟着真实交易数据滚动更新，否则测的是上个月的顾客。还有一层更微妙：它测的是“平均顾客”，测不出破圈的少数派——而真正的爆款，往往最先来自少数派。

· · ·

企业 Agent：先给它上下文，再谈它自主

1. 背景：买了工具，却没用起来

金蝶在 2026 全球创见者大会上讲的判断，放在今天的 B 端市场里，听着有点扎心：很多企业把 AI 转型等同于采购大模型、上线 AI 工具，而这恰恰是落地遇阻的根源。概念满天飞，演示、试点不少，真正扎进核心业务、产出可量化经营收益的案例依旧稀缺。金蝶集团总裁章勇的原话是：“真正的企业 AI 不是谈论出来的，而是被用出来的，用起来，才算数。”³

图：金蝶 2026 全球创见者大会现场（图片来源：环球网 / 新浪财经）

2. 方案：企业上下文，是 Agent 上岗前的入职培训

金蝶企业智能体操作系统灵基（Lingee）这次升级的核心，是三个新能力：灵基 Manage、企业上下文与 ERP 连接器。灵基 Manage 定位为每位管理者的决策入口——AI 干活，人拍板。分工先定好：AI 在授权内执行工作，人负责关键判断，并对结果负责。

企业上下文是整套方案里最值得拆的一块。它把 ERP、知识库、记忆、生态 MCP 与外部数据统一接入，沉淀到企业上下文平台，形成 AI 可理解、可追溯的资产。金蝶中国副总裁刘仲文的解释很直接：“如果没有上下文，它只能猜，直到猜中了为止。”上下文本身包括三层：描述业务对象及其关系的本体模型，企业知识库中的非结构化知识，以及 ERP 系统中沉淀的业务数据、规则与流程——在他看来，ERP 是企业最重要的上下文与知识来源。

规模上有两个可核查的数字：ERP 连接器首批上线 70 个连接器、1127 个 Tools，支持调用金蝶全系 ERP 业务能力，让 AI 能查询数据、能执行业务。切入点也选得很克制：优先推广企业数据分析场景，让客户通过灵基查询 ERP 数据、开展分析和归因——任务明确，结果可以核查，先建立使用体验，再谈扩权。

还有两件配套的事，一件是评测，一件是收费。金蝶联合大模型厂商与高校发布了国内首个面向企业管理场景的 Agent 评测基准 Lingee Bench，涵盖通用办公、财务、供应链、制造 4 套评测集共计 1400 多道题目，评的是 Agent 能不能在企业真实业务环境里把活干完、干对、留下可核查的结果。收费上，除按席位与用量收费外，金蝶已在部分项目中尝试按结果收费：围绕客户提出的工作效率提升等可衡量目标，达成约定后再收费。

3. 效果与成色：机制讲透了，客户数字还没出

这一节的成色要坦白说：本次是大会发布，没有披露客户 ROI 数字。能确认的，是连接器规模（70 个、1127 个 Tools）与评测基准规模（4 套、1400 多题）这两个产品事实；效果层面的数字，还要等客户侧的披露。写这篇时不把产品规模当成绩，这一点得分清。

抄走的方法点：给 Agent 自主权之前，先给它一套统一的上下文资产——没有上下文的 Agent 只能猜，猜对几次也不敢把核心业务交出去。还有，从“结果可核查”的场景切入，先让客户建立信任，再扩权，比一上来就谈全自主更稳。

多看一层：“按结果收费”比技术本身更值得琢磨。它把 Agent 从成本中心变成了对赌，倒逼厂商把效果做实。但“结果”的定义权与度量口径，会成为甲乙双方新的谈判战场——谁来定义“效率提升”，用什么数算，都得先谈清。

· · ·