事件
新思科技發布 Ansys 2026 R1，強調工程模擬從「輔助工具」升級為「決策基礎」。更重要的是，產業正經歷典範轉移：過去硬體開發由晶片功能決定系統表現（晶片優先），現在雲端巨頭反向操作——用系統層級需求重新定義晶片設計（系統優先）。
李祥宇指出，Google、Microsoft 等超大規模廠商自研晶片時，不再受限於現成晶片規格，而是根據 AI 工作負載（訓練、推論、能效比）反向指定晶片架構。同時，AI 伺服器生態圈已細分為 40+ 家廠商，每一環節都必須極致最佳化——散熱、功耗、頻寬、記憶體延遲都成為硬約束。台灣掌控全球 95% AI 伺服器製造，卻面臨「系統到晶片」的宏觀設計挑戰。
核心洞察
這不只是「用 AI 設計更好的晶片」的工具升級，而是設計哲學的反轉：
舊邏輯：晶片製造商定義規格 → 系統廠商組裝系統 → 用戶受限於現有邊界
新邏輯：系統廠商（超大雲端商）定義總體約束 → 晶片設計必須滿足這些約束 → 供應鏈各環節都被納入反向最佳化迴圈
在新邏輯下，「堆砌最好的零件」不等於「最好的系統」。一顆功耗高的神經處理器可能因為散熱成本，反而拖累整體伺服器密度與電費；一條頻寬寬敞但延遲高的記憶體總線可能成為瓶頸。每個設計決策都必須跨層級、跨物理維度（熱流、電流、訊號）同時最佳化。
台灣供應鏈的兩難
台灣廠商掌握製造優勢，卻常被卡在「代工層」——按客戶規格生產。但當客戶從「給我規格」變成「幫我反向設計系統」時，單純的製造競爭力不夠。李祥宇強調的「系統到晶片」轉向，正是在說：未來的競爭優勢在於整合設計能力——能跨晶片、模組、散熱、軟體棧一起思考的組織，會比只會製造的廠商更有議價權。
這也解釋了為什麼工程模擬工具（如 Ansys）從「驗證工具」升級為「決策基礎」：當設計空間從「百萬級排列組合」變成「十億級多目標最佳化」，人腦無法直覺判斷，只能靠模擬 + AI 輔助決策。