2026年3月25日至27日，SEMICON China 2026（2026上海国际半导体展览会）在上海新国际博览中心举行。达索系统公司展示了其面向半导体行业的创新解决方案。通过3D UNIV+RSES与3DEXPERIENCE平台，达索系统为半导体企业提供从材料研发、芯片设计、制造到运营的全价值链协同创新环境，帮助企业加速技术突破并提升产业协同效率，推动下一代芯片技术的创新。

WSTS数据显示，2025年全球半导体销售额同比增长25.6%至7917亿美元，预计2026年将增长至9750亿美元，逼近万亿美元规模。在国内，截至2024年，电子信息制造业营业收入连续12年居41个工业大类第一。2025年，规模以上电子信息制造业实现营业收入17.4万亿元人民币‌，同比增长7.4%‌，利润总额7509亿元，同比增长19.5%，盈利能力显著提升‌。

在人工智能算力需求和全球数字化转型的推动下，半导体电子产业正进入新的增长周期，站在一个由规模扩张转向高质量发展的关键历史节点。AI算力、存储革命和技术驱动产业升级正成为推动行业发展的关键动力，同时也对先进制程工艺、封装技术、设备和材料以及产业协同、智能制造转型提出了更高要求。

SEMICON China 2026上，达索系统重点展出了面向半导体行业的整体解决方案体系，以及其与行业客户的实践总结。其核心是基于3D UNIV+RSES战略与3DEXPERIENCE 平台，为半导体产业链不同领域的企业包括材料研发、芯片设计、IDM和Foundry、先进封装、半导体设备等，提供独特的数字化解决方案和协同创新环境。其特点包括：统一的协作环境；基于模型的系统工程（MBSE）；虚拟孪生与工业AI的进一步融合。

今天，半导体创新已经不再是孤立的前端设计问题，而是一个系统工程，贯穿需求定义、架构设计、仿真验证、封装集成、制造可行性和系统性能的连续过程。比如，芯片设计会影响后续封装、散热、可靠性和系统性能；制造和设备能力也会反过来影响设计约束和量产效率。

达索系统大中华区总裁张鹰表示，达索系统面向半导体行业的解决方案不是只服务某一个单独环节，而是覆盖从材料研发、设备与工艺开发、芯片设计、先进封装、制造到运营的更完整链条。其价值在于帮助企业把这个过程放到同一个可协同、可追溯、可验证的数字环境中，把需求、架构、模型、仿真和制造约束连接起来，通过多物理场、多尺度的建模与仿真，让企业更早识别问题，并让设计知识成为企业资产。

当下，AI增强研发是“人工智能+制造”的重要内涵。张鹰指出，目前在半导体设计和制造中，AI赋能比较成熟、也最容易产生实际价值的场景主要有三类：

第一类是工艺参数优化与良率提升。通过历史工艺数据、量产过程参数以及机器学习模型，企业可以建立质量预测、敏感性分析和多目标优化模型，帮助工艺工程师更早识别潜在质量问题并优化决策，从而减少不良品、提升工艺稳定性。

第二类是新材料研究与设计加速。新一代半导体材料在先进制程和先进封装中越来越重要。结合科学驱动的材料研究与分析能力，AI可以帮助企业拓展化学和材料空间，快速筛选候选材料，缩短从材料发现到验证的周期。

第三类是设备智能化和预测性维护。通过实时监控设备运行状态，并结合AI模型对故障模式和关键部件状态进行分析，企业可以更早采取预防措施，降低设备故障率，提升产线稳定性和维护效率。

但是，AI融合不是把通用生成式AI直接搬进工业场景，而是构建经过科学验证的工业世界模型，把行业数据、科学建模、仿真和虚拟孪生结合起来，形成更可验证、更可操作的工业AI能力。“工业AI不是单纯部署一个模型，必须建立在基于物理的建模与仿真和虚拟孪生之上，并且是一个‘数据、模型、流程和场景’协同的过程”。

他认为，AI要在企业真正发挥价值，通常需要做好几方面准备：

第一，要有比较清晰的业务场景定义。AI不是越大越好，而是要先明确是解决工艺优化、材料筛选、设备维护，还是知识复用的问题。

第二，要具备一定的数据治理和数据可用性基础。工业AI的质量很大程度取决于数据质量、上下文完整性和可追溯性，并不完全取决于数据量越多越好。

第三，要把AI与行业知识、科学建模和仿真结合起来。达索系统非常强调这一点，因为半导体不是一个只靠历史数据就能做出可靠结论的行业。

第四，要基于统一平台推进跨团队协同和专家知识沉淀。只有当数据、模型和工程经验可以持续复用，AI才会随着使用不断变强，而不是停留在一次性试点。