在 AI 冲击软件行业的趋势中，大部分的工程软件都会被生成式 AI 重塑。
只有一小部分的护城河反而变深。
分水岭取决于一个问题：
这个软件，是不是“物理现实的接口”？
一、什么是“类 EDA”软件
EDA 之所以特殊，并不是因为它服务芯片行业，而是因为它处在一个极端位置：
设计错误不可逆，错就是报废，成本极高
结果必须符合物理定律
软件输出直接等于生产指令
在这种场景下，AI 不可能绕过原系统重新生成答案。
它唯一的作用方式，是嵌入进去，帮人把错误率压到更低。
这类软件，我称之为“类 EDA”。
二、为什么 EDA 的护城河在 AI 时代反而加深
因为功能复杂，且失败不可承受。
芯片设计中积累的私域数据——PDK 调校、时序边界、工艺妥协方案——有一个共同点：
脱离原工具即失效。
这些数据既不通用，也难以解释，更无法被泛化学习。
AI 能用它们优化流程，但无法复制一套“独立于 EDA 的新系统”。
结果就是：
AI 成为 EDA 的外挂，而不是替代者。
三、哪些板块正在走向“类 EDA”
除了传统芯片 EDA，还有几类工程软件正在向同一方向靠拢：
高端 CAE / 多物理场仿真
航空航天系统设计
核电、电网、化工流程仿真
深度绑定制造的工业 PLM
它们有一个共同特征：
设计本身就是安全证明或合规文件。
在这些领域，“生成一个看起来对的结果”毫无意义，
唯一有价值的是：这个结果能不能被物理世界接受。
四、谁会走向“Photoshop 化”
与之相对的，是另一类工程软件：
通用 CAD
建筑设计 / BIM
工业外观与结构设计
工程前期方案工具
这些软件的中心地位会被ai削弱。
当 AI 能直接从文本、规则、约束生成 80% 的设计成果时，
软件本体往往退化为编辑器和校验工具。
它们可以被抽象、迁移、学习。
五、一个简单的判断标准
判断一款工程软件能否形成类 EDA 护城河，只需问六个问题：
错了会不会付出不可承受的代价？
错误能否在上线前被完全验证？
数据是否离开工具即失效？
设计是否直接等于生产？
是否被法规或安全体系绑定？
是否深度嵌入制造或运行系统？
“是”越多，越接近类 EDA。
结语
AI 不会平均改变世界。
它会把“工程共识型软件”变轻，
却会把“物理现实接口型软件”推向更深的垄断。
类 EDA，是 AI 时代少数护城河确定性反而上升的软
