云端峰值算力扩展至8万多核，线下采购周期（883436）需2个月的资源，云上最快3天内完成供给。
安谋科技与火山引擎的合作，正在把芯片 IP 设计场景中的算力供给效率推向新的量级。作为国内领先的芯片 IP 设计与服务提供商，安谋科技在研发过程中对高性能计算资源有持续且弹性的需求。如何保障研发进度，同时避免本地资源长期闲置，是其提升研发效率的重要课题。
基于此，双方先围绕 EDA（ 电子设计自动化 Electronic Design Automation） 混合云展开合作，通过云端弹性算力补充本地资源，提升关键研发阶段的资源响应速度和供给灵活性。同时，合作也延伸至AI应用探索，大模型、智能体等能力也开始在安谋科技办公运营场景中验证。
对安谋科技而言，这不是简单的算力扩容，而是在高复杂度研发场景中，构建更弹性、更高效的基础设施支撑。从云端算力到 AI 化运营，双方正在为安谋科技推进 “AI Arm CHINA”战略、以 AI 加速产品研发提供新的实践路径。
EDA上云先行
AI运营提效紧随其后
合作主要围绕两条主线展开：
一是通过云端弹性算力补充本地资源，更灵活地应对峰值需求；
二是探索利用火山引擎 ArkClaw 与 Agent Plan推进企业办公运营AI化，以及内部系统智能体能力的建设。
上云方案的核心是“存算分离”。在当前合作架构下，核心 IP 与设计源文件保留在安谋科技本地存储中；火山引擎通过专线打通云上资源与安谋科技本地作业系统，形成统一调度的弹性算力池。
研发任务提交后，优先使用本地算力，当本地资源不足时，再调度云上资源参与计算。相关数据通过专线在客户安全域与云侧计算资源之间完成传输，待计算结果回传后释放云主机，整体过程不改变原有流程。
针对 EDA 任务对高主频、大内存资源的要求，火山引擎在计算、存储和调度三个层面进行适配：计算层可提供1:16甚至1:32内存配比实例；存储层可支持访问控制等安全配置；调度层提供 Volclava 等经过验证的开源工具，降低部署和运维复杂度。核心数据保留在客户安全域内，在满足算力调用需求的同时，严防核心数据泄露风险。
双方合作并未止步于“算力上云”，安谋科技也在多场景测试 ArkClaw，例如研发平台 IT 架构的自助运维、计算节点负载与任务状态监控，以及行业热点信息智能分析等。
弹性算力是基础
稳定、效率、成本是结果
合作后，云端峰值算力已扩展至8万多核，物理核月均消耗稳定在5万核以上；在临时新增约2万核新机型需求时，火山引擎能在3天内完成资源调度与上线，较线下采购模式明显缩短等待周期（883436）。
弹性算力是基础，芯片 IP 企业上云最核心的指标是稳定、效率、成本。
稳定是底线。EDA 仿真任务通常需要连续运行数天，一次异常中断就可能重跑甚至延误。根据当前测试与运行结果，火山引擎算力服务高度稳定，面对多类型 EDA 任务，能够通过灵活的核存比配置满足要求。
效率是关键。结合 EDA 任务特点，火山引擎围绕内存利用率、任务并发策略等环节进行针对性优化，减少排队与重复运行概率，提升整体执行效率。
成本有优势。依托弹性供给模式，安谋科技能够按实际使用量获取算力资源，无需长期为波峰预置大量硬件；叠加更高的资源利用率和更少的失败重跑，综合拥有成本显著降低。
对芯片 IP 设计场景而言，上云的核心价值不只是硬件采购成本，而是让资源更快响应业务波峰，不仅要算力“随叫随到”，也要跑得稳、跑得快、跑得省。
云+AI组合方案
提供算力与效率双重保障
火山引擎与安谋科技合作的落地，是芯片 IP 设计上云场景能力的一次重要验证。背后是火山引擎在半导体（881121）行业的多年积累：从 EDA 机型适配、计算节点调度优化到近线存储方案，火山引擎已经形成体系化的能力组合，可支持类似半导体（881121）场景的混合云部署。
从方案层面看，主要包括上云能力、AI能力，以及以数据本地化为前提的安全基础。
上云能力方面：该方案可支持前端仿真、后端物理验证、PDK 调整等典型场景，重点提供高主频、大内存、裸金属等适配 EDA 任务的资源能力。同时，火山引擎也可提供 Volclava、调度监控系统、batchRun 等开源工具，降低部署和运维门槛，帮助新客户实现“开箱即用”，两周内完成迁移上云。
AI能力方面：TRAE 可支持通用代码与部分专业代码场景的辅助开发；ArkClaw 配合 HiAgent，可用于跨系统取数、仿真流程自动化、CAD 运维辅助、UVM 测试支持等方向。
安全基础方面：混合云方案采用存算分离架构，数据锁定在客户本地安全域，仅弹性调用云端算力；云端算力基于裸金属机器部署，实现物理级别的租户隔离与性能独占。网络方面通过专线内网互通，避免互联网暴露面；结合多因子认证、最小权限管理及全链路操作审计，形成从基础设施到身份访问的纵深防护体系，保障混合云环境安全可控。
安谋科技与火山引擎的合作表明，芯片设计对算力需求的有效解法，未必是单纯追加本地硬件，而是通过混合云架构，在数据本地化前提下引入弹性算力。双方在AI上的探索，也符合半导体（881121）行业提效需求。火山引擎输出的“云+AI”全栈能力，通过弹性算力解决芯片企业“等不起”的旧课题，而AI提效回答“能不能更快”的新课题。
