不贩卖焦虑,只聊AI在IC里的实际用处
随着人工智能技术的快速发展,IC行业内部关于“AI是否会取代设计、验证及后端岗位”的讨论日益增多。当前,AI辅助编程已在该领域实现实际落地,部分高校甚至开设了相关课程以培养学生使用AI编写SystemVerilog(SV)及通用验证方法学(UVM)的能力。对于初级工程师而言,AI在脚本理解、语法纠错及测试点提取等方面提供了显著帮助,客观上促进了新人的快速成长。
01技术落地的现实与局限
- 实际应用场景
AI已能显著提升单体工程师的效率,具体应用包括代码编写、测试点梳理以及辅助调试波形等工作。 - 现存的局限性
AI模型仍存在“幻觉”问题。此外,IC验证在颗粒度上与软件测试差异巨大,涉及时序、协议细节及复杂工具选项,若工程师自身基础不扎实,难以准确判断AI输出的可靠性。
02历史逻辑的演变与重现
回顾IC行业发展历程,20年前SystemVerilog的出现是为了应对设计规模扩大和IP复杂化的挑战。当时通过引入随机测试和功能覆盖率,解决了传统定向测试覆盖不足的问题,其本质在于减少重复劳动。当前AI在IC领域发挥的作用,与当年SV引入的逻辑具有相似性,都是为了提升效率并应对复杂度挑战。
03未来趋势与工程师定位
未来行业发展趋势
AI能解决的范畴
侧重于效率提升与经验固化
- 资深工程师的经验可被压缩为具体技能(Skill),应用于团队内部流程。
- 规范交付检查,理顺从验证到后端及DFT的流程节点。
- 将资深人员从繁琐事务中解放,提升整体团队战斗力。
AI难以替代的环节
侧重于核心判断与经验沉淀
- 芯片最终能否成功流片及稳定量产,仍依赖人和公司多年的流片经验。
- 这些隐性经验难以全部喂给单一的EDA大模型,短期内不会出现一家独大的AI Agent。
- 复杂的工程流程和封闭的行业生态,使得AI短期内难以大规模颠覆整个流程。
04应对建议与总结
面对AI的到来,工程师更理性的选择是主动拥抱技术。建议明确区分哪些是可交给AI的重复性工作,哪些是必须由自己把握的核心判断。对于新人而言,AI虽可辅助编写基础代码和搭建框架,但SystemVerilog、UVM等基础功底仍需打牢,不可过度依赖。未来,人才流动将伴随技能的流通与融合,信息差将逐渐被拉平,工程师之间的差距将更多体现在解决问题的思路与顶层思考能力上。
当前文章无评论,是时候发表评论了