AI写嵌入式代码的真实边界:能替你干脏活,但不会替你翻车
“28岁想入行,哪些方向不会被AI取代?”——这是最近嵌入式内容评论区里出现频率最高的问题之一。另一头,一个十几年Qt/C++经验的老工程师发了条“AI编程道心崩塌”,底下涌出543条评论。“嵌入式开发会被AI替代吗”“AI对嵌入式软件开发的冲击到底有多大”,这类问题在问答社区被反复抛出。焦虑派和无视派吵得不可开交,而真正把AI用在嵌入式开发一线的人,早就不吵这个问题了,他们手里有一张共识度很高的边界地图。小红书小红书知乎知乎
AI已经很强了,但要用在对的地方
十几年经验的工程师“MA”说得很直白:嵌入式软件开发是AI目前最能打的部分——MCU、FPGA、Linux应用、Linux驱动都能分担掉相当一块,“相当于多两个中级工程师”。他的用法是把会议纪要、芯片初选、代码脏活累活全丢给AI,最后让AI把好不容易解决的疑难杂症总结成分析报告——他觉得这是目前AI最有价值的地方。做嵌入式13年的“刘工”,从DeepSeek换到Claude Code再换到Codex,亲自去测“AI到底能替我干多少活,边界在哪”。结论类似:提效是真的,坑也是真的。小红书小红书

AI翻车的三种现场
一是数据手册幻觉。B站评论区有条吐槽总结得很准:AI大概率会有幻觉,让它从网上找文档,找到的是错的,吐出来的代码就是错的,动辄几百页的手册对上下文也是严峻挑战。所以外设初始化、寄存器配置这些,还得人逐行盯着。哔哩哔哩

二是偶发性bug。“最难搞的偶发性以太网丢包,底层驱动改造,都是我自己写了框架,让Ai去按照我的意思写的”。这是MA的原话。AI给方案经常一口气给三到四个,看着热闹,他的反馈是“都会有些隐患”,得你来出第五条路。小红书
三是硬件侧。原理图和PCB目前基本还是人自己画,AI顶多帮忙检查;让AI推荐芯片,货期、价格、技术参数还得自己回头确认。
为什么嵌入式格外“难替”
纯软件写错了,编译器和测试会报警;嵌入式写错了,是在板子上、在物理世界里、在一个你没想到的时序里。AI没有示波器,看不到你的电源纹波,更不会为你的量产线负责。

那精力该投给谁?
评论区的高频答案:往上游挪。需求定义、方案取舍、代码审查、物理联调,这些环节连搞传动设计的工程师都来作证:“至少两年内经验丰富的老油条会更吃香”,跨软件架构、硬件、芯片、客户需求的方案落地,依然是人更有优势。反过来,只会甩需求、不看代码的新手,确实危险。小红书
汇编时代结束的时候,被淘汰的不是程序员,是只会写汇编的人。AI不会替掉嵌入式工程师,它只是把“会用的人”和“不会用的人”之间的差距,拉开得更大了一点。