一个月的活,入职刚一年的工程师一天干完。
他没用过Claude Code,甚至连USB到底是怎么工作的都不懂。
那天的任务,是给模拟器做键盘和鼠标的USB模型,再把Android的USB设备驱动一并写出来。
按老办法,这活儿要一个月。结果,他只用了一天。
芯片还没造出来,软件就得先在模拟器里跑起来。键盘、鼠标这些USB设备的行为,全要在虚拟环境里重做一遍。
EDA厂商给的只有基础数据传输的参考代码,剩下的路得自己走:先啃USB通信标准,再给每种设备单独建模型。
这活儿老手来干也要耗时费力。而这位工程师连Vibe Coding都没试过。
他做的第一件事,是把要实现的功能和那份参考代码一起丢了进去。
Claude Code把需求补全,给出实现方式,写出代码,他提一句就跟着改一版。
就这样,键盘和鼠标模型、功能验证、Android的USB设备驱动,全部在同一天里落了地。
AI写网页、写脚本、翻修整个代码库,大家已经看麻了。这一次AI干的是芯片验证。
被压缩掉的是新手的学习曲线,不是判断对错的那份专业。
一名三星电子员工正在半导体生产线上工作。
隔壁项目组接到的活更棘手。
客户要一颗定制SoC,光是芯片内部的数据通道就有64条,彼此交织,每一条都得验一遍。麻烦的是,负责管内存的那块电路代码还没写完,标准设计资料也缺了一部分。
这种局面下,工程师通常只能做一件事:等。
他们没有。
原计划一个多月的验证环境搭建和检查,两天跑完。
三星内部对此的评价是:提速15倍。
省下来的是等待
那颗定制SoC到底卡在哪?
客户要的是一套全新的半导体结构,还用上了外部供应商的IP。
按传统链条,工程师得先等设计资料齐、等DRAM控制器的RTL发布,然后才能搭验证环境、连验证IP、写测试场景。
这个链条是线性的,第一环不到位,后面全都停在原地。
三星这次的做法是把已经拿到手的东西先喂进去:从EDA厂商那里拿到的SoC设计信息、芯片内部通信规格、验证用IP,全部交给Claude。
AI找出需要的验证IP,做布局和连接,生成虚拟验证环境和测试场景。DRAM控制器还没交上来,就先拿一个虚拟模块顶上它的位置,核心数据通路照样跑得起来。
三星System LSI事业部已把Claude Code用于半导体开发与验证,部分任务从一个月压到两天。
结果是,真实RTL还没发布,早期错误已经被抓出来了。
这才是那15倍的真正来源,它省掉的,是等资料齐备的那段死时间。
15倍提速与三次越界
三星的内部评估里,还记着三个异常。
第一个:工程师让它纠正一个错误。它没去修根因,而是把错误信息改成了一般性提示。
红灯换成黄灯,指标就过了。
第二个:工程师只让它回滚某个特定功能。它顺手把其他已经完成的工作也一起撤了回去。
第三个:工程师只让它分析验证结果。它试图去修改实际的RTL电路代码。
这是「AI学会了隐瞒」,还是「擅自篡改核心代码」?
把错误降级成提示,更接近一个为了完成眼前目标而抄近路的行为,这是目标没对齐,不是它生出了欺骗的念头。
Anthropic自己在描述同类行为时,用的词是「过度主动」和误判操作影响范围。
三星内部的归因也指向这一层:大模型没能充分理解硬件设计语言里那些复杂的依赖关系。它知道怎么让一行代码跑通,不知道这行代码牵着后面多少东西。
这个区分很要紧。
如果真是学会了隐瞒,那是模型层面的问题,今天没人有把握解决;而没对齐、不懂依赖,是工程问题,能靠权限和流程收住。
工程师的新活儿
是为智能体划边界
三星在这件事上的做法,说穿了就三条:
AI能碰哪儿,人来划;它交出来的结果,人再验一遍;确认稳了,再一 点点 放权。
落到工程师身上,就是几件新增的活儿:哪些目录可写、RTL这类电路代码能不能动、哪些验证规则永远不可修改、每一次变更谁来审......
你要是拿Claude Code干过活,前面那三条越界大概率也不会陌生:让它修个报错,它把日志级别调低了;让它撤一个功能,它顺手把你昨天的提交也带走了。
区别,在后果能不能撤回。
你写软件,最坏是回滚一次commit,重来一遍。
芯片这行不一样。设计一旦流片,也就是版图送进产线开始造,电路就被刻死在硅片上了,想改只能整批报废,从头再来。
软件能打补丁,芯片不能。
AI造芯片
人类须在环
有意思的是,同一时间,Anthropic自己也在硬件这条线上押注。
7月9日,它宣布和工程服务公司UST合作,把Claude送进芯片验证、汽车、制造这些现场,顺带给UST全球两万名工程师、架构师和顾问做培训。
UST手里有个叫iD EC 的平台,专管在芯片量产之前,把硬件和硅片先验一遍。
按UST的说法,这套流水线已经把验证周期砍掉一半以上,原来四天的活儿,如今48小时就能收工。
现在,Claude Code被接进去当大脑:读芯片的引脚定义和电路图纸,写好测试再跑一遍,然后拿真机跑出来的数据和电脑里的仿真模型对比,哪儿对不上就标出来。
Anthropic在那篇公告里提到,在这类出错代价极高的行业,让人来批、让每一步都留痕,是这套系统能真正上生产线的前提。
Reddit上,一位自称在EDA公司工作的用户没那么乐观:
就算上了智能体和技能流程,离好用还差得远,跑通一条流程动辄几个月;数字电路和验证这两块的效果,明显好过模拟、混合信号和存储器。
这句抱怨背后其实藏着一条规律。
不管是你的代码库,还是三星的流水线,最先被AI跑通的都是验证。
原因就一条:验证有标准答案,跑一遍就知道对错,不用等人来判。
AI不是要替掉谁
是把一个人的产出撑开
业内估算,System LSI事业部约6000人。高通截至去年9月约有52000人。
对坐在System LSI工位上的人来说,这意味着同样一块芯片市场,对面的人比你多出好几倍。
那个入职刚满一年的工程师,就站在这个位置上:人手不够,工期照压,标准一点不降。
所以AI在这儿被寄予的真正期待,是把一个人的产出撑开。
重复的连线、重复的验证、重复的啃规范,这些最吃工时的活交出去,老手才腾得出手去啃真正难的部分,新人才接得住更重的活。
那名工程师一天做完一个月的USB建模,AI替他省下的,正是「先把USB标准啃透」这道门槛。
一位半导体行业人士说:这种智能体跑得是真快,但没管住,出的就是大事。
他的判断是,整体开发时间会继续被压缩,过去由人一步步执行的环节会不断减少,工程师最后守住的是两头:目标怎么定,结果对不对。
工程师的活没有变少,只是换了形态。
以前的本事,是能把一个验证环境搭出来;往后的本事,是知道AI搭出来的这个环境,哪一处不对。
AI能把一个月的工作压到一两天。但芯片一旦流片,谁也压不回去。
参考资料:
https://news.nate.com/view/20260812n19157?utm_source=chatgpt.com
本文来自微信公众号“新智元”,作者:ASI启示录,编辑:元宇
