北京
软件工程已经经历了一场奇特的转变：人人都在写代码，但越来越多的人不再亲手敲键盘。AI编程工具从自动补全进化成了代理，能够接收自然语言请求、检查代码库、做出修改、运行测试并自行迭代。在软件领域，这种转变发生得异常迅速。
芯片设计是下一个被改变的领域，但这场过渡会更慢、更难，潜在影响也可能大得多。随着半导体行业采用AI原生的芯片设计工作流，最大的变化不只是更快的RTL生成、测试平台创建、脚本编写或调试。工程师需要学习一种根本不同的工作方式：他们不再亲自执行每一步，而是越来越多地管理能够替他们完成工作的智能端到端系统。
从写代码到管代理
“氛围编程”听起来像是个新概念：用自然语言描述你想要什么，把实现交给智能系统，检查结果，然后迭代。但有一个职业几十年来一直以这种方式工作，那就是工程管理。管理者通过规格说明、工单、邮件和会议来描述他们想要什么，把实现委托给工程师，而这些工程师的内部推理过程他们无法完全观察。当工作返回时，管理者审查结果，检查是否满足需求，再决定是否接受。
当你把人类工程师替换成AI代理时，工作流看起来惊人地相似。因此，使用代理的工程师突然继承了一整套传统上属于管理者的职责：
- 编写不会被误解的规格说明
- 决定每个代理需要什么上下文
- 把问题分解成相互独立的部分
- 评估工作成果，而不是自己产出全部内容
- 协调多个专业代理
- 判断一个看似合理的结果何时实际上是错误的
这意味着AI并没有消灭工程管理，而是把它民主化了。每个与代理协作的工程师，在某种意义上都成了一支能力越来越强的工程团队的管理者。
芯片设计的数据困境
软件为这种未来提供了一个早期预览，但半导体工程领域的AI代理运行在困难得多的环境中。第一个问题是数据。软件模型受益于海量公共代码库和数十年的开源开发积累。半导体设计数据要稀缺得多，而且在很多情况下是专有的。根据原文的分析，数字设计项目的数量比Python代码库少了几个数量级，而公开可用的模拟设计数据更加稀缺。
第二个问题是芯片不会说英语。芯片工程师面对的是原理图、网表、图、布局布线、波形、寄生参数和设计规则。这些都不是自然语言能够直接描述的对象，AI代理需要理解的是高度专业化的工程表示，而不是人类日常交流的文本。
工程师角色的上移
工程师的角色正在向上移动：从编写者，到审查者，再到编排者，最终成为架构师。这个变化的核心不是工具变快了，而是责任边界变了。过去工程师要对每一行代码、每一个设计决策负责；现在他们需要学会判断代理给出的结果是否真的正确，需要学会把一个大问题拆成代理能够独立处理的碎片，需要学会在多个专业代理之间分配任务。
这种转变对芯片设计行业的影响可能比软件领域更深远。芯片设计的迭代成本极高，一次流片失败可能意味着数百万美元的损失和数月的延误。当AI代理开始参与设计决策时，工程师的判断力变得比动手能力更重要。那些能够清晰描述需求、准确评估结果、及时发现错误的人，将在新的工作流中占据优势。
软件行业已经证明，AI代理不会让工程师消失，但会重新定义工程师的工作内容。芯片设计行业正在经历同样的转变，只是速度更慢、门槛更高。最终，那些学会像管理者一样思考的芯片工程师，将成为这场变革中最大的受益者。
特别声明：以上内容(如有图片或视频亦包括在内)为自媒体平台“网易号”用户上传并发布，本平台仅提供信息存储服务。
Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.
