为什么AI对新手工程师的帮助更大？

经验越少的用户，从大模型AI获得的收益越大。

为什么会这样？

新手工程师面对一个时序约束问题，会直接问AI："这段代码的setup time violation怎么解决？"AI给出三种方案，他逐个尝试，很快定位问题。

经验丰富的工程师呢？他脑子里已经有了解决路径，用AI只是为了加快某个环节。比如让AI生成一段testbench模板，或者优化一下已有的FSM代码。收益被限制在局部优化上。

这背后是边际递减效应在起作用。

因为你已经掌握了处理问题的常见模式，AI提供的信息开始重复。经验丰富的工程师已经建立了完整的知识体系，AI提供的建议，大部分都在他们的知识范围内。

新手则不同。他们的知识图谱有大量空白，AI填补的每一块都是实实在在的增量。

这给芯片行业带来一个启示：不要指望AI让资深工程师的生产力翻倍。它更像是拉平团队能力的工具，让新人快速上手，让中等水平的工程师接近高手。

但这也意味着，如果你已经是团队里的技术专家，想通过AI获得显著提升，需要改变使用方式。不是用它做你已经会的事，而是用它探索你不熟悉的领域。

比如一个数字前端工程师，可以让AI帮忙理解后端的物理设计约束。

跨界学习，才能打破边际递减。

说到底，AI不是让强者更强的工具，而是让弱者变强的工具。