AI 给出的答案，你敢直接用吗？芯片研发需要一套新的评估标准

做芯片的人对"质量"这个词不陌生。

代码覆盖率、时序余量……这些指标跑了几十年，大家都知道怎么看，怎么判断一个版本能不能往下走。

但现在流程里多了一个新角色——大模型的输出。问题来了：这个输出，用什么来量？

传统的软件质量评估体系，建立在一个前提上：输出是确定的。

同样的输入，同样的代码，跑出来的结果是一样的。所以可以写测试用例，可以做回归，可以用覆盖率衡量测试的充分程度。这套逻辑非常扎实，几十年没有本质变化。

大模型打破了这个前提。同样的问题，问两次，答案可能不一样。