AI正在消灭芯片设计的学习曲线

一个应届生，三个月前还在为Verilog的阻塞赋值和非阻塞赋值发愁。现在他已经能独立完成一个AXI总线接口的设计。

这不是天赋异禀，是ChatGPT在起作用。

大语言模型正在以前所未有的速度，把芯片设计的门槛拉低。它几乎有一种提高知识普及度的效果，让原本需要三年才能掌握的技能，压缩到几个月。

传统的学习路径是什么样的？看书、看文档、看别人的代码，遇到问题去论坛提问，等几天才有人回复。运气好的话，mentor会花时间讲解；运气不好，就只能自己慢慢摸索。

现在呢？直接问AI。这种即时反馈，把学习周期从"天"缩短到"分钟"。

更关键的是，AI不会嫌你问题太基础，甚至还会给你提供情绪价值。😂

新人最怕的就是问一个"愚蠢"的问题，被senior engineer白眼。但AI不会，你问一百遍setup time和hold time的区别，它都会耐心解释。

这种心理安全感，让学习效率直线上升。

有人会说，AI给的答案不一定对。确实，它会犯错，会给出不符合timing要求的代码，会忽略power domain的问题。但这不重要。

重要的是它把学习变成了一个高频迭代的过程。以前一个月才能试错一次的设计，现在一天可以试十次。错了改，改了再问，问了再试。这种密集的反馈循环，才是技能提升的核心。

从更大的视角看，AI正在改变芯片行业的人才结构。

以前，一个合格的数字前端工程师需要三到五年培养。现在，一年就能上手做实际项目。这意味着什么？意味着行业的人才供给速度在加快，意味着小公司也能快速组建团队，意味着芯片设计不再是少数精英的专属领域。

知识的普及度提高了，整个行业的创新速度也会提高。

当然，这也带来新的问题。如果人人都能快速上手，那资深工程师的价值在哪里？答案是：经验和判断力。

AI可以告诉你怎么写一个FIFO，但它不会告诉你在这个具体项目里，用同步FIFO还是异步FIFO更合适。它可以生成testbench，但它不知道哪些corner case是真正需要覆盖的。你真的很难把所有的前提都输入到AI。

技术的门槛降低了，但工程判断的门槛没有降低。

这其实是好事。它让初学者能更快进入这个领域，让资深工程师能把精力放在更有价值的决策上。分工更清晰，效率更高。

说到底，AI不是要取代工程师，而是在重新定义什么是"合格的工程师"。以前是看你会不会写代码，现在是看你会不会做决策。

这个转变，已经开始了。