AI时代的数字芯片工程师：该怕什么，该学什么，该怎么干（7620字）

最近，做芯片的人都能感受到一件事——周围的工具在悄悄变。EDA厂商开始往自家工具里塞AI模块，公司里有人用ChatGPT/Claude写SystemVerilog，有人拿大模型解析timing report和测试log。但大多数的工程师，其实并没有认真想过：这波AI浪潮，到底在改变什么，会对自己的职业路径造成什么影响，以及现在该怎么做。

这篇文章想认真聊一聊这件事。不讲大道理，讲具体的、能落地的东西。

先把AI这件事想清楚

芯片圈里有一种很普遍的误解，认为AI对芯片研发的影响，就是"EDA工具加了几个智能功能"，或者"以后写RTL可以用AI补全代码"。这个理解太窄了。

把时间线拉长来看，AI对芯片研发的影响，跟当年EDA工具的出现，或者云端仿真平台的兴起，有相似的底层逻辑。每一次底层基础设施的迭代，改变的不只是某个具体任务的效率，而是整个研发流程的组织方式。

EDA工具出现之前，芯片设计是手工绘图的。EDA工具出现之后，不是"原来的工程师用工具画得更快了"，而是能做的设计规模发生了量级跳跃，整个行业的分工方式也随之重组。云端仿真平台出现之后，小团队开始能承接以前只有大厂才有资源跑的仿真任务，行业格局也开始松动。

AI这一轮，走的是类似的路径。它的影响方式，更接近"重建一层底层基础设施"，而不是某个具体工具的功能升级。