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。