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。