前言
随着AI大模型的快速发展，越来越多的行业在使用AI进行辅助办公和设计。
一、AI深入互联网行业
前段时间和互联网大厂的一位朋友在吃饭聊天时，更能感觉到AI在互联网领域的渗透率之高。在互联网业务开发中，几乎每个员工都在借助AI Agent实现代码开发和debug，有的慷慨公司可能会统一购买token分配，员工拥有一定的额度可用于AI消耗。相比之下的小厂，就没有那么幸运，需要自行付费买token，业界笑称“付费上班”。通过借助AI实现产品的加速升级和迭代，在竞争异常激烈的互联网领域是逃不掉的趋势，80%左右的代码开发工作被AI代替，工程师更多专注需求描述、系统架构设计和质量把关。
如果说互联网这种做上层应用平台开发的行业最容易借助AI进行替代的话，那么做底层逻辑设计和开发的芯片行业，虽然没那么迫切，但已经在简单模块设计和EDA工具工作流程中借助AI来提升工作效率和自动化了。
二、AI 辅助芯片设计
目前，一些主流芯片设计厂商如新思科技、AMD、NVIDIA等，已经在芯片设计中使用AI进行工作流任务，将目标瞄向端到端全流程解决方案。
当前，大模型遍地开花，以GPT、Claude 、DeepSeek、Kimi、GLM为代表的大模型被大众熟知，用来处理文件表格、撰写图文、信息检索、编程等。
就在昨天（7月17日），月之暗面正式发布Kimi K3开源大模型，2.8万亿参数模型，面向长程编程、知识工作和推理等前沿智能场景。并且在官方推文中，介绍了通过Kimi K3设计了一款芯片，连续48小时自主Agent运行，基于开源EDA工具和Nangate 45nm工艺库，独立完成了芯片的构建、优化和验证。
无独有偶，一位上海的朋友今天在参观WAIC展览时，发现上海泛函数智能科技正在力推芯片设计全流程，从架构设计、RTL & 验证、逻辑综合到最终的流片，AI正在定义和重塑芯片设计。
三、AI辅助FPGA开发
我们常用Xilinx (AMD收购)Vivado进行FPGA开发，目前AMD的AI辅助团队也在打造适用于Vivado的FPGA开发助手。可通过VSCode配置Vivado-MCP-Server和编程大模型，并设置Vivado执行路径，即可基于Vivado开发环境进行FPGA全流程开发和调试。 在常规通过AI Agent进行芯片RTL设计和Coding时，极为依赖大模型的上下文和编程能力，如果没有内部知识库作为基础，很难保障设计质量。
Vivado-MCP-Server则是基于大模型和Vivado的知识库（UG、PG、DS和论坛问答）实现FPGA开发工作流，AI可调用Vivado、读取各个阶段的报告、执行TCL和验证结果。
在VS Code编辑器中，我们可通过聊天对话框输入需求信息，MCP获取信息后去调用配置的大模型，并检查当前环境Vivado的可用性。
AI创建工程时会默认工程路径，此时会提示你是否接受，你可指定存放工程路径位置。
当指定芯片型号和管脚，AI会自动创建XDC约束文件，并可执行全流程的仿真、综合、布局布线和生成bit流文件。
Vivado-MCP-Server下嵌入多个工具，用于会话管理、log分析、文档搜索、Vivado执行等。
在执行过程中，基于Vivado构建的文档知识库，AI可读取各阶段的报告，检查时序是否满足要求，并提供解决方案。
当FPGA工程师发出指令，综合工程时，AI Agent开始自动调用Vivado执行综合，并通过log分析综合报告，识别错误警告，然后基于知识库找到解决方案，AI再执行修复，重新综合并检查综合状态，最终将综合状态结果反馈到FPGA工程师，从而实现设计综合闭环，确保设计质量。
四、工程师的核心价值
在ASIC设计和FPGA开发的全流程中，工程师的价值非但没有被AI削弱，反而被重新定义和抬高了。工程师的核心价值，正从执行重复性技术劳动，转向更高阶的决策、创新与系统设计。
当前的核心共识是：AI不会取代工程师，但不会使用AI的工程师，一定会被新的工作方式取代。
AI如何重塑工作流：从“执行者”到“决策者”
AI的介入，让芯片设计工作流发生了深刻变化：
• 从“手动编码”到“智能生成”：过去手动编写大量RTL代码、测试用例等重复性工作，现在工程师只需描述功能需求，AI即可自动完成代码生成、IP核配置等任务。在一些先进流程中，工程师甚至全程无需手动敲击键盘，AI就能完成从规格到版图的设计。
• 从“经验试错”到“算法寻优”：后端设计中，手动调整布局、优化PPA（功耗、性能、面积）极其依赖工程师经验。而AI-EDA工具（如DSO.ai）能在庞大解空间中进行成千上万次自动化探索，速度和规模远超人力。
• 从“手动Debug”到“AI辅助分析”：面对复杂的仿真波形和日志，工程师手动定位Bug耗时耗力。现在，AI能快速分析，甚至直接给出修复建议。
工程师的“护城河”：四大不可替代的核心价值
当AI接管了执行层，工程师的价值体现在以下四个无法被AI替代的层面：
• 1. 架构定义与系统思维：AI能写出高效的模块，但无法理解模块在整个芯片中的角色。工程师需要根据产品目标（如边缘推理 vs. 云端训练）进行架构定义和多维度的设计权衡。这需要跳出模块，从系统层面思考。
• 2. 复杂逻辑推演与创新：AI在处理长逻辑链、多模块深度耦合的复杂场景时力不从心。例如，在设计高性能DMA或PCIe控制器时，如何避免死锁、管理复杂状态机，这种牵一发而动全身的系统性推演，是工程师创造力的体现。
• 3. 工程经验与风险判断：这是最朴素的“护城河”。AI看过无数设计，但没经历过流片截止日期的压力。工程师的经验在于知道“哪里会出问题”，比如跨时钟域处理（CDC）的各种“坑”，这是AI无法“亲身”体验的。
• 4. 终极把关与质量兜底：AI生成的设计可能存在“幻觉”，一个错误就可能导致千万美元的流片损失。工程师是最终决策者和质量守门人，负责做出关键决断。尤其在芯片验证环节，工程师需要针对不完整的Spec进行反推，并系统性地寻找极端Corner Case，这是AI难以胜任的。
在AI驱动的芯片设计全流程中，工程师的角色并未消失，而是实现了价值跃迁。AI负责处理“怎么做”的执行细节，而工程师则专注于“做什么”和“为什么这么做”的战略决策。工程师的价值，正体现在驾驭AI、定义架构、规避风险、确保质量这些更高层次的智力活动上。
- -THE END- -
往期精选
FPGA技术江湖广发江湖帖
无广告纯净模式，给技术交流一片净土，从初学小白到行业精英业界大佬等，从军工领域到民用企业等，从通信、图像处理到人工智能等各个方向应有尽有，QQ微信双选，FPGA技术江湖打造最纯净最专业的技术交流学习平台。
FPGA技术江湖微信交流群
加群主微信，备注姓名+学校/公司+专业/岗位进群
FPGA技术江湖QQ交流群
备注姓名+学校/公司+专业/岗位进群
