最近，一个话题在半导体圈越传越热：计算机专业毕业生找工作越来越难，那么电子工程专业会不会是下一个？
Semiconductor Engineering 邀请了六位行业人士展开讨论，包括 Cadence 研究员 Chuck Alpert、Synopsys AI 与机器学习副总裁 Thomas Andersen、南安普顿大学 AI 与 EDA 研究员 Simon Davidmann、llmda.ai CEO Nagesh Gupta、Breker Verification Systems CEO Dave Kelf，以及 ChipAgents 研究负责人 Kexun Zhang。
一、CS毕业生为什么突然不吃香了？
过去，计算机专业毕业生是各大公司争抢的对象。如今，他们的失业率却高于整体平均水平。原因何在？
生产力工具改变了招聘节奏。 Alpert 认为，Cursor、Claude Code、GitHub Copilot 这类"vibe coding"工具大幅提升了程序员的产出。公司在 Claude、OpenAI 上花了大笔资金，自然不愿再保持原来的招人速度。
受冲击最大的可能不是CS，而是数据科学。 Gupta 说，他一直在招计算机专业毕业生，但名校出来的好苗子本来就不多，真正受影响明显的反而是数据科学方向。
AI也许不是唯一的"凶手"。 Davidmann 查阅了英国市场的数据：2022 年到 2026 年，头部雇主的应届生招聘量下降了 24%，但原因更多是经济不确定、预算缩减、行业调整和疫情后的招聘变化。AI 只是闯入了一个本来就很复杂的局面。从工程专业看，毕业生通常在 15 个月内找到工作，就业率约 75%，属于正常水平。"AI 肯定有影响，但很难精确判断到底有多大。"
二、实习生的活被AI抢了，经验从哪来？
真正让行业担忧的，是"经验断层"。
Kelf 说，现在的新人普遍缺乏实操经验。招一个应届生，往往要花一年时间才能让他上手真实项目，而且这个问题越来越严重：AI 正在取代一部分实习岗位，学生拿不到实习机会，实践经验就更少。
更现实的是成本问题。那些原本用来培养新人的初级任务，如果能交给 AI 来做，公司就很难再有理由招人；而一旦竞争对手这样做了，自己不跟进，利润就会落后。
但这是一个短期解法，长期却埋着隐患。Davidmann 指出，AI 只能做一部分事情，真正的工程能力还要靠大量实践积累。如果不再招应届生、不再带学徒，将来就没有人成长为专家。等现有专家逐渐老去，行业就会出现巨大的人才缺口，而这个缺口 AI 补不上。Andersen 也表示赞同：如果不培养接班人，将来谁来做这些事？
三、没人带新人了
Gupta 讲了女儿的经历。她刚毕业，找到了一份工作，同班同学也基本都找到了。但她观察到一个变化：过去，新人入职会有导师带，慢慢上手；现在，资深员工自己都在用 AI 干活，根本没时间带新人。
她所在的大公司已经意识到这个问题，并开始组织专题讨论，研究如何解决"没人愿意带新人"的困境。
四、公司的期望变了，学校还没跟上
Zhang 认为，当下最大的矛盾在于：公司对新人的期待，和学校的培养方式出现了错位。
AI 进化太快，企业现在希望新人一入职就是"AI 原生"的，能用 AI 工具解决更高层次的问题，而不是做传统的"打杂"工作。他们要有判断力、有主动性，能自己定义问题。解决问题和落地实现变得容易了，但大学教育根本来不及适应这种速度。
最尴尬的是刚毕业的这批人：他们的大部分学习经历并不是 AI 原生的，企业却已经因为 AI 带来的经济价值，提高了期待。
Davidmann 回到校园后，发现高校内部对 AI 的态度也很分裂：该不该让学生用？考核怎么设计？
他的建议是，教育应当分成两种模式：
基础模式： 学数学原理、算法逻辑、调试方法。这部分要刻意少用甚至不用 AI，因为需要真正理解。
职业模式： 模拟企业场景，把 AI 和 Agent 当成工作的一部分来用。
他举了个例子：他曾在一家大型 EDA 公司负责欧洲高校项目，给学校提供验证技术，让学生做覆盖率相关的项目。学生先手动搭仿真、跑测试生成器、做覆盖率分析，把流程全部走一遍，再尝试用 AI 去优化。最后听他们汇报时，他觉得这样的方式很有效。
不过他也承认，无论学校还是企业，相关政策都还没理顺，一切变化都太快。
五、反转：年轻人成了"AI老师"
这一部分，或许是整场讨论中最有意思的发现。
Alpert 说，他发现过去两年入职的年轻工程师，常常是最值得请教 AI 用法的人。EDA 行业有很多资深从业者，三到五年前，他绝不会觉得年轻人能教他什么，现在却能从他们身上学到很多。
Andersen 补充，资深人士对新技术有抵触很正常，每一代人都是如此。大学确实没有为这些技术做好准备，但年轻人学新东西的热情高，自学能力强，这是很大的优势。
Kelf 则用行业历史做类比：
逻辑综合刚出现时，老工程师习惯在门级电路上工作，抗拒新方法，是新人先学会了硬件描述语言（HDL）并开始用综合工具。
随机验证普及时，资深验证工程师不熟悉需要面向对象编程的测试平台，而新毕业生在学校里就学过。
那么 AI 会是下一波吗？Kelf 认为，也许再过一两年，学校会开出更系统的 AI 课程，毕业生能更轻松地处理幻觉等问题，而这些恰恰是资深工程师最头疼的。
六、AI会取代EE吗？
有人说，EDA 圈内认为现在的 Agent 已经相当于初级工程师，将来一位资深工程师要管理十个"虚拟工程师"。这是不是意味着电子工程师也难逃一劫？
Alpert 的回答是：不会，因为需求缺口太大了。
芯片设计的复杂度一直在飙升，封装、3D-IC、跨领域验证、跌落测试……要做的事情多了 10 倍，要做的设计数量也增加了 10 倍，资源却没变，周期也没变。EDA 行业的使命就是提高生产力，Agent 是新一轮的提效手段，但缺口仍然填不满。"哪怕设计师的效率提升 10 倍，EE 也永远不会过剩。"
Andersen 也表示，多项研究都显示芯片设计人才供不应求，AI 能让人更高效，缓解这一短缺。而所谓"初级"和"高级"，本质上只是任务层次的区别。如果初级任务被自动化，初级工程师就去做更高层次的任务。他们不需要熬 20 年才能做这些事，只需要从一开始就"升级"。
Alpert 用一句话总结：
"现在所有工程师都是高级工程师了。你招来一个人，同时也得到了一份帮手。"
写在最后
AI 没有让电子工程师过剩，但它确实在重写职业起点：
初级岗位的内容变了： 打杂的活少了，对判断力和主动性的要求高了。
培养体系需要重建： 导师带徒、实习和课程设计都得重新想。
代际关系正在翻转： 年轻人可能成为推动 AI 落地的重要力量。
对于即将入行的新人，最好的建议或许是：扎实打好基础，同时尽早把 AI 用到手熟。
推荐视频：AI正在重塑半导体设计、验证和制造
