芯片工程师的工作，也被AI威胁了

本文20%手搓，AI含量80%。

交流自媒体skill的朋友欢迎联系我。

故事是这样的。

昨天刷到一条消息，当然是一条旧闻了，只是我第一次看，也权当是新闻了。我反复看了三遍才确认自己没理解错。

一家叫Verkor的AI芯片设计初创公司，开发了一套AI芯片设计智能体系统，Design Conductor，完成了独立自主设计一颗RISC-V CPU的任务。

只需要输入自然语言描述，一条219个英文单词的需求描述，12个小时之后，系统输出的是一份可供流片的7nm GDSII版图。

全程，没有工程师人工干预。

芯片设计这条路，人类走了几十年。一款高性能芯片，从架构师画微架构，到RTL工程师写Verilog，到验证团队跑仿真，再到后端布局布线，几百号人，18到36个月，几亿美元打底。

要知道，OpenAI宣称要做自己的算力芯片，预算是1800亿美元！

现在你告诉我，AI一个人，12个小时，219个词，搞定了？？？

我脑子里以前一直坚信不疑，AI写代码已经很强了，早晚有一天也会写Verilog，毕竟也是代码嘛。

但我从来没想过这么快，毕竟IC设计是一个相对比较封闭的领域，不像Coding领域那么多开源代码可供训练。而且AI智能体如果把芯片设计的整条链路，从需求一路跑到物理版图，中间环节很多时候都依赖人工介入。

这个跨越，比我预想的早了好多年。

说回Design Conductor本身。

很多人可能会认为这又是一个什么超级大模型直接输出的。不是的，Design Conductor不是一个模型，是一套Agent系统，你可以理解为一个AI项目经理，下面管着好几个AI工程师，各管一摊。

Design Planning Agent分析需求和做微架构方案；Design Review Agent审查设计里有没有坑；Module Implementation Agent写每个模块的RTL和测试；System Integration Agent把所有模块拼起来跑端到端测试；Root Cause Analysis Agent从波形文件里定位bug根因；PPA Closure Agent优化时序和功耗……

翻译一下，传统芯片团队怎么分工，Design Conductor就怎么用AI模拟了一套出来。

写到这我突然想起，以前跟一个做芯片的朋友聊天，他说芯片行业最大的痛不是设计，是验证。验证占整个设计周期70%以上，跑一次仿真等半天，报一堆violation，然后工程师逐个排查，哪个是真问题哪个是噪声，基本上是纯体力活。

而Design Conductor在这块，做得相当有意思。

论文里记录了一个完整的自主调试案例。跑测试发现寄存器写入不对，预期写x2，实际x5被写进了错误值。AI自己把VCD波形文件转成CSV，自己写了Python脚本逐行比对时间戳和寄存器地址，跟Spike模拟器参考输出一条一条对，最后定位到PC=0x2008处一条JAL跳转指令，跳转后0x200c处的AUIPC指令没有被正常冲刷掉。

根因是流水线flush逻辑有缺陷。

然后AI自己提了修复方案，改了RTL，重新跑测试，通过。

Verkor的工程副总裁David Chin说了句话，我觉得挺一针见血的——我们在用算力换经验。

AI设计的这颗芯片到底什么水平呢？

CoreMark跑分3261，主频1.48GHz，5级流水线、顺序执行、单发射、没有缓存、没有乱序执行。

性能大概相当于2011年Intel Celeron SU2300。是的，一颗2011年的赛扬。

虽然没有实际流片，所有验证都在仿真和FPGA上。

虽然为了设计这颗相对简单的CPU，消耗了数百亿个token。

但我还是觉得这事很牛逼。

不是因为性能多炸裂，是因为"从需求到版图的整条路走通了"这件事本身。这条路上每一步都有无数种出错的可能，架构选错方向、RTL藏着隐晦bug、时序卡住、物理设计DRC violation……任何一个环节卡住，就烂尾了。

但它没有，它走完了。

你想想看，这背后的变化有多大。

不是英伟达下一代GPU将由AI设计，不是苹果A系列将由AI设计。那些东西复杂度是VerCore的百倍千倍，现在还搞不定。

真正会被改变的，是那些以前连立项都立不了的定制芯片。

一个小团队想要一颗专用AI加速器，以前得找设计服务公司，几十万美元起步，大半年周期。以后可能就是写好需求文档，AI跑一晚上，第二天GDSII就出来了。流片周期从两三年压缩到三五个星期。

坦率的讲，Design Conductor还远没到成熟到理想的状态，Verkor团队在论文里表述的也很诚实，AI有时候会绕远路，时序跑不过就想加深流水线，而有经验的工程师一眼就知道先检查更简单的原因。AI有时候会把Verilog的并行逻辑当程序顺序执行来理解。需求文档写漏了CPI约束，AI可能就默默交出一颗分支处理极差的处理器。

离完美还远得很。

但这就是2026年，芯片设计正在从"操作EDA工具的手工业"，变成"设定目标、审查决策的脑力业"。

论文里有句话我印象很深——资深工程师将拥有更少的工具操作员职责，转而依靠他们的判断力和经验。

判断力和经验。

这才是这场变革里最值钱的东西。

但话又说回来了，现在的工程师们，依赖过去几十年碳基生命积累的判断力和经验，没准儿可以在这一场变革中苟且保住饭碗，那下一代呢？

年轻一代，工作都找不到了，谁给他们提供积累判断力和经验的机会？

这才是我们更需要考虑的。

具身智能创业大赛，奖励丰厚、投资机会多多，最后时间窗口

联系我报名直通车：