芯耀
与非AI
452
AI正在设计出人类无法想象的射频芯片，这一技术突破正在彻底改写射频集成电路（RFIC）的传统设计逻辑。
传统射频芯片设计极度依赖资深工程师的经验，依靠预设电路模板反复试错迭代，而AI通过强化学习、扩散模型与逆向设计技术，能在物理规则约束下自主探索设计空间，生成完全跳出人类对称布局思维的非常规电路结构，外观类似抽象艺术图案，性能却往往突破传统方案的上限。
普林斯顿大学的研究成果显示，AI可将原本需要人类专家数月甚至数年的研发流程，压缩至6分钟完成从输入指标到输出可直接投产的电路版图，同时将传统耗时数小时的电磁仿真运算提速至毫秒级别，大幅降低研发成本与周期。
AI不再只是帮助工程师优化电路。它开始发明完全超越人类直觉的全新射频芯片架构。
普林斯顿大学的研究人员开发了一个AI框架，利用强化学习、逆向设计和扩散模型，自动发现并设计新型射频集成电路(RFIC)。
AI不是从传统的人类设计模板开始，而是探索一个巨大的设计空间，创造出全新的电路拓扑结构。
这就是为什么人类需要花费数周到数月的时间，而AI可以在几小时内完成整个过程。团队制造了真实的AI设计芯片，包括:
Ø 21.2 dBm峰值饱和输出功率
Ø 26%最大功率附加效率(PAE)
Ø 100-120 GHz亚太赫兹功率放大器，峰值饱和输出功率12.6dBm
这项研究表明，AI现在可以发现高性能解决方案，这些方案是人类可能永远无法想象的。AI将极大地加速未来6G、卫星通信、雷达系统、自动驾驶车辆以及下一代无线硬件的设计。
在此之前，2025年康奈尔大学团队推出的全AI生成无源网络的D频段磷化铟功率放大器，在125GHz目标频率下实现S参数预测误差小于0.5dB，最终达成15.3dBm的饱和输出功率、26%的峰值功率附加效率，支持数十Gb/s的高阶QAM信号传输，性能表现远超传统人工设计方案。
这次，普林斯顿团队基于SiGe工艺实现的毫米波放大器，在带宽、输出功率、能效三项核心指标上也创下同期硅基功率放大器的行业新高。
学术成果已经在快速向工业界渗透，2024年《Nature》刊发深度学习实现射频无源器件逆设计的相关论文，2025年国内学者的AI射频天线设计成果登上《Nature》封面，学术界的持续突破为产业落地筑牢了理论基础。
EDA巨头也完成工具布局。Cadence、Synopsys、Keysight等行业头部企业已推出对应的AI射频设计工具：Cadence的Cerebrus AI工具已覆盖低噪声放大器、混频器、功率放大器等核心射频模块，助力项目关键设计面积提升4.4%；Synopsys的ASO.ai、Keysight的ADS嵌入式机器学习方案，也分别从电路优化、仿真加速维度实现了射频设计效率的跃升。
随着本土企业切入AI射频赛道，技术上的差距会逐渐缩小。因此，有国内射频芯片厂商在2025年加大研发投入，前瞻性布局AI终端赛道，推出适配AI终端大带宽、高稳定性需求的射频产品，实现从国产替代向行业引领的升级。
据说国内也已推出自主研发的AI-EDA工具，可秒级生成符合要求的射频器件与电路版图，设计准确率达95%以上，多款基于该工具的芯片已成功流片。
尽管如此，目前AI射频设计仍存在部分局限，AI偶尔会生成无法流片的无效结构，最终的性能验证、实测调试仍需人类工程师把控；同时行业缺乏大规模公开共享的射频设计数据集，模型训练的成本与门槛仍较高。未来随着产业协同生态的完善，AI驱动的射频设计将进一步向6G通信、自动驾驶、卫星互联等前沿场景渗透，推动整个无线通信行业的技术变革。
结合国内AI设计射频芯片的产业布局，AI接入射频芯片领域正在从需求结构、技能要求、人才趋势等维度，必将对行业人才产生显著影响：
1、网上信息：2026年1-5月，芯片工程师应届职位数同比增长21.0%，相关硕博岗位平均招聘月薪达18777元，AI与射频的交叉赛道人才缺口持续扩大，行业整体需求保持增长。
2、技能要求向复合型升级。传统射频设计依赖工程师的经验积累，如今软件能力（代码编写、功能验证、功耗优化）成为核心要求，从业者需要同时掌握射频电路基础、AI辅助设计工具操作、跨学科知识整合能力，单一技能的人才竞争力明显下降。
3、全产业链人才需求被激活。行业不再仅聚焦高端研发岗，竞争优势也不再是研发驱动，生产制造、市场商务等全链条岗位需求会同步释放。既需要能完成核心设计的研发人才，也需要适配量产落地、市场推广的配套人才，后面两者的比重在提高。
4、人才培养导向发生转变。高校与行业开始引导学生注重实践项目、跟踪AI射频技术动态，重点培养能将AI能力转化为实际产业价值的落地型人才，而非仅聚焦理论研究的科研型人才。
最后写一下自己的感想和总结，虽然AI能够设计出“超想象”射频芯片，正在为5G/6G、卫星通信、物联网等场景打开新的硬件可能性，它不仅会缩短研发周期、降低试错成本，更将推动整个通信产业链进入一个前所未有的技术爆发期。但这不意味着人类设计师的退场，也不代表技术创新的失控，而是标志着人与AI开始在硬件领域形成全新的协作关系——人类负责定义目标，AI负责拓展边界。
