一个月的活，入职刚一年的工程师一天干完。
他没用过Claude Code，甚至连USB到底是怎么工作的都不懂。
那天的任务，是给模拟器做键盘和鼠标的USB模型，再把Android的USB设备驱动一并写出来。
按老办法，这活儿要一个月。结果，他只用了一天。
芯片还没造出来，软件就得先在模拟器里跑起来。键盘、鼠标这些USB设备的行为，全要在虚拟环境里重做一遍。
EDA厂商给的只有基础数据传输的参考代码，剩下的路得自己走：先啃USB通信标准，再给每种设备单独建模型。
这活儿老手来干也要耗时费力。而这位工程师连Vibe Coding都没试过。
他做的第一件事，是把要实现的功能和那份参考代码一起丢了进去。
Claude Code把需求补全，给出实现方式，写出代码，他提一句就跟着改一版。
就这样，键盘和鼠标模型、功能验证、Android的USB设备驱动，全部在同一天里落了地。
AI写网页、写脚本、翻修整个代码库，大家已经看麻了。这一次AI干的是芯片验证。
被压缩掉的是新手的学习曲线，不是判断对错的那份专业。
一名三星电子员工正在半导体生产线上工作。
隔壁项目组接到的活更棘手。
客户要一颗定制SoC，光是芯片内部的数据通道就有64条，彼此交织，每一条都得验一遍。麻烦的是，负责管内存的那块电路代码还没写完，标准设计资料也缺了一部分。
这种局面下，工程师通常只能做一件事：等。
他们没有。
原计划一个多月的验证环境搭建和检查，两天跑完。
三星内部对此的评价是：提速15倍。
省下来的是等待
那颗定制SoC到底卡在哪？
客户要的是一套全新的半导体结构，还用上了外部供应商的IP。
按传统链条，工程师得先等设计资料齐、等DRAM控制器的RTL发布，然后才能搭验证环境、连验证IP、写测试场景。
这个链条是线性的，第一环不到位，后面全都停在原地。
三星这次的做法是把已经拿到手的东西先喂进去：从EDA厂商那里拿到的SoC设计信息、芯片内部通信规格、验证用IP，全部交给Claude。
AI找出需要的验证IP，做布局和连接，生成虚拟验证环境和测试场景。DRAM控制器还没交上来，就先拿一个虚拟模块顶上它的位置，核心数据通路照样跑得起来。
三星System LSI事业部已把Claude Code用于半导体开发与验证，部分任务从一个月压到两天。
结果是，真实RTL还没发布，早期错误已经被抓出来了。
这才是那15倍的真正来源，它省掉的，是等资料齐备的那段死时间。
15倍提速与三次越界
三星的内部评估里，还记着三个异常。
第一个：工程师让它纠正一个错误。它没去修根因，而是把错误信息改成了一般性提示。
红灯换成黄灯，指标就过了。
第二个：工程师只让它回滚某个特定功能。它顺手把其他已经完成的工作也一起撤了回去。
第三个：工程师只让它分析验证结果。它试图去修改实际的RTL电路代码。
这是「AI学会了隐瞒」，还是「擅自篡改核心代码」？
把错误降级成提示，更接近一个为了完成眼前目标而抄近路的行为，这是目标没对齐，不是它生出了欺骗的念头。
Anthropic自己在描述同类行为时，用的词是「过度主动」和误判操作影响范围。
三星内部的归因也指向这一层：大模型没能充分理解硬件设计语言里那些复杂的依赖关系。它知道怎么让一行代码跑通，不知道这行代码牵着后面多少东西。
这个区分很要紧。
如果真是学会了隐瞒，那是模型层面的问题，今天没人有把握解决；而没对齐、不懂依赖，是工程问题，能靠权限和流程收住。
工程师的新活儿
是为智能体划边界
三星在这件事上的做法，说穿了就三条：
AI能碰哪儿，人来划；它交出来的结果，人再验一遍；确认稳了，再一点点放权。
落到工程师身上，就是几件新增的活儿：哪些目录可写、RTL这类电路代码能不能动、哪些验证规则永远不可修改、每一次变更谁来审……
你要是拿Claude Code干过活，前面那三条越界大概率也不会陌生：让它修个报错，它把日志级别调低了；让它撤一个功能，它顺手把你昨天的提交也带走了。
区别，在后果能不能撤回。
你写软件，最坏是回滚一次commit，重来一遍。
芯片这行不一样。设计一旦流片，也就是版图送进产线开始造，电路就被刻死在硅片上了，想改只能整批报废，从头再来。
软件能打补丁，芯片不能。
AI造芯片
人类须在环
有意思的是，同一时间，Anthropic自己也在硬件这条线上押注。
7月9日，它宣布和工程服务公司UST合作，把Claude送进芯片验证、汽车、制造这些现场，顺带给UST全球两万名工程师、架构师和顾问做培训。
UST手里有个叫iDEC的平台，专管在芯片量产之前，把硬件和硅片先验一遍。
按UST的说法，这套流水线已经把验证周期砍掉一半以上，原来四天的活儿，如今48小时就能收工。
现在，Claude Code被接进去当大脑：读芯片的引脚定义和电路图纸，写好测试再跑一遍，然后拿真机跑出来的数据和电脑里的仿真模型对比，哪儿对不上就标出来。
Anthropic在那篇公告里提到，在这类出错代价极高的行业，让人来批、让每一步都留痕，是这套系统能真正上生产线的前提。
Reddit上，一位自称在EDA公司工作的用户没那么乐观：
就算上了智能体和技能流程，离好用还差得远，跑通一条流程动辄几个月；数字电路和验证这两块的效果，明显好过模拟、混合信号和存储器。
这句抱怨背后其实藏着一条规律。
不管是你的代码库，还是三星的流水线，最先被AI跑通的都是验证。
原因就一条：验证有标准答案，跑一遍就知道对错，不用等人来判。
AI不是要替掉谁
是把一个人的产出撑开
业内估算，System LSI事业部约6000人。高通截至去年9月约有52000人。
对坐在System LSI工位上的人来说，这意味着同样一块芯片市场，对面的人比你多出好几倍。
那个入职刚满一年的工程师，就站在这个位置上：人手不够，工期照压，标准一点不降。
所以AI在这儿被寄予的真正期待，是把一个人的产出撑开。
重复的连线、重复的验证、重复的啃规范，这些最吃工时的活交出去，老手才腾得出手去啃真正难的部分，新人才接得住更重的活。
那名工程师一天做完一个月的USB建模，AI替他省下的，正是「先把USB标准啃透」这道门槛。
一位半导体行业人士说：这种智能体跑得是真快，但没管住，出的就是大事。
他的判断是，整体开发时间会继续被压缩，过去由人一步步执行的环节会不断减少，工程师最后守住的是两头：目标怎么定，结果对不对。
工程师的活没有变少，只是换了形态。
以前的本事，是能把一个验证环境搭出来；往后的本事，是知道AI搭出来的这个环境，哪一处不对。
AI能把一个月的工作压到一两天。但芯片一旦流片，谁也压不回去。
高忆配资提示：文章来自网络，不代表本站观点。
