新智元报道
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。
参考资料：
https://news.nate.com/view/20260812n19157?utm_source=chatgpt.com
编辑：元宇
