AI 辅助芯片设计正在从概念走向落地。OpenAI 在 Jalapeño 芯片研发中，使用自家大模型完成芯片 PPA 优化、电路验证，把部分芯片设计周期大幅缩短。与此同时，国内团队尝试用大模型完成 45nm 工艺芯片概念验证。

芯片设计长期高度依赖 EDA 工业软件，全球市场由三家海外厂商垄断。芯片前端架构、电路设计、版图布局、物理验证，流程繁琐，海量重复校验工作，需要大量资深工程师，芯片研发周期漫长、成本高昂。

大模型擅长读取海量技术文档、代码、电路设计案例，自动生成 Verilog 硬件描述语言，辅助工程师做电路仿真、漏洞检查、版图优化。原本需要工程师数周完成的部分验证工作，AI 可以在短时间内完成。

但要分清边界：AI 是芯片设计师的助手，不能独立完成完整芯片设计。芯片流片制造涉及极其严苛的物理规则，芯片最终性能、功耗、良率，需要工程师做最终把关。当前 AI 只能完成辅助、验证、方案探索，无法替代资深芯片架构师。

行业出现两种探索方向。一类像 OpenAI，把 AI 当成内部工具，加速芯片研发，用于自家芯片项目；另一类探索用大模型降低芯片设计门槛，让小型团队也可以完成简易芯片设计。

很多人会产生疑问：AI 会不会颠覆 EDA 行业？短期不会。EDA 工具沉淀几十年工艺库、物理规则，是芯片制造的底层底座。AI 更多是嵌入现有 EDA 流程，作为上层智能助手，提升工程师效率，而不是直接取代 EDA 软件。

长期来看，AI 会重塑芯片研发的人力结构。重复、机械的验证工作被 AI 承接，工程师把精力放在架构创新、核心难点攻关。芯片设计门槛被部分降低，创新速度有望加快。

芯片是数字世界的底层硬件。AI 赋能芯片设计，相当于用下一代技术，反过来制造下一代技术的底座，形成技术循环。

说个我对这个事的理解。以前设计芯片，是工程师用EDA工具手动画电路图、调参数。一个芯片设计下来，要几十个人花好几年。

现在AI进来了。AI可以帮工程师做很多重复性的工作——比如自动布线、自动优化参数。工程师只需要把需求告诉AI，AI就能给出设计方案。

这意味着什么？意味着芯片设计的速度会大大加快。以前要三年的项目，现在可能一年就做完了。

而且AI设计出来的东西，可能比人设计的更优——因为AI能在几毫秒内试几百万种方案，选出最好的那个。人做不到这个。

但我觉得这不意味着工程师会被淘汰。AI是辅助工具，最终的决策还是人来做。AI给出十个方案，工程师选一个最靠谱的。

这就像以前用计算器算数学题——计算器快，但你得知道算什么。AI也是一样。