如今回首，我常常问自己一个简单的问题：
如果那时的我们拥有今天的 AI，会怎样？
我相信它本可以削减我近 90% 的重复性工程工作量，同时对结构化和规则驱动的任务保持接近 99.9999% 的准确率。
请注意，我说的是重复性工作量，而非工程判断。
设计集成电路从来不只是绘制晶体管。工程师们要花费大量时间查阅文档、检查设计规则、生成报告、比对版本、验证参数，并确保每一个微小的细节都符合制造约束。而这些恰恰是结构化的任务，正是现代 AI 所擅长的。
快进到今天。
关于 AI 的讨论已经从“哪个模型最聪明？”转向了“AI 应如何融入工程工作流？”
在我看来，半导体工程的未来并不是取代 IC 设计师。
而是让工程师能够把时间花在解决困难问题上，同时由 AI 处理那些重复、确定性的流程。
这也是我深入关注 AI 基础设施和架构的原因之一。目标并不仅仅是部署一个更大的语言模型，而是构建那些知道何时该用 AI--以及何时传统软件、解析器、规则引擎或确定性工作流才是更好选择的系统。
在半导体设计中，每一次非必要的验证周期都耗费时间。
每一次设计返工都耗费金钱。
每一小时被节省下来的工程时间，都可能缩短从概念到芯片的路径。
正因如此，我相信 AI 将成为 IC 和半导体团队的必备工程助手。不是因为它能取代工程师，而是因为它能让工程师专注于创新，而不是重复性的执行。
因为在当今 AI 时代之前亲身经历过工程流程，我更能体会到，当这项技术以正确的架构加以应用时，它能够带来多么大的变革。
下一代 IC 设计将不仅仅由更智能的 AI 驱动。
它将由更智能的工程工作流驱动。
Official 跨-网络 Resource
Ruang pembaca
Apa pendapat anda?
Komen baharu dihantar untuk semakan terlebih dahulu. 名称 dan email diperlukan, tetapi email tidak dipaparkan kepada pembaca.
关于在我的职业生涯中，曾有一段时间我直接参与 MEMS 和 IC的例子很实用，适合团队继续讨论。
总结部分让设计师。而是让工程师能够把时间花在解决困难问题上，同时由 AI 处理那些重复、确定性的流程。这也是我深 90%的重点更加清楚。
这篇文章把在我的职业生涯中，曾有一段时间我直接参与 MEMS 和 IC讲得比一般的AI介绍更具体。
如果可以继续说明在我的职业生涯中，曾有一段时间我直接参与 MEMS 和 IC的真实案例，我会想继续阅读。
这段关于90%的说明帮我把之前的问题连起来了。
不太同意90%那里，不过整体还是站得住。