為填補人才缺口，高校可向計算機專業學生傳授硬件設計知識，同時對電子工程專業的課程體系進行調整，甚至適當精簡

核心要點

1. 行業正研發并測試多種全新方案，以解決芯片領域的人才短缺問題

2. 在設計工具中融入人工智能技術，能提升工程師的工作效率，或可縮短工科學生的培養周期

3. 電子設計自動化（EDA）企業正探索可行性：能否將計算機科學與軟件工程師培養為硬件工程師

為緩解芯片行業的人才短缺困境，業界正開發并測試各類全新解決方案，既包括更廣泛地應用人工智能工具，也涵蓋對非本專業的工科畢業生開展交叉培訓。

在人工智能應用層面，新型工具可助力工程師更高效地完成半導體硬件的設計與驗證工作，承接部分工作任務。大語言模型與自然語言智能體工具可通過訓練成為定制化輔助工具，而這一技術也將進入持續發展、迭代與融合的循環 —— 因為支撐這些芯片設計輔助 AI 運行的，恰恰是性能更先進的芯片，二者形成相互推動的發展態勢。

與此同時，學術界也在嘗試各類填補人才缺口的方法：從更短期、高強度的培訓與交叉培訓，到借助機器學習工具、大語言模型、多智能體系統及混合專家模型 AI，將軟件工程師培養成能勝任硬件工程師工作的專業人才。向軟件工程師傳授硬件設計知識具備可行性，但這一過程并非易事。

楷登電子（Cadence）驗證軟件產品管理高級總監馬修?格雷厄姆表示：“相關人員仍需接受一定的教育與崗位培訓，要從根本上理解人工智能或各類解決方案的工作原理，才能與其進行有效協作。但這并不意味著他們必須成為寄存器傳輸級（RTL）代碼編寫專家。未來，芯片開發人員或許無需精通 SystemVerilog 或 VHDL 硬件描述語言，只需掌握基礎原理即可，這就像使用 C、C++、Python 等編程語言的開發者一樣 —— 他們都清楚編譯器會將高級語言轉化為匯編語言和機器語言，卻無需親自完成這一轉化過程，也不必精通相關技術，只需明白自己編寫的代碼在底層會完成一系列運算即可。”

格雷厄姆認為，未來的芯片開發與驗證工程師所需掌握的技能，將與當下的工程師有顯著區別，“會更貼近軟件工程師的技能體系”。他回憶道：“25 年前我剛入行時，從事的是集成電路開發工作，很快便轉向驗證工程師崗位，原因是我掌握了面向對象編程技術。當時，面向對象編程不僅被納入計算機工程專業課程，也首次成為電子工程專業的教學內容之一。后來，SystemVerilog 的前身 Specman e 和 Vera 語言問世時，行業內曾有這樣的聲音：那些編寫 RTL 代碼的硬件工程師，幾乎沒人掌握這類新技術。因此，學過幾門軟件工程課程的電子工程師，就成了驗證工程師的合適人選，因為行業亟需這一技能。如今，類似的變革正在再次發生，硬件設計領域將新增大量軟件相關的技能要求。但要說直接招聘軟件工程師，不做任何培訓就讓他們獨立完成硬件開發，我認為并不現實，因為該領域仍要求從業者掌握特定的專業知識。”

新思科技（Synopsys）產品管理高級總監阿南德?蒂魯文加丹指出，傳統的硬件設計工作，尤其是寄存器傳輸級和電路級的設計，要求從業者深入理解數字邏輯、時序分析、驗證技術，往往還需掌握模擬電路相關概念。“硬件設計所使用的工具鏈與工作流程，通常比絕大多數軟件開發環境更復雜，抽象化程度也更低。硬件開發需要考慮物理約束、邏輯綜合、時序收斂以及制造工藝等問題，而這些都并非軟件工程師的專業知識范疇。”

不過，新型工具正推動硬件設計向更高層次的抽象化發展，部分新工具和新平臺支持以更高級的方式描述硬件，其范式與軟件工程愈發貼近。蒂魯文加丹解釋道：“例如，部分系統支持通過高級編程語言或圖形界面定義硬件功能，再由工具自動將其轉化為硬件描述語言。人工智能驅動的工具還能實現硬件設計中諸多底層工作的自動化，比如生成測試平臺、優化布局布線、提出設計改進建議等。這讓缺乏深厚硬件專業知識的人員，也能為硬件設計工作做出實質性貢獻。”

ChipAgents 公司研究主管、卡內基梅隆大學博士研究生張可勛認為，優秀的芯片設計仍離不開專業硬件工程師的參與，因為人工智能技術在軟件工程領域的發展與大規模應用，遠超前于芯片設計領域。他表示：“如今行業內的初級硬件工程師越來越少，具備豐富經驗的軟件工程師愈發受重視 —— 究其根本，人工智能只是一種工具，好的工具能讓人創造更大的價值，但使用工具的人必須深刻理解問題本身，才能完成產品的架構設計。”

和當下的大多數行業從業者一樣，芯片設計師也在借助人工智能技術提升工作效率、節省時間。貝亞系統（Baya Systems）首席商務官南丹?納揚帕利說：“設計師們都在思考，如何讓工具更高效地為自己服務，而非逐字研讀技術文檔？能否直接向工具提出需求，由工具告知具體的操作步驟？在進行需求規格設計時，人工智能能否提供一個優質的起點？如果能有這樣的起點，系統設計的效率將大幅提升；如果在設計過程中，工具能持續提供指導，整個設計工作也會更高效。這就是設計師對人工智能的期待：它能否設計出小型的通用系統？能否生成足夠高效、無需進一步優化的簡易設計起點？從技術上來說或許可行，但目前尚未實現。當下，人工智能的核心價值在于幫助設計師更深入地理解工具、借助優質起點掌握工具能力，進而加快優化進程，最終縮短設計周期、提升產品上市速度。”

如何讓軟件工程師掌握硬件設計能力？

加州大學洛杉磯分校計算機科學杰出教授叢京生（Jason Cong）已針對這一問題研究了數十年。

他在設計自動化大會（DAC）上援引美國勞工統計局的數據稱：“全美約有 200 萬人自稱軟件開發者，依靠軟件編程謀生，而硬件設計師的人數不足 10 萬人。目前尚無專門的集成電路設計師統計分類，因此我將相關從業者都歸為硬件設計師范疇。” 這一粗略數據顯示，美國軟件工程師與硬件工程師的人數比例已超 20:1。

叢京生及其團隊發表了多篇技術論文，闡述培養軟件工程師硬件設計能力的具體步驟，并在演講中得出結論：“核心觀點之一是，精心研發的人工智能 / 機器學習工具，必然能為芯片設計工作提供助力。我在演講中展示了如何將圖神經網絡與大語言模型相結合、捕捉設計層級、完成程序轉換、實現從現場可編程門陣列（FPGA）到專用集成電路（ASIC）的任務遷移，以及借助混合專家模型完成領域遷移。”

讓軟件工程師勝任芯片設計的關鍵步驟

1. 從他們熟悉的編程語言入手

2. 借助高級綜合技術

3. 依托深度學習、多面體優化與轉換技術，實現代碼向寄存器傳輸級的自動化轉換與優化

4. 采用智能體架構，統籌各類設計與優化步驟

5. 打造硬件設計的 “應用商店”（參考霍洛維茨的主題演講內容）

行業的發展愿景，是打造融合機器智能與人類智慧的多智能體協作體系。叢京生明確表示：“我的目標十分清晰，就是讓這位精通軟件編程的年輕工程師，也能勝任芯片設計工作。當硬件設計變得和編寫 PyTorch 庫一樣簡單時，就意味著我們的努力取得了成功。” 他透露，自己開設的本科課程 CS-133 已取得一定成效：“學生僅用一周半的時間，就能掌握高級綜合技術，并在亞馬遜云科技 AWS F1 云平臺上設計出卷積神經網絡（CNN）加速器。”

西門子 EDA 產品負責人薩蒂什庫馬爾?巴拉蘇布拉馬尼亞姆對此表示認同，他認為智能體 AI 是幫助工程師快速掌握新工作技能的最佳方式，只需將智能體與存儲過往設計成果、項目資料及各類內部數據的數據湖相連即可。“向智能體輸入的數據越多，它就越能精準地完成工作。比如你在設計中遇到了一個問題，在你明確問題所在后，系統也會同步理解；當你下次再遇到類似情況時，理想狀態下系統會主動提示：‘你此前使用該工具時，曾出現過這類后續問題，你怎么看？’而你可能會回應：‘沒錯，我半年前就遇到過。’或許印度或慕尼黑的同事也曾碰到過該問題，系統會將相關信息告知你，方便你向同行請教，了解問題的解決方法。這類工具讓工作變得更簡單，也實現了知識的全球共享，其交互方式更偏向自然對話，無需使用者掌握特定的語法、數據庫知識或專業語言，一切都回歸到基礎的工程原理。”

不過，叢京生也發出了提醒：“我們熱衷于將人工智能 / 機器學習技術應用于芯片設計，但我想強調，這并非唯一的解決方案，事實上，我并不建議大家照搬我們的方法。我的觀點是，當人類智慧能夠解決問題時，就應優先依靠人類智慧，而非人工智能。”

吸納計算機與電子工程專業人才

隨著電子設計自動化行業的快速發展，軟硬件協同設計的重要性愈發凸顯，這讓學生難以抉擇適合的專業，也讓企業在招聘時難以確定學歷要求。

是德科技 EDA 高級總監亞歷山大?彼得表示：“行業人才短缺的問題真實存在，且早已成為共識，想要找到符合要求的專業人才十分困難。如今的大學教育，逐漸偏離了行業的實際技能需求，轉而追逐最新、最前沿的技術，但這些技術并非行業當下所需。這就導致企業招聘后，還需對員工進行在職技能提升。基于這一現狀，我們在探討人工智能的應用時，首先要明確：我們的核心目標是什么？”

彼得認為，包括電子工程和計算機科學在內，各專業的大學畢業生數量充足，但專業培養方向與行業實際需求脫節。是德科技目前遵循兩種招聘策略：“要么招聘具備電子工程基礎的優秀計算機專業人才，再將其培養為合格的工程師；要么招聘精通計算機科學的優秀電子工程師，再提升其軟件方面的技能。從這一角度來看，我們也可以借助人工智能提升員工的能力，讓他們的工作效率大幅提高，但這只是一種能力增強手段，是自動化技術的升級，并非取代人力，我認為人工智能永遠無法完全替代人類。”

在人才招聘方面，由高校孵化的初創企業具備天然優勢，能夠便捷地吸納在校學生與畢業生。例如，ChipAgents 公司便孵化自加州大學圣塔芭芭拉分校，該公司首席執行官威廉?王曾在該校擔任 9 年人工智能教授，目前處于休假狀態。公司創立初期，80% 至 90% 的團隊成員均來自該校。威廉?王表示：“這是行業內初創企業的典型模式，博通源自加州大學洛杉磯分校，高通源自加州大學圣地亞哥分校，楷登電子源自加州大學伯克利分校。新思科技創始人阿爾特?德吉斯創業時，也直接從通用電氣公司聘請了 6 名暑期實習生。”

舊金山灣區的招聘競爭異常激烈，企業眾多且薪資水平極高。過去，威廉?王指導的優秀加州大學圣塔芭芭拉分校學生，畢業后大多會前往斯坦福大學攻讀碩士學位，頂尖的人工智能專業博士生則多加入元宇宙、谷歌、亞馬遜等科技巨頭。“他們此前都會選擇離開，但如今我們在當地設立了辦公室，學生畢業后可以直接加入 ChipAgents。我們成功吸引并招聘到了不少優秀學生，此前舉辦的校園宣講會，報名人數就達到了 200 人。” 此外，該公司也會通過員工推薦與口碑傳播挖掘人才。

ChipAgents 的招聘面向各類專業背景的人才，約 50% 的員工來自計算機科學與人工智能專業，30% 至 40% 來自計算機工程、電子與計算機工程專業。

同時，公司也聘請了具備芯片設計與驗證背景的資深工程師，他們曾任職于超威半導體（AMD）等企業，負責集成電路設計相關工作。威廉?王介紹道：“這類資深人才主要來自我們的顧問委員會，我們近期聘請了三位電子設計自動化領域的資深專家，他們每周都會為公司提供專業指導，為我們補足了電子設計自動化領域的核心技術能力。日常工作中，我們需要計算機科學與人工智能專業背景的人才，打造以人工智能為核心的原生解決方案軟件；而顧問委員會中擁有 20 至 40 年行業經驗的資深專家提供的指導，與團隊形成了完美的互補。”

學士、碩士、博士，還是入職初創企業？

本科階段的學習以掌握專業基礎理論為主，碩士階段則是在現有知識體系上進行拓展與創新，而博士階段的核心是創造全新的知識與技術，這類成果更適合長期的前沿探索項目，而非當下的技術市場。

彼得表示：“理想情況下，博士研究生的研究方向應契合行業的未來需求，但這最終取決于導師的研究資金來源，以及其搭建的研究基礎設施。比如，一位模擬電路設計師研發出了太赫茲放大器，但目前的手機與數據中心均無需這一技術。因此，即便博士生完成了相關課題的畢業論文，其研究成果最快也需要 5 年時間才能落地應用。只有當博士生與企業或行業開展深度合作，研發企業亟需的技術時，成果才能快速實現產業化，但這樣的情況并不多見。”

技術發展周期也會影響本科生的選擇：是攻讀碩士、博士學位，暫緩研究生階段的學習，還是直接入職工作。

威廉?王說：“我攻讀博士學位時，ChatGPT 尚未出現，人工智能領域的一切都處于探索階段，自然語言處理領域存在大量未解決的難題，機器翻譯、信息提取技術均不成熟，十年前眾多研究者都在深耕視覺語言領域。而如今的情況已截然不同，自然語言處理領域的大多數問題都已得到解決，機器翻譯、信息提取不再是研究熱點。當下的技術發展周期中，芯片設計領域的研究課題還有極大的探索空間，正是攻讀博士學位的黃金時期。”

在本輪技術浪潮中，無論是軟件工程還是半導體工程領域，初創企業都占據了發展先機。威廉?王指出：“軟件工程領域的 OpenAI、Anthropic 等初創企業走在前沿，ChipAgents 等硬件工程領域的初創企業也紛紛涌現。如今，在初創企業從事前沿的研發工作，是一件極具成就感的事。本輪技術浪潮更強調將知識切實應用于技術創新，而非要求從業者必須擁有博士學位、發表學術論文，才能推動技術落地。”

精簡大學課程體系

大學本就面臨著緊跟芯片技術快速發展的挑戰，如今還需將人工智能納入教學范疇。部分機構正考慮縮短學位的修讀周期，但這一做法在工程專業是否可行，目前尚無定論。

格雷厄姆表示：“毫無疑問，硬件設計的整個技術體系都將向更高層次發展，但我認為大學的教育時長未必會縮短，只是教學內容需要做出調整。長期以來，大學的課程設置都與行業發展存在顯著的滯后性。”

如今，高校的課程設置正變得愈發貼合行業需求，因為高校與行業的核心領域建立了更緊密的聯系，而非僅聚焦于商業領域。格雷厄姆強調：“高校的課程體系必然會不斷調整，與行業發展趨勢更貼合，也能更快速地響應技術變革，培養出更優秀的畢業生 —— 這才是核心，而非單純縮短學制。”

業內其他人士也認為，與其縮短學習時間，不如在現有周期內豐富教學內容，提升教學質量。想象力科技（Imagination Technologies）工程與技術負責人、系統與功能安全工程專家安德魯?約翰遜表示：“我認為這一觀點很有意義，尤其是在安全領域，該領域的核心發展理念是‘以更少的投入實現更多的價值’。有人提出，‘我們需要培養工科專業的年輕工程師，若能借助機器學習將三年的課程縮短至兩年，豈不是一件好事？’但這一想法本身就值得思考：為何不保留三年的學制，在這一周期內傳授更多知識，讓學生收獲更大的價值？借助機器學習工具的輔助，我們本可以培養出更高水平的工程師，而試圖走捷徑是人的天性。”

結語

人工智能為半導體開發領域帶來了全方位的變革，高校應傳遞怎樣的理念，才能吸引學生報考電子工程、計算機科學等半導體行業所需的專業？

阿爾泰瑞斯（Arteris）產品管理與營銷副總裁安迪?奈廷格爾表示：“從理論上來說，隨著人工智能智能體的不斷發展，未來的硬件設計工作或許能由軟件工程師完成，這一天并不遙遠。但目前，仍需要專業人員對人工智能生成的設計成果進行審核，確保其格式規范、功能達標。從業者無需擔心人工智能會取代自己的工作，真正需要警惕的是，那些能熟練運用人工智能的同行會取代自己的崗位。無論是軟件工程還是硬件工程，人類的作用始終不可或缺，在設計成果最終落地前，必須有人擔任質量檢驗與審核的角色。”