盡管AI在諸多領域實現了爆發式增長，但受半導體行業復雜特性的影響，其在該領域的發展更為循序漸進。不過，2026年將成為關鍵的一年，因為AI驅動的工作流程將從概念階段走向部署階段。這不僅會帶來技術層面的挑戰與機遇，也將凸顯出智能設計自動化下一發展階段不可或缺的人才需求。

基于這一背景，本文梳理了本年度值得關注的幾大行業趨勢：

提示詞工程師興起

2026年，提示詞工程師這一職業將迎來快速發展。這類從業者將通過自然語言與電子設計自動化（EDA）工具進行交互，而非依賴傳統的圖形用戶界面（GUI）工作流程。未來，行業將轉向通過對話式界面驅動工具的新模式。企業需要同時支持兩種并行的工作流程：傳統的圖形用戶界面驅動的設計模式，以及AI賦能的提示詞交互模式。在行業逐步轉型的過程中，這種雙模式狀態將持續存在。

小語言模型成為焦點

安全顧慮與知識產權保護需求將持續推動企業減少對公有云解決方案的依賴，這一趨勢將推動本地小語言模型的普及。更多廠商將推出可安全運行的專用型、面向特定領域的AI工具。這些模型將聚焦于有充足數據支撐或可通過合成方式生成數據的細分應用場景，而非試圖解決所有設計難題。

合成數據生成至關重要

隨著行業面臨數據短缺的難題，合成數據生成技術將備受青睞。能夠高效運行仿真器生成訓練數據的企業，在開發AI增強型工具時將獲得競爭優勢。但合成數據生成的高計算成本將限制該技術的擴展速度。

標準化推動AI普及

模擬/混合信號領域將面臨設計規范、規則及語言標準化的迫切需求。標準化是實現AI自動化的前提條件，同時也將決定哪些領域能成功落地AI增強技術。數字化設計因標準化優勢能更快集成AI技術，速度超過模擬設計。

企業高管對AI落地成果的高預期引發摩擦

高管對AI快速實現成本節約的期望，與工程技術落地實際情況之間的脫節，將引發組織內部的摩擦。工程團隊需要采取以下措施：向管理層說明AI的能力與局限；說明AI作為通用工具，與作為精心集成的工作流程增強之間的區別；管理部署時間表與投資回報率預期。

成功的企業將聚焦于具體且可衡量的應用場景，而非大范圍推廣AI應用，從而減輕這種脫節。

專業技能至關重要

光子學、AI/ML、多物理場仿真，以及Chiplet設計領域對于具備細分領域專業技能的專家型人才的需求將會增長。傳統的招聘方式已難以滿足需求，企業需要采取以下措施：建立內部培訓計劃，培養專業技能；構建擁有互補性而非同質化專業能力的團隊。

內部培訓成為核心戰略

2026年，人才招聘模式將發生根本性轉變。AI嵌入工作流程以及設計復雜度持續上升的雙重影響，將促使企業轉向內部培訓，以培養具備深厚領域專業能力的人才。

剛畢業的學生要成長為具備處理復雜設計問題能力的人才，通常需要多年的經驗積累。與此同時，除非從同一專業領域的競爭對手處挖人，否則企業很難招聘到經驗豐富的人才。

對此，企業將采取以下應對策略：優先關注人才留存而非招聘，成為優秀雇主將成為應對人才流失的第一道防線；聚焦通過培訓項目培養具備深厚領域專業能力的內部人才；實施結構化的知識轉移計劃；明確關鍵知識產權與專業能力中哪些需要保留在內部，哪些可通過合作彌補缺口。

隨著AI的普及程度不斷提高，它將重塑各類崗位職能。例如，工程師將不再在仿真設置與執行上花費大量時間，而專注于需求管理與設計決策，這使得他們能夠更高效地運用其專業知識；然而，由于AI承擔了過去幫助初級工程師構建基礎技能的常規性工作，這一群體面臨著更陡峭的學習曲線。在2026年及未來，人才培養與留存能力，將比人才招聘能力更能決定企業的競爭優勢。

展望未來

行業未來的創新對人才與流程的需求，將不亞于對技術的需求。技術固然關鍵，對話式設計工具、安全小模型，以及對標準化的投入，都是取得成功的關鍵要素。但人才的重要性不容忽視，企業將加大對員工的投入，從而在未來打造更智能、更快速、更具彈性的系統。