上周三下午三点，我坐在工位上改一份Design Rule Check的脚本。

旁边新来的00后实习生，用一杯咖啡的时间，把我熬了三个通宵的脚本重写完了。

我凑过去看了一眼——她用的是Cursor，输入一句"帮我写一个DRC检查脚本，支持台积电N3工艺的密度规则"，30秒出了初稿。

我问她，这玩意儿你什么时候学的？

她说：哥，我去年就在用了。

那一刻我突然意识到：我们这批"老半导体人"，可能正在被两个方向同时夹击——上面的AI在替代我们的工作，下面的年轻人在用AI替代我们的工时。

而我们，还在自己的工位上，一行一行地敲代码。

先说一个事实：2024-2026年，半导体行业正在经历三场静悄悄的革命。

第一场：芯片设计

Synopsys的DSO.ai已经能独立完成PPA优化，谷歌和英伟达用AI设计的芯片，在某些指标上已经超过了人类资深工程师。这不是未来，是现在。

第二场：良率分析

台积电、三星、海力士都在用大模型分析产线数据。3nm的良率爬坡之所以能比5nm快40%，背后很大一部分是AI的功劳。

第三场：文献和专利

一个芯片架构师以前要花一周读50篇论文，现在用AI工具，2小时就能提取出所有关键创新点+对比表格。

这三个方向，都在指向同一件事：

>

>

我做了10年TD，看到的现状是这样的：

35岁以上的工程师，简历上写的是：

• 精通Virtuoso / Calibre / Innovus

• 熟悉TSMC 28nm/16nm/7nm工艺

• 多次tape-out经验

• 精通Perl/Tcl/Python脚本

2026年之后，招聘JD开始加一句：

• "熟练使用AI辅助设计工具，有用LLM优化EDA flow经验优先"

我那批35+的老同事，最近半年有3个被优化了。

不是因为他们技术不行，而是新来的95后工程师+AI工具，一个人顶他们两个。

>

我说这些不是为了贩卖焦虑，而是想说一句掏心窝的话：

半导体人学AI，比纯软件人容易10倍。

为什么？

1. 你懂物理世界

AI最值钱的不是算法，而是对应用场景的理解。懂芯片设计、懂良率、懂工艺、懂客户需求——这些是AI替代不了你的部分。

2. 你有数据

你每天产出的DRC报告、测试数据、产线日志、时序报告——这些是训练行业模型最稀缺的数据。纯软件背景的人根本拿不到。

3. 你有工程思维

半导体人最擅长的"先验证再量产"、"failure analysis"、"迭代优化"——这套思维套到AI项目上，是降维打击。

所以真相是：

>

上周那个事之后，我花了两个周末，把我这两年用过的、写过的、踩过坑的AI学习材料，整理成了一份《半导体人AI突围指南》：

里面有什么？

（资料每周更新，建议先关注 + 星标，不错过）

我不知道这篇文章会帮到多少人。

但我知道，1年前我开始学AI的时候，没人带、没资料、没方向，走了很多弯路。

所以我把所有东西都整理出来了，免费给你。

不是为了涨粉，不是为了变现。

就是不想看到那帮跟我一样熬过无数个通宵的半导体兄弟，因为没用上AI，被时代悄悄丢掉。

如果你是半导体行业的人，不管你是设计、Process、TD、AE、还是销售——

请一定把这篇文章转给你身边的同事。

因为，用AI的人越多，这个行业才会变得越好。

— 硅基生命小一 · 带你一起追赶上AI+芯片的浪潮