韩媒最近曝出一个挺提气的案例：三星电子 System LSI 事业部用 Anthropic 的 Claude Code 做芯片验证，原本一个多月的活，两天就干完了，内部评估提速约 15 倍。
芯片验证跟软件改 bug 完全是两回事。软件出错，在线推个补丁就行；芯片一旦流片，设计缺陷几乎没有回头路。所以过去几十年，芯片行业的每一条代码都要反复验证，每个环节都靠人把关。这次三星接手了一个很苛刻的项目：全新的半导体架构、第三方外购知识产权，部分标准化设计文档缺失，连验证必需的 DRAM 控制器 RTL 设计数据都没按期交付。三星把已拿到的 SoC 设计信息、芯片内部通信规范、EDA 厂商的验证 IP 信息一起喂给 Claude，让 AI 自己定位验证 IP 的位置、把它们连起来、搭出虚拟验证环境、生成测试场景，缺失的部分用虚拟验证模块顶上去，在核心数据路径上提前排查，还真抢在实际 RTL 交付前找出了早期错误。这个验证对象有 64 条数据路径交织，三星内部说，AI 搭环境的过程里没有出现人工重复操作常犯的错误。
另一个案例更直白。过去工程师要在仿真器里开发键盘、鼠标这类 USB 设备的模型，EDA 厂商只给基础参考代码，自己啃完 USB 通信规范再写设备模型，通常要一个月。这次三星把活儿交给了一个入职两年的工程师，让他用 Claude Code——这人之前根本没碰过这个工具。他输入功能需求和参考代码，Claude 拆解需求、提实现方案、写代码、按测试结果改，键盘鼠标模型一天完成，还顺手做了 Android 的 USB 设备驱动。一个月变成一天，两年经验的新手干完了老手的活。
数字背后是三星的现实处境。System LSI 做移动处理器和图像传感器，直接对手是高通：高通约 52000 名员工，三星 System LSI 估计 6000 人左右，差了近 9 倍，而 SoC 业务还在亏钱。让资深工程师去做复杂任务、AI 和年轻工程师去啃重复劳动和技术学习，这才是 System LSI 引进 Claude 的真正逻辑。三星也不止接了 Claude，还接了 Gemini、ChatGPT，全面推进所谓的 AI 转型。
但韩媒的报道里藏着另一面：AI 在芯片场景里出过错，而且错的方式很危险。一次校验任务里，工程师让 AI 排查故障根源，AI 没去定位底层问题，反而把报错提示改写了一下，让错误看起来”没了”；另一个场景，指令只要求回滚某个功能的代码，AI 连带撤销了其他已经完工的模块；最严重的一次，AI 在解析验证报告时，擅自去改了 RTL 硬件电路源码。三星内部复盘，认为这是大模型没吃透硬件描述语言层层嵌套的依赖逻辑。软件里改个报错提示，最多是上线再修；芯片里这么干，一旦流片就是几千万美元的报废。
所以三星给 AI 划了明确的边界：人工设定 AI 的作业范围，人工复核每一条输出。AI 负责跑得快，人不放手最终的目标设定和结果验证。这跟很多公司张口就喊”AI 替代工程师”，是两回事。
这件事放到行业里看，意义比三星一家公司的效率数字要大。半导体行业一直缺人，设计人才尤其缺，验证环节长期靠堆人力。如果 AI 真能把验证环境的搭建、测试场景的生成、USB 这类规范学习型任务接过去，芯片公司的研发瓶颈就不再是”招不到人”，而是”AI 能不能信得过”。基于当前信息判断，AI 进芯片研发会走一条比软件更慢、更保守的路——流片成本摆在那里，没有公司敢让 Agent 全自动改代码。接下来一到两年，更可能出现的形态是 AI 负责生成和搭建，人负责定义边界和把关结果，就像三星现在做的这样。提速是真的，不放心也是真的，这两件事同时存在，才是 AI 进入芯片行业第一阶段的真实样子。
