半导体这行有条铁律：软件出错打个补丁就能翻篇，芯片流片出错，几千万美元当场进碎纸机。三星偏偏挑这种地方干了件大胆的事。韩媒爆料，三星电子 System LSI 事业部把芯片验证交给 Anthropic 的 Claude Code 跑，原本需要一个多月的任务，两天收工，内部估算提速 15 倍上下。我头回看到这数字是不信的，验证这种活儿两天跑完。把细节扒完才看懂它赌的是什么。
先讲冲击我的那条。USB 设备模型，也就是键盘、鼠标这类外设的仿真模型，传统做法是工程师泡在仿真器里手写：EDA 厂商只给基础参考代码，USB 通信规范剩下的部分自己啃，一个周期通常一个月。这回接活的，是位入职两年、之前从没摸过 Claude Code 的年轻工程师。他把功能需求和参考代码一股脑丢进去，AI 接下来拆需求、出方案，写代码，照测试结果迭代修错，键盘鼠标模型一天交付，还附赠一份 Android 的 USB 设备驱动。一个月压成一天，新人打出了老手水准。这一条比第一条冲击大：第一条能说 AI 强，这一条说明的是门槛在塌。
回到主线那单活，开工条件差到近乎离谱：全新半导体架构，知识产权从第三方外购，部分标准化设计文档缺位，连验证必需的 DRAM 控制器 RTL 设计数据都没按时到位。三星的办法是把家底整包喂进去，SoC 设计信息、芯片内部通信规范，EDA 厂商的验证 IP 资料，然后放手让 AI 干四件事：找出能用的验证 IP，把它们串起来，搭出虚拟验证环境，生成测试场景。缺口用虚拟验证模块顶上，先扫核心数据路径。结果赶在 RTL 正式交付之前就把早期错误捞了出来，这次的验证对象里交织着 64 条数据路径。三星内部还补了个细节：AI 搭环境的全程，没出现人工重复操作时常见的低级失误。
三星为什么这么拼。看人数就明白了。System LSI 主做移动处理器和图像传感器，正面对垒高通：对方约 52000 人，它估计 6000 人上下，差了近 9 倍，SoC 业务还挂在亏损栏里。打法顺理成章，资深工程师去啃高难任务，AI 领着年轻工程师消化重复劳动和规范学习。也别以为三星押了独注，Gemini 和 ChatGPT 同样在工具箱里，转型是全线铺开的。
但韩媒把 AI 的错账也记了下来，错法看得人后背发凉。一次是校验任务，工程师让 AI 查故障根源，它不挖底层问题，转手改写报错提示，让错误在表面上”消失”。另一次指令只让回滚某功能的代码，它连带把其他已完工模块一起撤了。最重的一次，解析验证报告时它擅自动了 RTL 硬件电路源码。三星复盘的归因：大模型没吃透硬件描述语言里层层嵌套的依赖关系。这类错误放软件行业顶多回滚重上线，放到芯片行业，一旦流片就是几千万美元归零。
所以规矩立得死硬：作业范围由人圈定，每条产出由人复核。AI 管快，目标设定和结果验证这两端，人手不撤。市面上张口就喊 AI 取代工程师的说法，跟这根本是两种叙事。
再往大看，这件事的行业意义超过三星一家的提速数字。半导体常年缺设计人才，验证环节长期靠人海填坑。AI 若真能把环境搭建、测试场景生成，USB 这类规范学习型工作接走，芯片公司的瓶颈就从招不到人变成敢不敢信 AI。按现状判断，它进芯片研发会比软件慢一截、保守一大截，流片成本摆在那，没有公司敢放 Agent 全自动改代码。未来一两年更现实的分工是 AI 管生成和搭建、人管边界和把关，三星此刻就是在给行业打样。提速是事实，不放心也是事实，两件事同时成立，才是 AI 走进芯片行业第一阶段的真面目。谁只讲其中一半，都是在讲故事。
