BossAgents8个工程师，10个月。
这是过去英伟达内部做一件叫"标准单元库移植"的活儿，所需要的人力和时间。
听不懂没关系，你只需要知道，这是芯片设计里特别脏特别累的那一段，相当于装修房子时把每一块瓷砖按照新房型重新切割打磨贴好。又琐碎，又不能错，错一块整面墙就废了。
所以英伟达过去都是养着一支专门的小队，几个高薪工程师，盯着屏幕一干就是大半年，老板看着也心疼，但没办法，这活儿就这么个干法，从九十年代到现在都是。
然后前几天英伟达自己跳出来说，这事儿，我们让AI做了，一晚上做完了。
没有夸张，原话就是overnight，一晚上。
我看到这条消息的时候是凌晨两点多，正准备睡觉，结果一下就清醒了。我盯着那行字看了半天，第一反应不是兴奋，是有点发凉。
因为我知道这意味着什么。
8个人，10个月，按英伟达硅谷的工程师薪水来算，光人力成本就是几百万美金的项目。这还没算他们这十个月里没法去做别的事情的机会成本。现在这几百万美金，变成一晚上的电费和GPU占用。
更可怕的是，这不是某个startup吹的牛，是英伟达自己说的，老黄家里发的公告。这就跟特斯拉说我家电池续航翻倍了，性质是不一样的，英伟达说自己芯片设计变快了，那就是真的变快了，因为他们就是全世界最懂这件事的人。
那这件事到底是什么？又凭什么这么炸？我来跟你慢慢聊。
先说芯片这玩意儿是怎么造出来的。你可能听过台积电、ASML、光刻机这些词，那些都是制造端。但芯片在被制造之前，得先被"设计"出来。
设计这个环节，行业里有个老黑话叫EDA，电子设计自动化。全世界这门生意基本被三家美国公司垄断，新思科技、楷登电子、西门子EDA，加起来吃下七成市场。中国在这一块儿被卡脖子卡得最狠的不是光刻机，是EDA，因为光刻机你还能咬牙买个旧的，EDA你不让用就真的不让用，断你账号那种。
而英伟达自己做芯片的时候，也得依赖这些EDA工具，外加一大堆自己积累几十年的内部流程。这套流程极其繁琐，从架构定义、逻辑设计、物理实现、到验证流片，环节多到一个工程师可能干一辈子也只懂其中一段。
我之前认识一个在英伟达干芯片后端的朋友，他跟我说他们组的工作就是把电路图变成可以送去台积电流片的版图，一颗芯片上百亿个晶体管要怎么摆，怎么连线，电流怎么走，热量怎么散，每一根线长一点点都可能导致整颗芯片在高频下崩溃。他说他们组的人加班加到怀疑人生，一个版本调一两个月是常事。
而"标准单元库移植"这个事，是其中一个看起来没那么核心，但又必不可少的活儿。
你可以这么理解，芯片设计有点像搭乐高，工程师手里有一套"积木库"，里面是各种基本单元，与门、或门、触发器之类。每次台积电出一个新工艺，比如从5纳米走到3纳米，所有这些积木都得重新做一遍，因为新工艺下，物理特性完全变了，旧积木装不上新模具。
这个重做的过程，就是移植。
之前是8个工程师手工搞10个月。现在英伟达用自己内部训的大模型加强化学习，搞了一套AI系统，让它来做这件事。结果就是一夜之间全干完了，质量还过得去。
坦率讲，我第一次看到这个新闻的时候，最先想的不是"AI好厉害"，而是"那8个人现在去哪儿了"。
这是个特别现实的问题。
英伟达官方当然不会回答你这个问题，他们的叙事永远是"AI让工程师从重复劳动中解放出来，去做更有创造性的事情"，听上去特别正能量。但你做过工程的就知道，所谓"重复劳动"，恰恰是大多数中高级工程师吃饭的本事。一个能独立完成单元库移植的人，是要在一线干个七八年才能练出来的。
AI一夜之间把这件事干完了。那这七八年的经验，还值钱吗？
我不是说这些人会马上失业，英伟达这种公司不会干那么蠢的事，把核心团队全裁了。但下一次校招的时候，原本要招10个junior工程师，现在可能只招3个。原本三年就能升senior，现在可能要五年六年，因为没有那么多活儿给你练手了。
整个行业的人才漏斗，会被悄悄地、不动声色地拧紧。
这才是这件事最让人不舒服的地方，它不是炸弹，是温水。
好，我们再回到技术本身。
很多人看到这条新闻第一反应是问，这是不是意味着摩尔定律要复活了？
我先说结论，不会。
摩尔定律说的是"集成电路上的晶体管数量每18到24个月翻一番"，这是物理定律，是台积电、ASML、应用材料这些做制造和材料的公司在前线扛的事儿。AI能帮你设计得更快，但不能帮你把硅原子做得更小。
但AI确实可能在另一个方向上重新加速行业，叫做"设计效率定律"。
这是什么意思呢，过去你设计一颗顶级芯片，从立项到流片可能要两年时间，期间烧掉几亿美金。中间任何一个环节卡住，整个项目就得推迟。所以即使台积电的工艺一年一更新，芯片公司也跟不上节奏，因为设计跟不上。
你看苹果A系列，每年都要发一颗新的，每次都是巨大的工程动员，背后是几千名工程师在死磕。能做到这种节奏的全世界一只手数得过来。
如果AI能把设计周期压缩一半甚至更多，那原本两年一颗的旗舰芯片，可能变成一年一颗，甚至半年一颗。原本一个公司只能维护一条产品线，现在可以同时铺开五六条。
这对英伟达意味着什么？意味着它跟AMD、英特尔的差距会被进一步拉开。因为英伟达本来就是芯片设计能力最强的公司之一，现在他们手里又多了一把全行业最快的"自动设计枪"。
对中国意味着什么？这是我更关心的事。
中国这几年在AI芯片上一直在追赶，华为的昇腾、寒武纪、燧原、壁仞，还有一堆叫不出名字的初创公司。大家面临的最大问题，从来不是"我们想不到怎么设计"，而是"我们没那么多有经验的工程师，也没那么多时间"。
中美在芯片设计人才上的差距，是几十年的积累。你不可能用三五年时间就追上人家三十年攒下来的工程师团队。
但是。
如果AI真的能把"经验"这件事从人脑里搬出来，封装成一个可调用的工具，那这个差距，理论上是可以被绕过去的。
这是真正的好消息，也是真正的坏消息。
好消息是，如果我们自己也能搞出这种AI辅助设计的系统，那中国芯片公司有可能在某些环节实现弯道超车，至少不用再用八个工程师肉身去耗十个月。
坏消息是，英伟达走在我们前面，而且走得非常远。他们用的不是OpenAI的GPT，也不是任何开源模型，是他们自己训的，针对芯片设计这个垂直领域，喂了几十年内部数据训出来的。这种模型，你买不到，挖角也挖不来，因为它根本就不是一个产品。
国内做EDA的公司，比如华大九天、概伦电子、广立微，这两年都在搞自己的AI辅助设计，但跟英伟达比，差距是数量级的。不是因为他们不努力，而是因为芯片设计的数据，本身就在外国公司手里。你训AI需要数据，而我们最缺的就是数据。
我跟一个做国产EDA的朋友聊过，他说他们最大的痛苦不是算法不行，是没人愿意把自己的设计数据给他们训模型。芯片设计数据是公司的命根子，没人敢给。这就形成了一个死循环，没有数据训不出模型，没有模型大家不敢用，不敢用就没有数据。
英伟达没这个问题，他们自己设计了几十年芯片，所有数据都是自己的。这就是大公司的护城河，外人看不见，但比马里亚纳海沟还深。
所以这件事我的判断是这样的。
短期内，AI辅助芯片设计会让强者更强，英伟达、苹果、谷歌这些自己做芯片的科技巨头会进一步拉开和别人的差距。EDA三巨头的日子也会变好，因为他们手里有数据，可以训出更好的模型卖给客户。
中期来看，三到五年内，国内会出现一批"AI原生"的芯片设计公司，规模可能不大，但效率特别高，几十个人就能做出过去几百人才能做的事。这是一个机会窗口，对中国这种工程师红利还在的国家来说，是利好。
长期来看，芯片这个行业可能会变得越来越像软件行业。门槛降低，迭代加快，新公司层出不穷，老牌公司压力山大。今天的英特尔之所以会衰落，就是因为他们没赶上手机芯片那一波。明天可能会有新的英特尔，因为他们没赶上AI设计这一波。
那对普通读者，我们能做点什么呢？
第一，如果你是工程师，特别是芯片、硬件、EDA相关的，认真考虑一下学AI的事儿。不是让你转行，是让你把AI变成你的工具。会用AI写代码的程序员，和不会用的，效率差三五倍。这个差距在芯片设计行业，只会更大。
第二，如果你是学生，正在考虑读什么专业，我的建议是，别再纯粹去读"芯片设计"了，去读"AI+芯片"的交叉方向。北大、清华、中科大这两年都开了类似的方向，国外CMU、Stanford也有，毕业了至少十年内不愁工作。
第三，如果你是投资者，认真看看那些做"AI for Science"、"AI for Engineering"的小公司，特别是那些有真实工业数据的。这个赛道接下来五年会出大牛股。
第四，如果你只是个普通看新闻的人，请记住今天这个时间点。2024年到2025年这两年，是AI从"能写文章"走向"能做工业级生产"的关键拐点。你身边能看到的所有行业，都会被重塑一遍。芯片只是开始。
我最后想说的是，这件事其实并不只是关于芯片，也不只是关于英伟达。
它真正讲的是一件事，那就是过去人类几十年攒下来的"工程经验"，那些藏在老师傅脑子里、藏在公司流程文档里、藏在一遍又一遍试错过程里的隐性知识，正在被AI一个接一个地数字化、模型化、自动化。
这是一场静悄悄的革命，没有爆炸，没有烟火，只是某天早上，你打开邮箱，发现那个一直需要你加班加点才能搞定的活儿，AI昨晚已经做完了。
我们这一代人最大的运气，是看见了这个过程。
我们这一代人最大的挑战，是要在这个过程里，找到自己还能站得住的那块地方。
英伟达今晚的工程师，可能正在思考这个问题。
而我们，最好也别等到被AI放假那天才开始想。
以上，既然看到这里了，如果觉得不错，随手点个赞、在看、转发三连吧，如果想第一时间收到推送，也可以给我个星标⭐～
谢谢你看我的文章，下次再见。
