2024年，來找我咨詢的工程師問的是"AI會不會取代嵌入式工程師"。2025年，問的是"要不要學AI-EDA工具"。2026年，問的是"我現在學還來得及嗎"。

每次聽到這個問題，我都想說：來得及，但你要先搞清楚AI到底在改變什么。

今天這篇文章，不是制造焦慮，是我對行業趨勢的判斷，也是給每一位硬件工程師的職業建議。

01

AlphaChip：一個真實的技術拐點

2024年9月，Google DeepMind發布了AlphaChip——一個用強化學習做芯片布局設計（floorplanning）的AI系統。

它已經被用在Google TPU v5、v6的實際設計中，并且開源了核心代碼（GitHub: google-research/circuit_training）。

我在脈脈上看到一條留言，某IC物理設計工程師說："以前我們團隊4個人做floorplan要3周，現在AI工具6小時出初版，我們只負責review和微調。"這條留言有2000多個贊。

但我想說的是：這不代表工程師的價值在降低，而是工程師的工作方式在升級。

AlphaChip能生成初始布局，但它無法替代工程師對信號完整性、熱管理、可制造性的綜合判斷。它做的是"生成"，工程師做的是"決策"。這兩件事不一樣。

2025-2026年，EDA工具的變化

2025-2026年，三大EDA巨頭全部推出了AI輔助功能：

• Cadence Allegro X AI：AI輔助PCB布局布線，可生成初步方案，工程師負責審核和優化

• Synopsys DSO.ai：AI驅動的芯片綜合優化，在功耗/性能/面積之間尋找更優解

• Siemens Celus：AI輔助PCB原理圖生成，加速設計流程

這些工具的共同特點是：它們不是替代工程師，而是讓工程師從重復性工作中解放出來，把時間花在更有價值的判斷上。

根據我在2026年上半年接觸的硬件企業，已有32%開始試點AI-EDA工具。這是一個趨勢，但趨勢不等于終點。

02

四個崗位的變化：不是消失，是升級

我結合獵聘、BOSS直聘的數據，以及我和客戶企業HR/研發負責人的一線對話，觀察到四個崗位正在發生的變化。

① 初級PCB Layout工程師（1-3年經驗）

真實案例：某深圳消費電子公司（年營收8億），2025年引入Cadence AI布線工具后，4層板的布線時間從平均2天縮短到4小時。該公司2026年校招的Layout崗位從原計劃的5人減少到2人。

市場數據：根據獵聘2026Q1報告，"PCB Layout工程師（3年以下）"的職位發布量同比下降17%，但"高速PCB Layout工程師（5年以上）"需求上升12%。

這意味著什么？

意味著簡單的、規則明確的布線工作，AI可以幫你完成大部分。但高速信號完整性分析、EMC優化、多層板布局這些需要經驗判斷的工作，AI仍然無法替代。

職業建議：如果你現在做基礎Layout工作，不要慌。但你要開始往高速PCB方向走——學習SI/PI分析、EMC設計、多層板布局。這些能力，AI在可預見的未來無法替代。

② 數字IC前端工程師（RTL代碼生成方向）

真實觀察：我在2026年上半年為3家AI芯片公司招聘數字前端工程師，JD中新增了一條要求："能夠使用AI工具輔助RTL代碼生成，并進行代碼review和優化"。

爭議與現實：AlphaChip在學術界存在爭議（ACM Communications 2024年報道稱Google拒絕公開完整benchmark數據），但工具的實際應用已經在推進。多家EDA公司正在開發基于大模型的Verilog代碼生成工具。

這意味著什么？

意味著純粹寫RTL代碼的初級崗位會被壓縮——因為AI可以生成簡單模塊的代碼。但懂架構、能做timing優化、會power分析的中高級工程師，需求不降反升。

職業建議：不要只滿足于"會寫代碼"。去理解架構設計、時序分析、功耗優化。這些能力需要系統性的知識積累，AI無法幫你跳過這個過程。

③ 參考設計工程師

真實案例：某芯片原廠（模擬電源芯片）的應用工程師告訴我，他們團隊2025年開始用AI工具自動生成參考設計文檔，一個工程師的月產出從原來的3套參考設計提升到8套。

這意味著什么？

意味著參考設計崗位的職責正在從"畫圖+寫文檔"轉向"客戶技術支持+復雜應用場景方案設計"。純執行型的崗位在減少，但懂客戶需求、能做定制化方案的FAE（現場應用工程師）依然緊缺。

職業建議：如果你的工作主要是畫圖和寫文檔，開始往客戶溝通方向走。理解客戶的實際應用場景，能給出定制化的技術方案——這種能力，AI無法替代。

④ 初級硬件測試工程師

市場趨勢：自動化測試設備+AI數據分析的組合，正在快速替代簡單的功能測試崗位。但可靠性測試、失效分析、復雜系統調試等高階測試崗位，需求穩定增長。

這意味著什么？

意味著"按測試用例執行"的工作會被自動化，但"設計測試策略""分析失效原因""調試復雜系統"這些需要深度思考的工作，依然需要人。

職業建議：不要只做"執行者"。學習失效分析方法（如FMEA）、可靠性設計、系統級調試。這些能力需要大量實戰經驗積累，是AI無法替代的。

03

哪些能力值得長期投入？

這是我想重點說的。不是"哪些人薪資最高"，而是"哪些能力最值得你花時間去積累"。

① AI+電力電子的復合能力

為什么值得投入：

• 儲能、數據中心電源、高功率密度電源是當前增長最快的賽道

• 這些領域需要電力電子設計能力+AI建模/優化能力的復合背景

• 能用AI做電源拓撲優化、熱仿真加速、故障預測的工程師，市場上不超過500人

怎么學：

• 如果你是電力電子背景：學Python+AI建模，掌握MATLAB/Simulink的AI Toolbox

• 如果你是AI背景：學電力電子基礎，理解拓撲結構、磁性元件設計、熱管理

長期價值： 這個方向的復合能力，未來5-10年都會是稀缺資源。不是因為薪資高，而是因為你能解決別人解決不了的問題。

② 功能安全工程師（ISO26262/IEC61508方向）

為什么值得投入：

• 汽車電子、工業自動化、醫療設備對功能安全的需求持續增長

• 功能安全涉及復雜的標準解讀、風險評估、跨部門協調

• 涉及法律合規和責任判定，AI無法承擔決策責任

市場數據：

• 獵聘2026Q1數據：功能安全工程師需求同比增長28%

• 根據行業估算，2026年中國市場功能安全工程師缺口超過15,000人

怎么學：

• 考取ISO 26262 FSE（功能安全工程師）認證

• 學習FMEA、FTA、HARA等分析方法

• 積累實際項目經驗——功能安全是實踐性很強的領域

長期價值： 只要汽車還在跑、設備還在轉，功能安全就需要人。這個能力不會因為AI的進步而貶值。

③ 硬件系統架構師

為什么值得投入：

• 能定義系統邊界、在功耗/性能/成本之間做全局權衡的人太少

• AI擅長在"約束內求最優解"，但定義約束本身是架構師的工作

• 這類崗位需要10年以上的技術積累+跨領域知識

怎么學：

• 先在一個方向深耕（電源/PCB/IC設計），建立深度

• 然后擴展到相鄰領域，建立廣度

• 參與系統級設計，學習權衡和決策

長期價值： 架構師的核心能力是"判斷力"——在不確定性中做出正確的決策。這種能力，AI在可預見的未來無法替代。

04

三個行動建議，不是雞湯

建議一：60天內掌握一個AI-EDA工具

具體行動清單：

• PCB方向：學習Cadence Allegro X AI或Altium 365 AI功能

• 數字IC方向：了解Synopsys DSO.ai或開源的OpenROAD

• 電力電子方向：學習MATLAB/Simulink的AI Toolbox或PLECS AI優化功能

投入產出比： 花60天時間，能在簡歷上寫"熟練使用AI輔助設計工具"。這不是為了跳槽漲薪，而是為了不被工具的變化甩在后面。

我的觀察： 2026年上半年，我推薦的候選人中，會用AI工具的offer通過率比不會的高35%。

建議二：選一個你真正感興趣的賽道，深耕

2026年硬件工程師增長最快的賽道（基于我的實際交付數據）：

1. AI服務器電源/數據中心電源：平均漲幅+22%

2. 汽車電子（功能安全/域控制器）：平均漲幅+18%

3. 儲能系統（BMS/PCS）：平均漲幅+15%

但我想說的是：薪資漲幅不是選擇賽道的唯一標準。

更重要的是：你對這個方向有沒有興趣？

如果你對電源設計沒有興趣，只是為了高薪轉過去，大概率堅持不下來。硬件設計需要大量經驗積累，沒有興趣驅動，很難熬過前3-5年的成長期。

選賽道的邏輯： 看AI介入程度——AI介入程度越低、安全/可靠性要求越高的賽道，工程師的價值越穩固。但在這之上，還要看你是否真的喜歡。

建議三：建立"T型能力"——一個深度+一個廣度

什么是T型能力：

• 豎：一個深度專長（如高速PCB設計、電源拓撲設計、SoC架構）

• 橫：一個跨領域能力（如AI工具、功能安全、系統建模）

我的判斷： 純單一技能的硬件工程師競爭力在下降，但"硬件+X"的復合能力，是未來10年最值錢的資產。不是因為薪資高，而是因為你能做更多有意義的事。

05

寫作最后

我做職業規劃12年，見過太多工程師在技術迭代中焦慮，也見過有人在每次技術浪潮中完成成長。

AI這一次浪潮，和以往的不同在于：速度更快、范圍更廣。

但有一點從來沒有變過——工具在變，但用工具創造價值的人，永遠有市場。

區別在于：你選擇站在哪一邊。

焦慮沒有意義。行動才有意義。