AI一夜完成8位工程师10个月工作量,硬件工程师身价却不降反升

不是软件，也不是互联网，而是EDA。也就是电子设计自动化，硬件工程师赖以谋生的那套工具体系。

他提到Cadence的工具链已经接入了英伟达的推理微服务，AI Agent能够独立完成电路布局、时序验证、错误修正，整个过程几乎不需要人工值守。

随后我刷到了那条让我怔了好一会儿的资讯。

英伟达自己公布的测试结果，原本需要8名工程师耗费10个月完成的芯片设计任务，交由AI代理处理，一个通宵就跑完了。

8个人，10个月，一个通宵。

这三组数字并列在一起，透着一股荒诞的戏剧张力。你要是硬件工程师，读完这行字的下一秒，很自然会回想起自己这十年来布过的每一根线、跑过的每一次仿真、翻过的每一页日志。

我最初的念头和大家一样——完了，硬件工程师这次要彻底失业了。

不过我有个习惯，一看到引爆性结论就忍不住去核查原始资料。我花了两天时间，翻阅了招聘平台的职位信息、EDA厂商的财报数据、行业协会的人才调研报告，翻完之后才意识到，这件事远比预想的复杂得多，复杂到我决定专门写一篇文章来剖析。

先抛出结论，AI确实在撼动硬件工程师的生存根基。

但它撼动的位置，和大众的预想截然不同。

先谈谈被波及的那部分群体。

2026年上半年，三大EDA头部企业不约而同地将AI嵌入自家产品。Cadence的Allegro X AI负责PCB布局布线，Synopsys的DSO.ai聚焦芯片综合优化，Siemens的Celus更加激进，直接从原理图端开始自动生成。据行业内部估算，今年上半年已有约三成的硬件企业在试用AI-EDA工具。

我了解到的一个典型案例是：深圳一家年营收8亿的消费电子企业，2025年引入Cadence的AI布线工具后，4层板的布线周期从原先平均2天压缩至4小时。

4小时。你敢相信吗。

紧接着这家企业2026年的校园招聘中，Layout岗位从原定的5人缩减至2人。

我事后一直在琢磨那3个被砍掉的名额。它们本可能属于一个普通院校毕业的年轻人，电子专业背景，模电数电基础尚可，秋季招聘拿到了大湾区的录用通知，打算来深圳租一间小户型公寓，从布线起步，加班盯日志，三年磨砺后蜕变为一名合格的Layout工程师。

这条路，在2026年之前是走得通的。

而今，这条路的前半段已被AI接管。

猎聘2026年一季度的统计也印证了这一动向，3年以下从业经验的PCB Layout工程师，岗位发布量同比萎缩了17%。

听起来确实够唬人的吧。

然而同一份报告里还藏着另一组数字，5年以上经验的高速PCB Layout工程师，需求量上扬了12%。

一个跌17%，一个涨12%。

这个剪刀差，便是我所说的拧巴之处。

被AI取代的，和身价攀升的，是同一工种的两极。初级岗位在消亡，资深岗位在增值。

背后的成因是什么？我去深扒了这些AI工具的实际功能。

你会发现它们存在一个共性，清一色在干「生成」的差事。布线是生成，布局是生成，RTL代码同样是生成。

然而硬件这个领域，生成的方案和真正能投产的方案之间，横亘着无数个需要经验来填平的深坑。

信号完整性如何保障，湿热环境下运行三年是否可靠，EMC能否通过认证，产线良率是否达标。这些环节，AI现阶段还无从下手。

AlphaChip大名鼎鼎吧，谷歌那个借助强化学习完成芯片布局的模型，确实能产出初始布局方案。但它无法取代工程师对信号完整性、热管理、可制造性的综合权衡。

它负责生成，工程师负责决策。

这两码事，本质不同。

于是现实演变为，资深工程师犹如装上了推进器。过去需要数周反复迭代的架构方案，如今借助AI短短几天就能成型，工程师得以将精力全部倾注于判断与定板。一个人，就能撑起过去一个小团队的产出。

OpenAI的自研芯片Jalapeño更为惊人，从设计到流片仅耗时9个月，行业基准是18到24个月，核心就是借助Codex这类AI工具加速设计全链路。

反观初级工程师，处境就微妙多了。

坦白讲，这才是我认为真正值得警惕的症结。

你想想，过去新人怎么成长？入职后，从布线做起，调试仿真，查阅日志，修改bug，在这些看似琐碎的基本功里逐步摸透电路的脾性，渐渐参透何为信号完整性，何为时序收敛。

这个练兵场，如今被AI拆除殆尽了。

基础活被AI全盘接手。新人入职就被要求承担决策职责，可决策能力偏偏是依赖那些基础活慢慢养成的。

。。。

这就构成了一个极为拧巴的闭环，AI抢走了练手的活计，同时抬高了入行的门槛。

英国有个智库叫IPPR，曾发布报告警示，年轻人群体可能沦为被AI甩开的「AI一代」，依据正是最易被自动化的，恰恰是初级岗位上那些重复性事务。

软件领域其实已经走在这条路上了，硬件领域正在依次跟进。

讲到这里，听上去全是不利消息。

但你先别急于焦虑，因为接下来才是我这几天翻阅资料后发现的，最具反差的片段。

硬件工程师面临的，根本不是「人满为患被裁员」，而是「人才严重短缺」。

Synopsys自己预判过，到2030年，全球半导体行业将出现15%到30%的人才缺口。

你细品这个数字。一个缺人缺到这种程度的行业，自动化的初衷是放大现有人力的价值，而非裁员。

英国官方数据也能印证这一判断，ONS的商业调研显示，在已采纳AI的企业中，仅有约4%出现了人员缩减。

需求端仍在急剧膨胀。

我随手给你罗列几条本月的资讯。

小鹏的机器人业务，单轮融到9亿美元，投后估值达63亿美元，IDG领投，腾讯阿里跟投，刷新了中国具身智能单轮融资纪录，年底将量产。

深圳刚落幕的AGIC人工智能博览会，1200多件机器人展品齐聚，主办方明确表示，没有一件是概念模型，全部可询价、可订货、可批量交付。

小米一口气推出三款自研芯片，AI旗舰SoC，高带宽AI加速芯片，智驾高算力芯片，构筑全栈AI算力底座。

机器人从Demo迈向量产，缺的是什么？缺的是能把方案转化为能稳定运行上万次的产品的硬件工程师。21世纪经济报道前两天专访辉羲智能创始人徐宁仪，他说了一句我深感精辟的话，做出一个能跑的Demo和打造一套能稳定量产的计算平台，是两件截然不同的事。

眼下的硬件圈，缺的早已不只是会画板子的人了，缺的是通晓芯片、精于固件、熟稔电源、驾驭系统，能对整产品担责的人。

AI革掉了生成的命，需求则把决策的地位推上了新高度。

聊到这里，我忆起一段往事。

EDA这个产业，本身就是上一轮自动化的结晶。

三十年前，逻辑综合工具问世之际，手工绘制门电路的工程师也曾陷入焦虑。更早之前，CAD软件诞生时，绘图员这个岗位是真的退出了历史舞台。

但建筑师并未消失。

芯片行业同样如此。逻辑综合革掉了手工画门电路的活，结果芯片复杂度飙升了几个数量级，工程师人数非但没减，身价反而水涨船高。

每一轮工具革命，革掉的始终是「手」，留存并升值的，永远是「判断」。

这不是我炮制什么新论，这不过是过去三十年，硬件行业已经上演过一遍的剧本。

所以如果你问我，AI时代，硬件工程师该如何自处？

说实话我也拿不准，我自己也身处这波浪潮之中，有些思路仍在摸索。但翻完这些资料后，我大致梳理出三个方向。

往高端攀升。高速信号、热设计、3D-IC、系统架构，这些倚重经验判断的领域，AI短期内难以染指，朝这个方向深耕。

往新事物靠拢。别抵触AI-EDA工具，将它们视为新一代示波器。善于驾驭AI代理的硬件工程师，很快就会如同精通示波器的工程师一般，成为标配技能而非额外加分项。

往交叉地带突围。软硬协同、端侧AI、机器人本体工程化，今年最炙手可热也最缺人才的领域，无一例外地集中在硬件与软件的交界地带。

回到开篇那个事件。

8位工程师10个月的活计，AI一晚收工，这组数据确凿无疑。

但翻阅完全部资料后我领悟到，AI从未真正革掉硬件工程师的命。

AI革掉的，是「仅仅胜任那些AI同样能胜任的事」的硬件工程师的命。

而留存下来的那部分——判断、决策、对物理世界担责的那部分，正在变得愈发珍贵。

手上有真本事的同行，真的大可不必慌张。