计算机专业学生如何提升硬件设计能力？
加入技术交流群
为填补人才缺口，高校可向计算机专业学生传授硬件设计知识，同时对电子工程专业的课程体系进行调整，甚至适当精简
核心要点
行业正研发并测试多种全新方案，以解决芯片领域的人才短缺问题
在设计工具中融入人工智能技术，能提升工程师的工作效率，或可缩短工科学生的培养周期
电子设计自动化（EDA）企业正探索可行性：能否将计算机科学与软件工程师培养为硬件工程师
为缓解芯片行业的人才短缺困境，业界正开发并测试各类全新解决方案，既包括更广泛地应用人工智能工具，也涵盖对非本专业的工科毕业生开展交叉培训。
在人工智能应用层面，新型工具可助力工程师更高效地完成半导体硬件的设计与验证工作，承接部分工作任务。大语言模型与自然语言智能体工具可通过训练成为定制化辅助工具，而这一技术也将进入持续发展、迭代与融合的循环 —— 因为支撑这些芯片设计辅助 AI 运行的，恰恰是性能更先进的芯片，二者形成相互推动的发展态势。
与此同时，学术界也在尝试各类填补人才缺口的方法：从更短期、高强度的培训与交叉培训，到借助机器学习工具、大语言模型、多智能体系统及混合专家模型 AI，将软件工程师培养成能胜任硬件工程师工作的专业人才。向软件工程师传授硬件设计知识具备可行性，但这一过程并非易事。
楷登电子（Cadence）验证软件产品管理高级总监马修・格雷厄姆表示：“相关人员仍需接受一定的教育与岗位培训，要从根本上理解人工智能或各类解决方案的工作原理，才能与其进行有效协作。但这并不意味着他们必须成为寄存器传输级（RTL）代码编写专家。未来，芯片开发人员或许无需精通 SystemVerilog 或 VHDL 硬件描述语言，只需掌握基础原理即可，这就像使用 C、C++、Python 等编程语言的开发者一样 —— 他们都清楚编译器会将高级语言转化为汇编语言和机器语言，却无需亲自完成这一转化过程，也不必精通相关技术，只需明白自己编写的代码在底层会完成一系列运算即可。”
格雷厄姆认为，未来的芯片开发与验证工程师所需掌握的技能，将与当下的工程师有显著区别，“会更贴近软件工程师的技能体系”。他回忆道：“25 年前我刚入行时，从事的是集成电路开发工作，很快便转向验证工程师岗位，原因是我掌握了面向对象编程技术。当时，面向对象编程不仅被纳入计算机工程专业课程，也首次成为电子工程专业的教学内容之一。后来，SystemVerilog 的前身 Specman e 和 Vera 语言问世时，行业内曾有这样的声音：那些编写 RTL 代码的硬件工程师，几乎没人掌握这类新技术。因此，学过几门软件工程课程的电子工程师，就成了验证工程师的合适人选，因为行业亟需这一技能。如今，类似的变革正在再次发生，硬件设计领域将新增大量软件相关的技能要求。但要说直接招聘软件工程师，不做任何培训就让他们独立完成硬件开发，我认为并不现实，因为该领域仍要求从业者掌握特定的专业知识。”
新思科技（Synopsys）产品管理高级总监阿南德・蒂鲁文加丹指出，传统的硬件设计工作，尤其是寄存器传输级和电路级的设计，要求从业者深入理解数字逻辑、时序分析、验证技术，往往还需掌握模拟电路相关概念。“硬件设计所使用的工具链与工作流程，通常比绝大多数软件开发环境更复杂，抽象化程度也更低。硬件开发需要考虑物理约束、逻辑综合、时序收敛以及制造工艺等问题，而这些都并非软件工程师的专业知识范畴。”
不过，新型工具正推动硬件设计向更高层次的抽象化发展，部分新工具和新平台支持以更高级的方式描述硬件，其范式与软件工程愈发贴近。蒂鲁文加丹解释道：“例如，部分系统支持通过高级编程语言或图形界面定义硬件功能，再由工具自动将其转化为硬件描述语言。人工智能驱动的工具还能实现硬件设计中诸多底层工作的自动化，比如生成测试平台、优化布局布线、提出设计改进建议等。这让缺乏深厚硬件专业知识的人员，也能为硬件设计工作做出实质性贡献。”
ChipAgents 公司研究主管、卡内基梅隆大学博士研究生张可勋认为，优秀的芯片设计仍离不开专业硬件工程师的参与，因为人工智能技术在软件工程领域的发展与大规模应用，远超前于芯片设计领域。他表示：“如今行业内的初级硬件工程师越来越少，具备丰富经验的软件工程师愈发受重视 —— 究其根本，人工智能只是一种工具，好的工具能让人创造更大的价值，但使用工具的人必须深刻理解问题本身，才能完成产品的架构设计。”
和当下的大多数行业从业者一样，芯片设计师也在借助人工智能技术提升工作效率、节省时间。贝亚系统（Baya Systems）首席商务官南丹・纳扬帕利说：“设计师们都在思考，如何让工具更高效地为自己服务，而非逐字研读技术文档？能否直接向工具提出需求，由工具告知具体的操作步骤？在进行需求规格设计时，人工智能能否提供一个优质的起点？如果能有这样的起点，系统设计的效率将大幅提升；如果在设计过程中，工具能持续提供指导，整个设计工作也会更高效。这就是设计师对人工智能的期待：它能否设计出小型的通用系统？能否生成足够高效、无需进一步优化的简易设计起点？从技术上来说或许可行，但目前尚未实现。当下，人工智能的核心价值在于帮助设计师更深入地理解工具、借助优质起点掌握工具能力，进而加快优化进程，最终缩短设计周期、提升产品上市速度。”
如何让软件工程师掌握硬件设计能力？
加州大学洛杉矶分校计算机科学杰出教授丛京生（Jason Cong）已针对这一问题研究了数十年。
他在设计自动化大会（DAC）上援引美国劳工统计局的数据称：“全美约有 200 万人自称软件开发者，依靠软件编程谋生，而硬件设计师的人数不足 10 万人。目前尚无专门的集成电路设计师统计分类，因此我将相关从业者都归为硬件设计师范畴。” 这一粗略数据显示，美国软件工程师与硬件工程师的人数比例已超 20:1。
丛京生及其团队发表了多篇技术论文，阐述培养软件工程师硬件设计能力的具体步骤，并在演讲中得出结论：“核心观点之一是，精心研发的人工智能 / 机器学习工具，必然能为芯片设计工作提供助力。我在演讲中展示了如何将图神经网络与大语言模型相结合、捕捉设计层级、完成程序转换、实现从现场可编程门阵列（FPGA）到专用集成电路（ASIC）的任务迁移，以及借助混合专家模型完成领域迁移。”
让软件工程师胜任芯片设计的关键步骤
从他们熟悉的编程语言入手
借助高级综合技术
依托深度学习、多面体优化与转换技术，实现代码向寄存器传输级的自动化转换与优化
采用智能体架构，统筹各类设计与优化步骤
打造硬件设计的 “应用商店”（参考霍洛维茨的主题演讲内容）
行业的发展愿景，是打造融合机器智能与人类智慧的多智能体协作体系。丛京生明确表示：“我的目标十分清晰，就是让这位精通软件编程的年轻工程师，也能胜任芯片设计工作。当硬件设计变得和编写 PyTorch 库一样简单时，就意味着我们的努力取得了成功。” 他透露，自己开设的本科课程 CS-133 已取得一定成效：“学生仅用一周半的时间，就能掌握高级综合技术，并在亚马逊云科技 AWS F1 云平台上设计出卷积神经网络（CNN）加速器。”
西门子 EDA 产品负责人萨蒂什库马尔・巴拉苏布拉马尼亚姆对此表示认同，他认为智能体 AI 是帮助工程师快速掌握新工作技能的最佳方式，只需将智能体与存储过往设计成果、项目资料及各类内部数据的数据湖相连即可。“向智能体输入的数据越多，它就越能精准地完成工作。比如你在设计中遇到了一个问题，在你明确问题所在后，系统也会同步理解；当你下次再遇到类似情况时，理想状态下系统会主动提示：‘你此前使用该工具时，曾出现过这类后续问题，你怎么看？’而你可能会回应：‘没错，我半年前就遇到过。’或许印度或慕尼黑的同事也曾碰到过该问题，系统会将相关信息告知你，方便你向同行请教，了解问题的解决方法。这类工具让工作变得更简单，也实现了知识的全球共享，其交互方式更偏向自然对话，无需使用者掌握特定的语法、数据库知识或专业语言，一切都回归到基础的工程原理。”
不过，丛京生也发出了提醒：“我们热衷于将人工智能 / 机器学习技术应用于芯片设计，但我想强调，这并非唯一的解决方案，事实上，我并不建议大家照搬我们的方法。我的观点是，当人类智慧能够解决问题时，就应优先依靠人类智慧，而非人工智能。”
吸纳计算机与电子工程专业人才
随着电子设计自动化行业的快速发展，软硬件协同设计的重要性愈发凸显，这让学生难以抉择适合的专业，也让企业在招聘时难以确定学历要求。
是德科技 EDA 高级总监亚历山大・彼得表示：“行业人才短缺的问题真实存在，且早已成为共识，想要找到符合要求的专业人才十分困难。如今的大学教育，逐渐偏离了行业的实际技能需求，转而追逐最新、最前沿的技术，但这些技术并非行业当下所需。这就导致企业招聘后，还需对员工进行在职技能提升。基于这一现状，我们在探讨人工智能的应用时，首先要明确：我们的核心目标是什么？”
彼得认为，包括电子工程和计算机科学在内，各专业的大学毕业生数量充足，但专业培养方向与行业实际需求脱节。是德科技目前遵循两种招聘策略：“要么招聘具备电子工程基础的优秀计算机专业人才，再将其培养为合格的工程师；要么招聘精通计算机科学的优秀电子工程师，再提升其软件方面的技能。从这一角度来看，我们也可以借助人工智能提升员工的能力，让他们的工作效率大幅提高，但这只是一种能力增强手段，是自动化技术的升级，并非取代人力，我认为人工智能永远无法完全替代人类。”
在人才招聘方面，由高校孵化的初创企业具备天然优势，能够便捷地吸纳在校学生与毕业生。例如，ChipAgents 公司便孵化自加州大学圣塔芭芭拉分校，该公司首席执行官威廉・王曾在该校担任 9 年人工智能教授，目前处于休假状态。公司创立初期，80% 至 90% 的团队成员均来自该校。威廉・王表示：“这是行业内初创企业的典型模式，博通源自加州大学洛杉矶分校，高通源自加州大学圣地亚哥分校，楷登电子源自加州大学伯克利分校。新思科技创始人阿尔特・德吉斯创业时，也直接从通用电气公司聘请了 6 名暑期实习生。”
旧金山湾区的招聘竞争异常激烈，企业众多且薪资水平极高。过去，威廉・王指导的优秀加州大学圣塔芭芭拉分校学生，毕业后大多会前往斯坦福大学攻读硕士学位，顶尖的人工智能专业博士生则多加入元宇宙、谷歌、亚马逊等科技巨头。“他们此前都会选择离开，但如今我们在当地设立了办公室，学生毕业后可以直接加入 ChipAgents。我们成功吸引并招聘到了不少优秀学生，此前举办的校园宣讲会，报名人数就达到了 200 人。” 此外，该公司也会通过员工推荐与口碑传播挖掘人才。
ChipAgents 的招聘面向各类专业背景的人才，约 50% 的员工来自计算机科学与人工智能专业，30% 至 40% 来自计算机工程、电子与计算机工程专业。
同时，公司也聘请了具备芯片设计与验证背景的资深工程师，他们曾任职于超威半导体（AMD）等企业，负责集成电路设计相关工作。威廉・王介绍道：“这类资深人才主要来自我们的顾问委员会，我们近期聘请了三位电子设计自动化领域的资深专家，他们每周都会为公司提供专业指导，为我们补足了电子设计自动化领域的核心技术能力。日常工作中，我们需要计算机科学与人工智能专业背景的人才，打造以人工智能为核心的原生解决方案软件；而顾问委员会中拥有 20 至 40 年行业经验的资深专家提供的指导，与团队形成了完美的互补。”
学士、硕士、博士，还是入职初创企业？
本科阶段的学习以掌握专业基础理论为主，硕士阶段则是在现有知识体系上进行拓展与创新，而博士阶段的核心是创造全新的知识与技术，这类成果更适合长期的前沿探索项目，而非当下的技术市场。
彼得表示：“理想情况下，博士研究生的研究方向应契合行业的未来需求，但这最终取决于导师的研究资金来源，以及其搭建的研究基础设施。比如，一位模拟电路设计师研发出了太赫兹放大器，但目前的手机与数据中心均无需这一技术。因此，即便博士生完成了相关课题的毕业论文，其研究成果最快也需要 5 年时间才能落地应用。只有当博士生与企业或行业开展深度合作，研发企业亟需的技术时，成果才能快速实现产业化，但这样的情况并不多见。”
技术发展周期也会影响本科生的选择：是攻读硕士、博士学位，暂缓研究生阶段的学习，还是直接入职工作。
威廉・王说：“我攻读博士学位时，ChatGPT 尚未出现，人工智能领域的一切都处于探索阶段，自然语言处理领域存在大量未解决的难题，机器翻译、信息提取技术均不成熟，十年前众多研究者都在深耕视觉语言领域。而如今的情况已截然不同，自然语言处理领域的大多数问题都已得到解决，机器翻译、信息提取不再是研究热点。当下的技术发展周期中，芯片设计领域的研究课题还有极大的探索空间，正是攻读博士学位的黄金时期。”
在本轮技术浪潮中，无论是软件工程还是半导体工程领域，初创企业都占据了发展先机。威廉・王指出：“软件工程领域的 OpenAI、Anthropic 等初创企业走在前沿，ChipAgents 等硬件工程领域的初创企业也纷纷涌现。如今，在初创企业从事前沿的研发工作，是一件极具成就感的事。本轮技术浪潮更强调将知识切实应用于技术创新，而非要求从业者必须拥有博士学位、发表学术论文，才能推动技术落地。”
精简大学课程体系
大学本就面临着紧跟芯片技术快速发展的挑战，如今还需将人工智能纳入教学范畴。部分机构正考虑缩短学位的修读周期，但这一做法在工程专业是否可行，目前尚无定论。
格雷厄姆表示：“毫无疑问，硬件设计的整个技术体系都将向更高层次发展，但我认为大学的教育时长未必会缩短，只是教学内容需要做出调整。长期以来，大学的课程设置都与行业发展存在显著的滞后性。”
如今，高校的课程设置正变得愈发贴合行业需求，因为高校与行业的核心领域建立了更紧密的联系，而非仅聚焦于商业领域。格雷厄姆强调：“高校的课程体系必然会不断调整，与行业发展趋势更贴合，也能更快速地响应技术变革，培养出更优秀的毕业生 —— 这才是核心，而非单纯缩短学制。”
业内其他人士也认为，与其缩短学习时间，不如在现有周期内丰富教学内容，提升教学质量。想象力科技（Imagination Technologies）工程与技术负责人、系统与功能安全工程专家安德鲁・约翰逊表示：“我认为这一观点很有意义，尤其是在安全领域，该领域的核心发展理念是‘以更少的投入实现更多的价值’。有人提出，‘我们需要培养工科专业的年轻工程师，若能借助机器学习将三年的课程缩短至两年，岂不是一件好事？’但这一想法本身就值得思考：为何不保留三年的学制，在这一周期内传授更多知识，让学生收获更大的价值？借助机器学习工具的辅助，我们本可以培养出更高水平的工程师，而试图走捷径是人的天性。”
结语
人工智能为半导体开发领域带来了全方位的变革，高校应传递怎样的理念，才能吸引学生报考电子工程、计算机科学等半导体行业所需的专业？
阿尔泰瑞斯（Arteris）产品管理与营销副总裁安迪・奈廷格尔表示：“从理论上来说，随着人工智能智能体的不断发展，未来的硬件设计工作或许能由软件工程师完成，这一天并不遥远。但目前，仍需要专业人员对人工智能生成的设计成果进行审核，确保其格式规范、功能达标。从业者无需担心人工智能会取代自己的工作，真正需要警惕的是，那些能熟练运用人工智能的同行会取代自己的岗位。无论是软件工程还是硬件工程，人类的作用始终不可或缺，在设计成果最终落地前，必须有人担任质量检验与审核的角色。”
评论