AI4Chip是不是下一个Coding场景？大模型厂商与芯片工程师各执一词

AI4Chip，会不会成为Coding之后的下一个场景？

同一个问题，两个人给出的答案几乎完全相反。

其中一位来自某基础大模型厂商（下称“基模厂”）。

另一位是晒哥，做数字芯片设计将近十年，同时在AI芯片设计领域做知识博主。听到“下一个Coding场景”的说法，他先是笑了，随后给出一个不留情面的判断：“它不是下一个……”

两人的说法都站得住脚。这场分歧本身，正好是理解AI4Chip的一个入口。

不过在谈他们的观点之前，有件事得先摆出来：为什么“AI4Chip是下一个Coding场景”这句话，偏偏在2026年这个节点被提出来？

继Coding之后，基模厂商为何挑中了AI4Chip？

原因既在Coding的成功里，也在Coding的天花板里，还在基模厂商的算力账单里。

大模型厂商在Coding场景上已经跑出成绩，这一点无需再证明。

可Coding的市场容量终归有上限。模型能力继续往上走，基模厂就得回答：下一个能撑起同等收入量级的高价值任务域，在哪里？

AI4Chip被推到台前并非偶然。它具备“下一个Coding”的几个关键特征：任务价值高、依赖专家经验、结果可验证、有大量可学习的过程数据，付费方又是利润丰厚的芯片和……（原文此处截断）

招聘市场已经把信号摆得很直白。社交平台上，基模厂商招芯片相关人才的帖子密集出现，数字前端这一拨人同时在干两件事：训练AI做芯片设计的能力，以及自己造芯。

国内各家基模厂的招聘信息在社交平台上被广泛讨论。

基模厂为什么非要同时做这两件事？

一头是“练兵”。芯片是眼下链条最长的行业之一——规格、RTL、验证、综合、布局布线、时序、物理检查、流片，环环相扣。大模型若能在这样一条极限链条上被验证，还有什么场景是“征服”不了的？

另一头则非常现实：算力账单。剁椒酱说：“如果你有一个智力程度是碾压级别的模型，那你为什么还要买别人的卡呢？它既然是AGI，为什么不自己造卡呢？”这句反问点到了核心——基模厂做芯片，不只是为了卖工具，而是要摆脱对上游算力巨头的依赖。对国内厂商来说，还多了一层“缺卡”的倒逼：“如果根本原因是缺算力，那为什么要优化细枝末节，而不是直接去优化这个根本约束呢？”

晒哥完全认同这个判断，并从商业终局上补了最后一环。在他看来，模型提供商卖的产品就是模型能力，跟电力一样，最终会走向寡头竞争和国家强监管。“发电厂”的利润相对固定，基础能源价格不可能太离谱。基模厂若还想求增长，就必须有自己的硬件产品。

于是，AI4Chip被推上台面，既是技术演进，也是商业上的必然：大模型需要下一个现金流，基模厂需要摆脱算力依赖，芯片行业需要效率，政策需要弯道超车的抓手。几股动力叠加，“自己下场”成了基模厂商不得不走的一步棋。

但动力归动力，当下能不能成立是另一回事。这就回到那个核心问题，也是两位受访者分歧的起点。

AI4Chip，是不是下一个Coding场景？

先别急着站队：两个人说的“AI4Chip”，并不是同一件事。

剁椒酱的逻辑是从上往下看。

在他看来，关键要看AI能力怎么一步步往前走。眼下做一颗大芯片，动辄几百人乃至上千人一起干，各人只管自己那一小块。根子不在分工本该如此，而是“个人的智力带宽有限，个人能处理的 context 极其有限，因而不得不把工作流切分成很细的小块”。AI不受这条约束。只要它足够聪明，就能无限复制，前端、后端、验证、物理设计可以一并懂。因此拉长时间看，芯片设计被AI提速是跑不掉的，并且不止是某个环节变快，而是软硬件……他把这个时间点定在未来5~10年。

眼前走的路要实际得多，思路直接照着Coding的经验来：先让AI去学芯片工程师掌握的知识；再学架构师积累的经验；之后才逐步摸到co-design。早期它就是个提效工具，替工程师省下30%的活；到了中期，能端到端承接一些偏简单的芯片设计；最前沿、能自我迭代的阶段，要放到最后。

他判断这条路“可行”，理由是Coding已经完整走过一遍。代码生成上的演进给了他可迁移的信心：任务只要能被拆成可验证的步骤，AI就能一点点“吃掉”。

剁椒酱形容AI4Chip眼下的状态，接近“去年或者前年的Coding”。他引述的说法是：“大家已经感觉到它基本上能给你写大段的代码了。你可以把任务交给它，但它也留下了10%~20%最难的部分给到你。”

晒哥把“现在”和“将来”分得很开。他的原话是：“AI4Chip是一个很前沿的话题，业内讨论也挺多，但它现在还不是下一个

他日常打交道的对象是RTL、验证。单纯输出代码，在他看来很简单，团队目前也已经在做。“但整体意义上的AI4Chip，其实是一个系统性的考量。代码，只是开头的那一小部分。”

给当前芯片设计环节里的AI工具打分，他用了很具体的分级：L0到L1。市面上绝大多数所谓的产品，按他的说法“甚至还到不了半自动化的程度”。

两人说的其实不是同一件事。剁椒酱问的是“AI能不能学会芯片设计”，晒哥问的是“AI目前学会的那部分，在真实芯片交付里到底占多大比重”。

共同认知倒是有一个：AI会持续深入芯片设计。分歧不在方向，而在节奏和重心——剁椒酱盯能力曲线能伸多远，晒哥盯这条曲线在真实交付里落到哪。动力既然不是问题，关键就落在进展上。问题也就自然转成：大家现在到底做到哪一步了？

眼下的进展到了哪一步？国内和国外又差多少？

对国内的进展，剁椒酱的判断很克制：大家都在水下。水面上能看到的，是之前月之暗面发布的

国外方面，Anthropic已官宣组建专门的芯片设计团队，并开始利用Claude进行定制芯片的工程开发和设计。OpenAI则联合新思科技宣布达成多年期战略合作，共同开发面向芯片设计的专用 AI 模型

难处他也讲得很直白。芯片公司的经验很多不在纸面上，而在工程师脑子里、在保密文档里。眼下能想到的解法就是雇专家，没有更好的方案。AI4Chip成果优劣的评测标准，同样得靠行业专家来建，他打的比方是“就像AI4Science里拉一堆基础学科大牛来做benchmark一样”。日常工作中他碰到的难关是“怎么更好地scaling好的数据”，这个问题由“非常非常多细节堆起来”，很难说哪个环节特别难。

晒哥的视角，是从落地困境切进去的。

他把行业里一个普遍矛盾概括为“态度很Open，行动很谨慎”：老板们既想有所建树，又不愿当第一个吃螃蟹的人。眼下公司不会单独立项、砸几亿元去支撑一个从始至终AI-native的芯片项目流片。工程师做demo没问题，可demo不流片，就只是个demo；况且不少demo用的并非商用EDA工具，而是开源方案，与全球主流流程相悖，得不到主流认可，自然进不了真实生产环境。

那国内外差距到底有多大？晒哥给了一个更具体的尺度：大约6个月。

在他看来，国外顶尖模型确实领先，但领先程度“也就是6个月的时间”。更关键的是，他认为这6个月能靠工程措施补回来——比如不去继续堆模型参数，而是做更好的Harness。

芯片说到底还是软硬结合的东西。有人提出疑问：国外EDA和制造链条完整又先进，长期积累下去，国内外差距会不会越拉越大？晒哥反倒乐观，他把国内的优势放在应用端和需求量上。应用一旦铺开，产品出货量就能正向地指引改进和升级方向，而非依赖旧有数据、旧有指标来推动。AI4Chip也是同样的道理：真实应用场景带来应用端的实际正反馈，这份正反馈再反过来指导AI4Chip增强。他强调，这其实是一条“非常长的链条以及评价体系”，不是答卷那种“答完就得满分”的路子。

这也解释了他为什么把国内赶超的路径概括成六个字：农村包围城市。国内对AI4Chip的意愿其实更强烈——芯片这条路上，国内一直是追赶者，沿着旧有欧美路线走，不太可能弯道超车。“你想要超过他们，可能是有另外一条赛道，就类似于新能源汽车似的。”AI4Chip就是那条新赛道。

国内的政策也在这个时点跟上。

8月，北京经济技术开发区（以下简称“北京经开区”）正式发布《“AI4Chip”人工智能赋能集成电路产业跨越式发展行动计划（2026-2028年）》（以下简称“AI4Chip 20条”）。这是全国首个AI4Chip专项政策，面向集成电路产业，聚焦“AI原生全链赋能”、“AI+智能设计”焕芯、“AI+制造封测”筑芯、“AI+设备材料”强芯、“AI+产业生态”育芯五大行动精准发力。目标定在2028年：北京经开区基本建成集成电路产业AI融合发展体系，培育 3~5 家具有国际影响力的 AI4Chip 生态型领军企业，形成10个以上具备行业推广能力的标杆应用。

图源：北京经济技术开发区官网

可政策能解决“第一个吃螃蟹的人”的问题吗？答案恐怕仍偏谨慎。流片的风险收益比属于商业决策，政策替代不了。真正的拐点不在政策发布那天，而在某家公司肯拿出一个真实项目、一笔真实流片预算，把AI-native全流程跑通并成功的那一天。

所以现在的情况是“有demo、有政策、有招聘，但缺真实流片和商业闭环”。那么，如果真跑通了，芯片行业会被怎么改写？

夹在中间的芯片设计公司：是被挤扁，还是被逼出新的形状？

前面两位已经在一个判断上形成交集——AI会持续深入地进入芯片设计，但短期内远不是“生成即交付”，真正的约束在验证、流片和责任。既然如此，接下来更值得追问的就不是“AI能不能做芯片”，而是另一个更现实的问题：如果AI真的一步步做进来了，谁的利益会被重新分配？

剁椒酱打了个很形象的比方。在他看来，芯片设计公司今后会被夹在大模型和EDA厂商中间：模型公司出智力，EDA公司出工具，两头一起挤压原本由人提供的价值。哪头挤得多、哪头挤得少？他的说法是“目前还没有太清晰，得看谁做出了特别新、特别不可替代的东西”。

对这套“三明治结构”，晒哥没有正面否定，而是从另一个角度作了修正。他判断EDA厂商不会轻易自己去做芯片：芯片种类繁多、场景需求加起来的总量，他们扛不住；更关键的原因不在技术，而在基因——EDA厂商的核心利润就是“卖license”，卖铲子的人不会轻易转去挖金子。大模型厂商这边，他同意对方为了扩大利润有动力往上游走，但更可能的方式是深度参与AI4Chip、与design house合作，而不是把芯片设计公司取而代之。

那芯片设计公司真正的压力来自哪儿？晒哥看到的是两头：一头是系统厂自研芯片，云厂商、车企、互联网公司都在自己做；另一头是AI加持下的新兴公司形成包夹。传统芯片设计公司要是不变，很快会滑向第三方服务商。“第三方服务不代表不赚钱，但成长空间有限——当你技术不是最领先、又没有足够的护城河时，你干的就是苦力活。”

AI4Chip会给芯片行业整体带来什么改变？晒哥划了一条很锋利的线：得看是“AI+”还是“+AI”。只给现有流程配个AI助手，那叫“+AI”；组织形式和分工结构真的变了，才算“AI+”。

在他的设想里，未来可能不再是动辄上万人的大公司，而是一批超级个体组成的“Lab”式集群——“一个超级个体走得快，一群超级个体走得远”。大兵团作战大概不会太有了，取而代之的是认知匹配的小型组织，靠AI完成以前只有大公司才干得成的事。当然，这得在AI加持下，也需要时间：他预测5年可能会有大转变，10年内也许会发生整体的范式变化。

剁椒酱则从需求侧看到了另一层变化：长尾需求会被激活。中国应用端极度碎片化，很多定制芯片原来“商务上各种不划算”，一旦AI把生成成本降下来，最先受益的会是大量中小公司和碎片化需求。

芯片设计公司到底会不会被挤压？两位受访者的答案其实收到同一个点上：会重新分层。能做出不可替代的新东西的公司，会把两头挤出来的价值吃掉；只会做同质化交付的公司，会滑向第三方服务商；长尾市场里，则会冒出一批借助AI、以更小团队和更低成本做定制芯片的新玩家。

那什么信号出现，才能判断AI4Chip真的成立了？

哪些事情发生，就可以判定AI4Chip是下一个Coding场景

不是发布会，是流片、出货和“不再讨论”。

先把伪信号排除掉。模型厂商发demo不算，招聘启事挂出来不算，政策发布不算，网上讨论热度高也不算。这些只能说明“有人在押注”，说明不了“场景成立”。

把两位受访者的判断合在一起，真信号可以列成一张清单。

第一，真实流片，而不是demo。晒哥说得很直白：demo不流片就只是demo。时间表上，他判断“剁椒酱说的“端到端做简单芯片”，对应的正是这个节点——不是生成一段RTL，是走完整个流程、流片，回来还能工作。

第二，进商业EDA，靠的不是开源工具跑通，而是被主流流程认可。商业EDA的signoff地位短期不会动摇，原因不在技术，在责任。AI4Chip的工具链要进入真实生产，这个问题必须先回答。

第三，数据飞轮转起来。晒哥在自己文章里写过：“EDA被攻破是时间问题，不是可能性问题。工具运行日志、仿真波形、时序报告，这些数据每天都在服务器上产生，一旦有商业模式把它们组织起来，稀缺性就会被打破。”剁椒酱讲的“更好的scaling好的数据”，说的也是同一件事。

第四，商业化分成清晰。基模厂商、EDA、芯片设计公司之间要形成能持续下去的收费和分成模式，而不是停在试点。OpenAI和新思的分成试水，就是一个早期信号。

第五，讨论对象变了。晒哥认为真正的落地未必会有“XX年发生了XXX”那种历史书式的大事件：“更多是大家在描述这些工具做出的芯片指标是什么样、应用在哪里、出货量多少——当媒体开始这样报道，而不是报道模型本身的时候，才是真正的落地状态。”

到了那一天，这个问题会自动失效——没人再问“是不是下一个 Coding 场景”，大家都习以为常。

两位受访者的时间判断可以放在这里对照。剁椒酱估计，那个终局想象在未来5~10年；晒哥的判断是，5年会有一个大转变，10年内芯片行业的整体范式会变。

当然，上面这些时间表，前提都是“世界按剧本走”。

近日，行业用两天时间给所有人上了一堂又一堂“黑天鹅”课：执掌英伟达33年、亲手把

这两件事，没有任何一份研报提前预警过。行业的残酷就在这里：它只负责让所有精心推演的时间表一夜作废。所以真正的拐点来临时，大概率也不会照我们此刻想象的样子出现。

但不管从哪边看，时钟都已经开始走了。