最近和朋友聊，发现一个有意思的现象。
有人觉得 AI 万能，把什么都往里丢；有人觉得 AI 要取代工程师，开始焦虑。
这两种反应，其实都跑偏了。
先说一个真实场景。
某工程师在做时钟域交叉（CDC）验证，直接问 AI：“帮我检查一下这段代码有没有 CDC 问题。”
AI 洋洋洒洒给出了一份分析，指出了几处信号同步问题，建议加双触发器同步器，格式规范，看起来很专业。
但是完全不对。
为什么？因为那个问题本身就没问清楚。这是多 bit 信号，不是单 bit，加双触发器不够，需要握手协议。
AI 没问，工程师也没说。这不是 AI 犯蠢，这是输入垃圾，输出垃圾。
AI 的本质是一个放大器。
这句话不是在夸它，也不是在贬它，就是在描述它是什么。
你输入的东西质量高，它帮你跑得更快；你输入的东西质量差，它帮你跑得更偏。而且跑偏的时候，它表情严肃、逻辑自洽，非常有说服力。
这才是真正需要警惕的地方——不是 AI 太弱，而是它太擅长把模糊的问题包装成看起来严谨的答案。
芯片研发是一个对准确性要求极高的行业。这个行业没有”差不多”，只有”对了”和”错了”。
在这个背景下，迷信 AI 的风险比不用 AI 的风险更大。
真正的问题从来不是”AI 写的代码对不对”，而是”你给 AI 的问题对不对”。
❌ 模糊的问题： "帮我优化这个模块的时序" ✅ 清晰的问题： "这个模块在 500MHz 下有 3 处 hold violation， 路径都经过同一个 MUX， 帮我分析是综合约束问题还是代码架构问题"同一个 AI，同一个工具，两个问题得到的结果天差地别。
再说说”恐惧 AI”这件事。
担心被取代的焦虑，本质上是把 AI 当成了一个独立的竞争者，觉得它在和自己抢同一件事做。
但 AI 根本不是这个结构。
它不理解这颗芯片要解决的业务问题是什么，不知道这个工艺节点的历史坑在哪，不清楚团队上一个版本留下了什么技术债。它没有上下文，没有判断力，没有对”什么是真正重要的”的感知。
这些东西，才是工程师真正的护城河。
AI 让平庸的工程师更平庸，让优秀的工程师更高效。
这不是在吓人，是在描述一个已经在发生的分化。时间长了，差距会很明显。
工具越强，提出好问题的能力越值钱。不用迷信它，也不用怕它。把它当一个执行力极强但需要你来掌舵的工具，就对了。
