AI會取代電子工程師嗎？工程師用一年時間給出了答案

過去一年，我把AI深度嵌入到日常的嵌入式開發(fā)工作中——從STM32驅(qū)動代碼生成、硬件調(diào)試日志分析，到文檔整理和方案設(shè)計。走了不少彎路，也沉淀出一些真正能提效的經(jīng)驗。

今天就來個全景式復(fù)盤，希望能給大家一些啟發(fā)，也歡迎各位一起探討！

先說大實話。整體評分的話，我給AI在電子開發(fā)中的表現(xiàn)打 B+ ——部分場景驚艷，但坑也不少。

我去年看了一篇EDN上的文章，作者用免費(fèi)AI（主要是Copilot和ChatGPT）測試了多個電子設(shè)計任務(wù)，給出的評分非常真實：

我的核心感悟： AI在“確定性任務(wù)”上很靠譜（比如查表插值、轉(zhuǎn)換公式），但在“需要具體硬件上下文”的任務(wù)上容易翻車（比如ADC初始化、USB圖標(biāo)）。

過去一年，我把市面上的主流AI編程工具都試了一遍。這里分享一個真實的選型對比：

我的組合策略：Cursor寫主體邏輯 + Copilot日常補(bǔ)全 + DeepSeek/Claude做復(fù)雜推理和調(diào)試。

為什么AI在Web開發(fā)順手，在嵌入式就不靈？

這個問題我琢磨了很久。知乎上有個分析很透徹，說AI之所以在嵌入式領(lǐng)域不如Web開發(fā)好用，核心原因有幾點：

1. 硬件依賴性強(qiáng)：AI生成的代碼看起來漂亮，但寄存器名、時鐘配置可能全是錯的

2. 調(diào)試工具鏈割裂：AI沒法直接讀J-Link日志、沒法操作邏輯分析儀

3. 實時性要求高：AI生成的代碼經(jīng)常忽略臨界區(qū)保護(hù)、Cache一致性這些嵌入式特有的細(xì)節(jié)

舉個例子，我讓DeepSeek分析一段HardFault_Handler的J-Link日志：

text

HardFault_Handler triggered, LR=0xFFFFFFFD, MSCR=0x40000

它直接解析出：總線訪問越界 → 野指針/數(shù)組越界/堆棧溢出 → 建議排查。這個能力確實厲害，但它沒法直接幫我定位到具體是哪一行代碼出了問題。

STM32 I2C驅(qū)動生成 + 調(diào)試

場景：

需要為STM32F4寫一個硬件I2C驅(qū)動，配置時鐘為100kHz，用標(biāo)準(zhǔn)外設(shè)庫。

AI協(xié)助過程：

Step 1：代碼生成
輸入提示詞：

生成STM32F4硬件I2C驅(qū)動代碼，使用標(biāo)準(zhǔn)外設(shè)庫，時鐘配置為100kHz，地址為0xA0。

DeepSeek直接生成了完整的初始化代碼，包含時鐘使能、GPIO配置、I2C參數(shù)設(shè)置：

void I2C1_Init(void){ GPIO_InitTypeDef GPIO_InitStruct; I2C_InitTypeDef I2C_InitStruct; // 時鐘使能 RCC_APB1PeriphClockCmd(RCC_APB1Periph_I2C1, ENABLE); RCC_AHB1PeriphClockCmd(RCC_AHB1Periph_GPIOB, ENABLE); // GPIO配置... // I2C配置... }

Step 2：代碼審查
生成之后，我做了三件事：

1. 核對寄存器名是否符合STM32F4標(biāo)準(zhǔn)庫

2. 確認(rèn)GPIO復(fù)用映射正確（PB6→SCL，PB7→SDA）

3. 補(bǔ)充錯誤處理邏輯

Step 3：調(diào)試輔助
調(diào)試時遇到I2C通信異常，我把邏輯分析儀抓到的波形截圖和代碼一起發(fā)給AI，它很快識別出：時鐘配置和實際輸出不一致，建議檢查RCC_PCLK1頻率是否正確。

經(jīng)驗總結(jié)：

• AI生成的骨架代碼能節(jié)省70%的初始工作量

• 但必須人工審核硬件相關(guān)的配置細(xì)節(jié)

• 調(diào)試時“截圖+代碼”一起喂給AI，效果比純文字描述好太多

雖然我主做嵌入式軟件，但也在關(guān)注AI在PCB設(shè)計領(lǐng)域的最新進(jìn)展：

• 西門子Fuse EDA AI Agent：端到端的自動化設(shè)計，覆蓋從RTL編碼到物理驗證的全流程

• AI驅(qū)動的PCB布局布線：有工具能把原本一個季度的設(shè)計周期壓縮到一周

• 生成式DRC：基于百萬級成功制造案例訓(xùn)練的ML模型，替代傳統(tǒng)規(guī)則檢查不過我目前還沒在實際項目中大規(guī)模用AI搞PCB——主要還是擔(dān)心AI在模擬電路、信號完整性這些“模糊地帶”的表現(xiàn)不夠可靠。

 適合AI干的：

• 查表函數(shù)、數(shù)據(jù)轉(zhuǎn)換、算法實現(xiàn)

• 生成外設(shè)驅(qū)動代碼的骨架

• 寫單元測試用例

• 分析調(diào)試日志、定位錯誤類型

• 整理技術(shù)文檔、生成注釋

不適合AI干的：

• 復(fù)雜的模擬/混合信號電路設(shè)計（專用工具如TI Webench更靠譜）

• 需要精確時序的實時系統(tǒng)代碼

• 生成可直接3D打印的機(jī)械外殼（AI只會畫盒子）

• 完全自動化的PCB布局布線（仍需人工驗證）

用好AI的三個關(guān)鍵技巧：

1. 明確硬件上下文：提示詞里指定MCU型號、庫版本、時鐘頻率

2. 分段驗證：不要讓AI一次性生成幾百行代碼，分段生成、分段測試

3. 保留最終審核權(quán)：AI生成的代碼必須經(jīng)過人工審查才能燒錄

AI不會取代電子工程師，但會用AI的工程師一定會取代不會用的。過去這一年，AI幫我省下的時間足夠我再做兩三個項目。雖然它還是會犯低級錯誤，但把這個“智能助手”用好了，效率提升是肉眼可見的。希望我的分享能給大家一些啟發(fā)。歡迎在點擊閱讀原文或在評論區(qū)聊聊你用的AI工具和踩過的坑！