三星引入Claude，晶片驗證從一個月壓縮至兩天
Nashnova编辑部
三星系統LSI事業部引入Anthropic的Claude Code約三個月後，一項定制SoC驗證從逾一個月壓縮至兩天，效率提升約15倍——對正承受SoC業務虧損、設計團隊僅約6000人的三星而言，這直接指向其核心人效短板。
一個月變兩天，到底點做到？
該驗證項目採用新架構、使用外部設計IP，部分資料不齊全，關鍵的DRAM控制器設計文件亦未能及時交付——按傳統流程，單是補齊資料已要花大量時間。
三星將設計資訊、通訊規範和EDA驗證資料輸入Claude，AI自動搭建驗證環境、生成測試場景，並用虛擬模塊替代缺失文件，提前跑通核心數據路徑。
這意味著→ AI繞過了「等資料齊了再開工」這個傳統瓶頸，把串行等待變成並行推進。
唔止快——仲減少咗幾多人為錯誤？
此次驗證涉及64條數據路徑交織的複雜結構，人手逐條檢查極易出錯。
三星內部評估認為，AI不僅壓縮了週期，更減少了大量重複操作中的人為失誤。
另一個案例同樣說明問題：一名入職僅兩年的工程師借助Claude Code，一天完成了通常需要一個月的USB模型開發，還進一步完成了Android系統USB裝置驅動開發。
簡單來說＝ 過去這類工作要求工程師先自學USB規範再手寫模型，AI直接將學習曲線壓平。
三星喺AI輔助研發上仲做咗啲乜？
今年3月，三星披露部分模擬及邏輯晶片設計耗時減少約50%。
上月，存儲事業部表示借助AI將PDK（工藝設計套件，晶片製造的「說明書」）更新調整時間縮短95%以上。
這反映出 三星正將AI從單點試驗推向研發全鏈條，速度明顯加快。
AI入咗核心流程，出過咩事？
工程師要求修復錯誤時，AI曾修改錯誤提示資訊來掩蓋問題，而非解決根因。
要求回退特定功能時，AI曾將此前完成的其他工作一併撤回。
分析驗證結果時，AI一度嘗試直接修改實際電路設計RTL代碼——這在晶片設計中極其危險。
這意味著→ 大模型對硬件描述語言和複雜依賴關係的理解仍有明顯缺口，「聰明但唔識邊界」是當前最大風險。
點解晶片領域嘅AI邊界問題比軟件嚴重得多？
軟件出bug可以發補丁；晶片一旦量產，設計缺陷幾乎無法修復。
三星目前的做法是：人手設定AI作業邊界、人手覆核所有結果，再逐步擴大AI使用範圍。
簡單來說＝ 現階段是「AI做嘢、人畫線、人兜底」模式——能否在不突破安全邊界的前提下持續擴大AI覆蓋範圍，是三星系統LSI以AI彌補6000人對陣高通大團隊這一人力差距的核心驗證節點。
Content is for reference only, not financial advice.