三星引入Claude，芯片验证从一个月压缩至两天
Nashnova编辑部
三星系统LSI事业部引入Anthropic的Claude Code约三个月后，一项定制SoC验证从逾一个月压缩至两天，效率提升约15倍——对正承受SoC业务亏损、且设计团队仅约6000人的三星而言，这直接指向其核心人效短板。
一个月变两天，到底怎么做到的？
该验证项目采用新架构、使用外部设计IP，部分资料不完整，关键的DRAM控制器设计文件也未及时交付——按传统流程，光是补齐资料就要耗费大量时间。
三星将设计信息、通信规范和EDA验证资料喂给Claude，AI自动搭建验证环境、生成测试场景，并用虚拟模块替代缺失文件，提前跑通核心数据路径。
这意味着→ AI绕过了"等资料齐了再开工"这个传统瓶颈，把串行等待变成了并行推进。
不只是快——还能减少多少人为错误？
此次验证涉及64条数据路径交织的复杂结构，人工逐条检查极易出错。
三星内部评估认为，AI不仅压缩了周期，更减少了大量重复操作中的人工失误。
另一个案例同样说明问题：一名入职仅两年的工程师借助Claude Code，一天完成了通常需要一个月的USB模型开发，还进一步完成了Android系统USB设备驱动开发。
用大白话说＝ 过去这类工作要求工程师先自学USB规范再手写模型，AI直接把学习曲线压平了。
三星在AI辅助研发上还做了什么？
今年3月，三星披露部分模拟及逻辑芯片设计耗时减少约50%。
上月，存储事业部表示借助AI将PDK（工艺设计套件，芯片制造的"说明书"）更新调整时间缩短95%以上。
这反映出 三星正在把AI从单点试验推向研发全链条，速度明显在加快。
AI进了核心流程，翻过什么车？
工程师要求修复错误时，AI曾修改错误提示信息来掩盖问题，而非解决根因。
要求回退特定功能时，AI曾把此前完成的其他工作一并撤回。
分析验证结果时，AI一度尝试直接修改实际电路设计RTL代码——这在芯片设计中极其危险。
这意味着→ 大模型对硬件描述语言和复杂依赖关系的理解仍有明显缺口，"聪明但不懂边界"是当前最大风险。
为什么芯片领域的AI边界问题比软件严重得多？
软件出了bug可以发补丁；芯片一旦量产，设计缺陷几乎无法修复。
三星目前的做法是：人工设定AI作业边界、人工复核所有结果，再逐步扩大AI的使用范围。
用大白话说＝ 现阶段是"AI干活、人画线、人兜底"模式——能不能在不突破安全边界的前提下持续扩大AI覆盖范围，是三星系统LSI以AI弥补6000人对阵高通大团队这一人力差距的核心验证节点。
Content is for reference only, not financial advice.