人工智能可以取代多少初级工程师？一位高级工程师又能成功管理多少个人工智能代理？这似乎是近来一个热门话题，尤其是在软件开发领域，那里有大量免费的示例可供人工智能训练。但人工智能能否扩展到嵌入式软件领域，目前仍存在一些不确定性。

有大量报道称，计算机科学专业的应届毕业生找不到工作。他们的失业率目前高于平均水平，这与以往的情况截然相反。鉴于人工智能在年轻人中越来越不受欢迎，该专业的入学人数可能会下降。

在半导体领域，发展速度稍慢，但有迹象表明它正在加速。普遍的观点是，智能体人工智能正在验证领域得到应用，并取得了相当的成功。与此同时，大多数公司表示，验证永远不会过时——验证永远不嫌多，速度也永远不够快。过去曾多次预言验证的消亡，然而需求却持续增长，问题也变得日益复杂。那么，那些被取代的初级验证工程师又该怎么办呢？

第一批人工智能应用——聊天机器人——原本被认为对初级工程师大有裨益。他们无需学习如何使用复杂的EDA工具，因为人工智能可以代劳。他们也不必再掌握新的编程语言，人工智能会处理必要的语法。但对于一名初级工程师来说，这些其实并不需要花费太多时间。他们通常很快就能掌握大部分内容，当然，人工智能可以帮助他们更快地掌握。然而，这并非成为高级工程师的关键。高级工程师需要经验、判断力，以及完成人工智能目前尚无法完成的任务的能力。

有两件事令人担忧。首先，如果初级工程师没有价值，他们如何晋升为高级工程师？最终，随着现有高级工程师的退休，他们需要填补空缺。这假设人工智能超级代理能力提升后，高级工程师的角色不会完全被取代。这意味着必须为所有级别的工程师找到一条发展路径。

其次是创造力。RTL 和逻辑综合技术刚出现时，并不受当时资深逻辑设计师——也就是高级工程师——的欢迎。他们能够设计出比早期综合引擎更优秀的逻辑，因此不愿接受可能取代他们的新技术。反而是那些没什么可失去的初级工程师率先采用了综合技术，并证明虽然资深工程师在 PPA（每分钟性能指标）上仍然能够胜过他们，但他们可以用极短的时间完成同样的工作。生产力的提升远远超过了他们所损失的 PPA。

机会往往容易被忽视。我记得我的第一份工作以及我负责的几个项目。其中一个项目是为一个航空电子系统设计电路，该系统一直以来都需要两块电路板才能集成到标准尺寸的机箱中。当时一种新的元件刚刚问世，可编程逻辑器件（PAL）也开始出现。这些是最早的可编程逻辑器件，远早于FPGA的出现。他们让我看看能否利用这些新器件，将系统缩小到一块电路板上。这并非关乎我能否设计出完美的方案，甚至也不是关乎设计出一个足以投入生产的系统。而是要看看我能否展示一种新的架构。通常，我们认为这是高级工程师或架构师的职责，但他们可能会固守成规，而且在研究新器件或新可能性方面可能并非最佳人选。他们更应该把时间花在设计、运行和交付生产系统上。

作为一名初级工程师，我可以花时间阅读大量手册，研究设备的运行原理，学习如何使用新设备进行编程，了解在生产系统中应用这些设备需要哪些条件，以及获得空气质量认证的相关事宜——诸如此类。当然，这一切都在部门主管的监督下进行，但他们不会干涉我的工作，只会在我需要的时候提供有益的建议。然而，我的第一次尝试并没有完全成功。我也没有第二次机会，因为就在那时我换了工作，进入了我们现在称之为EDA的新兴行业。

减少公司雇佣的初级工程师数量或许很有吸引力，但这是一种短视的做法。如果高级工程师忙于管理十几个甚至更多的智能体，他们就没有时间去做其他事情。他们也没有太多时间去做人工智能无法完成的事情。那么，如何有效地利用初级工程师来激发他们的创造力？如何利用初级工程师来重新构想任务？如何培养初级工程师，使他们能够胜任五年或十年后高级工程师需要承担的工作——而这显然与他们现在的工作截然不同？

如今普遍的看法是“要么采用人工智能，要么被淘汰”。但与此同时，企业需要重新构想各层级工程师的角色，并思考如何投资于员工，才能在人工智能能够完成所有简单任务之后，依然保持竞争力。或许企业需要一位“人才架构师”，一位能够变革开发流程以及人类与人工智能如何融入其中的专家。

（来源：编译自semiengineering）