把整條晶片設計流程交給 AI：一個軟體人的 end-to-end 賭注

我是誰：一個軟體老手，一個 IC 流程的新手

先把我自己交代清楚，因為這整個系列都建立在這件事上。

我在軟體產業做了很多年。這些年，我熟的世界是 API、資料庫、前後端、雲端，是拿一段需求、把它變成一個能跑、能上線、有人在用的系統。講清楚一點：我做的一直是軟體那一側。

我甚至在聯發科待了快 10 年的時間。但這裡要老實說一個很多人會誤會的地方：一家幾萬人的公司裡，離真正的矽（silicon）有遠有近，而我一直在「上面那層」，從沒真的深入走進 RTL→GDS 這條流程。RTL 怎麼寫、synthesis（合成）之後發生什麼事、DRC／LVS 到底在檢查什麼——這些我過去沒有深入研究過，也不算熟。所以講到 IC 設計整條流程，我是一個不折不扣的新手。

為什麼要把這件有點難堪的事擺在最前面？因為這個反差——軟體的底子 + 對 IC 流程的陌生——恰恰是這件事能成立的關鍵。正因為我沒有在這一行浸泡幾十年，我沒有繼承這個產業「這件事本來就只能這樣做」的預設包袱。我看 IC 設計的時候，看到的不是一堆神聖不可動的手藝，而是一個資訊結構：有明確的輸入輸出、每一步都能被檢查、經驗大多能被寫成規則。這種結構，對一個軟體人來說，熟悉得可怕。

我賭的是「end-to-end」

來講賭注。過去這一年，如果你也寫程式，大概懂我在說什麼：AI 寫軟體的能力不是「進步了一點」，是階梯式地跳，我剛好站在這海嘯的第一排。至於「第一排的軟體工程師之後，下一個是誰」——這是我這半年一直在想的問題，下一篇會專門講，這裡先按下不表。

我想在這篇講的，是我看懂這海嘯之後、選擇動手去做的那個東西。我賭的很具體：一整條晶片設計流程——從一份完整的設計文件開始，到最後能送去晶圓廠流片的版圖——可以交給 AI agent 一路走完，中間不再需要大量的人為交接。

這就是我說的 end-to-end，也是「AI-Native」的意思。差別在哪？大部分人用 AI 是把它當一個「幫你補一段程式」的助手，貼在既有流程的旁邊；而 AI-Native 是讓 AI 從第一步就坐上駕駛座，由它來驅動整條流程往前走。這兩者，差得很遠。

一整條流程，攤開來大致是這三段：

Phase 1：把一段自然語言、或一疊設計文件，變成一套分層的設計規格。
Phase 2：從規格生出 RTL，再一路 lint、模擬、formal、上 FPGA 驗證。
Phase 3：合成、STA（時序分析）、佈局繞線、DRC／LVS，最後產出可以流片的 GDS。

一份完整的設計文件進去，一顆晶片的雛形出來。中間這一大段過去要一整個團隊、來回好幾個月，我賭的是：它能被 AI 一路推下去。

為什麼要 end-to-end——而不是讓每個角色各自配一把 AI

這是我最在意的一點，也是我為什麼賭整條流程、而不是其中一段的真正原因。過去的晶片設計流程，是一場角色的接力——spec、RTL、驗證、合成、時序、實體設計、簽核——而每一個角色，都是一個人，或一個部門。這條流程真正的瓶頸，從來不是某一個人做得多快，而是他們「之間」的溝通：人與人、部門與部門，那些會議、交接、還有「等等，這是哪一版」，卡在每一道接縫裡。

所以真正有意思的一步，不是把每個角色各自變快一點，而是讓 AI 去跑這些角色本身——把每一個人、每一個部門，在概念上都變成一個 agent，重點是把角色重新打造成 agent，而不是把舊的組織架構原封不動搬到 AI 上——於是整條流程變成一個 agent 接棒給下一個、再下一個，一路接下去。當接棒是 agent 對 agent、而不是人對人，那道過去拖住整件事的接縫，就大致消失了；而人要做的，也從每一道接縫都得交接一次，縮成整條流程全部跑完之後、由人做一次性的 review。真正的階躍，就是在這裡才變得可能——人們說「十倍、百倍」時想講的那種數量級提升，不是因為某一個步驟快了一百倍，而是因為步驟「之間」的等待被拿掉了。

而這和「每個角色各自拿一把 AI 改善自己的工作」是本質上不同的事——不是同一件事的放大版。如果只是個別工具變利，最後的瓶頸還是會落回它一直以來所在的地方：人與人、部門與部門之間的溝通。那條路能給你 10%、20%、也許 50%——但到不了十倍、百倍。只有讓整條流程 AI-native、agent 對 agent 地跑起來，那個大數字才有可能被放上檯面——而且老實說，這是一個賭注，不是一個已經完成的結果。但它是唯一一種能讓那個大數字成為可能的結構。

Vibe-IC 是什麼

Vibe-IC，就是我為了驗證這個賭注做出來的東西。

它是一個 Claude Code 的 plugin，安裝時會自動註冊一個 MCP 的 EDA server，把底下一整套 EDA 工具接成 AI 的「手」。你用自然語言對話驅動它——它不是 IDE 外掛、沒有語法高亮、不需要你會寫 Tcl。你就是跟它說「我要一顆這樣的晶片」，剩下的 Phase 1／2／3，由它負責一步一步推下去。

但我不會把它講成一個一次寫完就定型的成品。它更像是一個會跟著 AI 一起長大的容器：今天 AI 的能力到哪，它就能做到哪；明天 AI 更強，同一套流程就會被推得更遠。這其實才是我賭的重點——我賭的不是它今天有多完美，而是它站在一個會被浪一直往前推的位置上。

一句話講清楚立場：開源與商業，都歡迎

最後，先把這個系列的立場講清楚，因為它會貫穿後面每一篇：這件事的重點是「流程本身是 end-to-end 的」，不是要跟誰對著幹。

EDA 工具，不論開源還是商業，在這裡都能用。如果有商業 EDA 廠商想接進來、成為這個生態系的一部分，我們非常歡迎——它的使用者付費使用它，就像付費使用平台上的一塊 IP 一樣自然。我是軟體人，我信開源；但對我來說，「延伸開源」是把流程裡屬於開源的那一段補到 production／sign-off 等級，而不是去跟商業工具比高下。一個 AI-Native 的 end-to-end 流程，底下該用哪個工具，交給使用者決定；平台要做的，是讓這些工具都能被 AI 順暢地驅動起來。

這是這個系列的第一篇。接下來我會一篇一篇，帶你走進我這個軟體新手眼中的 IC 設計——它到底在做什麼、我為什麼敢賭 AI 能走完它、我又是怎麼把整套流程一塊一塊建起來的。

下一篇，我想從最根本的地方講起：為什麼從第一性原理來看，只要是有邏輯性的工作，終究會被 AI 走完——而 IC 設計，為什麼就是下一排。