第一性原理：邏輯性的工作終將被 AI 走完 —— IC 設計為什麼是下一排
與其問「AI 會不會取代我」，不如退一步問一個更根本的問題：AI 到底靠什麼把一個行業吃下來？第一性原理的答案很簡單——只要是邏輯性的東西，基本上都有機會被 AI 取代與超越。順著這條線往下走，IC 設計會是很前面的一排。
換個問法：AI 到底靠什麼吃下一個行業
被浪打到，人通常有兩種反應。一種是焦慮，覺得自己要被淘汰了；另一種是好奇。與其一直問「AI 會不會取代我」，我更想退一步問一個更根本的問題：AI 到底是靠什麼，把一整個行業吃下來的？
我試著用第一性原理去想這件事。所謂第一性原理，就是把一件事拆到不能再拆的最底層，然後只從那個最底層往上推——不靠類比、不靠「大家都這麼說」、也不靠「這行一直都是這樣」。
拆到底，我得到的結論其實很單純：
只要是邏輯性的東西，基本上都有機會被 AI 取代與超越。AI 可以去學習並重複進行邏輯判斷，因此從第一性原理來看，這些東西自然會被 AI 取代，這沒什麼道理可言。
這句話乍聽像廢話，但它其實很有力。因為它把「哪個行業會被 AI 吃掉」這種看起來很玄的預測，換成了一個可以逐項檢查的問題：這個行業裡的工作，有多少比例是「邏輯性」的？
「邏輯性」，具體是指什麼
我把 AI 正在吃、跟 AI 目前還吃不太動的東西，切成兩堆。分界線不是「難或簡單」，而是「這件事有沒有邏輯性」——講得更具體一點，是這三個特徵：
- 可歸納。 這件事的「經驗」，其實是一條一條可以被寫成規則的東西，而不是純粹說不清楚的直覺。
- 可驗證。 做完之後有明確的對錯——跑得動嗎？測試過嗎？間距合不合規？——而不是只能靠人「感覺一下」。
- 有前例。 有大量已經發生過的案例可以學，而不是真正的、沒有前例的「第一次」。
一件事只要同時落在這三個特徵裡，它就有邏輯性；而有邏輯性的東西，AI 就能學會、能重複做、還會愈做愈好。
| 這一堆，AI 正在吃掉 | 這一堆，AI 目前還碰不到 |
|---|---|
| 有明確對錯、可驗證（跑得動嗎？測試過嗎？) | 品味、審美、說不清楚的直覺 |
| 經驗其實是可歸納的規則 | 需要跟人長期博弈、建立信任 |
| 有大量前例可以學 | 真正的「第一次」，沒有前例 |
軟體之所以是 AI 最先、最容易吃下來的東西，不是因為軟體不重要，而是因為它幾乎整堆都落在左邊：它是純文字、有明確的對錯（能不能編譯、測試過不過）、還有海量的公開語料可以學。我剛好是做軟體的，所以站在第一排——不是因為我特別，而是因為我做的東西剛好最合 AI 的胃口。
那，下一排是誰？
看懂這個切法之後，「下一個是誰」這題就不玄了。它變成一個幾乎可以量的問題：哪個領域裡，「可歸納、可驗證、有前例」那一堆佔的比例愈高，它就愈接近浪的前排。
順著這條線往下想，我心裡浮出一個答案——IC 設計。
這個答案有點反直覺。IC 設計在外人眼裡（包括不久前的我）是個高門檻、很吃老師傅手感的行業。從一套完整的設計文件，到最後能送去晶圓廠流片的 GDSII，中間要經過 RTL、模擬、formal、合成、STA、DFT、佈局繞線、DRC/LVS……每一關都有一堆眉角，很多還真的是資深工程師幾十年踩坑換來的手感。
但把它跟前面那個切法對照，我愈看愈覺得：IC 設計裡那些「靠經驗」的部分，經驗的累積其實大多是有邏輯性的。
IC 設計的「經驗」，拆開來看多半是邏輯
隨手舉幾個例子：
- 為什麼這裡要插一級 pipeline？因為要打斷這條 critical path——這是可以量、可以算的。
- 為什麼這個 reset 要這樣接？因為 metastability 的機率、因為 timing——這背後是有物理、有規則的。
- 為什麼這個 DRC 違規可以 waive、那個不行？因為它對良率的實際影響不同——這是可以分類、可以歸納的判斷。
- 這個 LVS mismatch 是真的錯，還是工具的限制？這同樣是一條可以被講清楚、可以被檢查的判斷。
換句話說，這些「經驗」很少是純粹說不清楚的直覺，多半是一層一層有因果、可以被寫下來、可以被驗證對錯的知識。而只要一件事是這種形狀，它就落在 AI 遲早會吃下來的那一堆裡。
在 IC 設計的這條路徑裡，大多數我所知道的經驗都是有邏輯性的，所以被 AI 取代只是早晚的問題。
我得誠實：這個判斷不是我以 IC 專家的身分下的——我不是。也正因為是半個門外漢，我反而沒有「這行很特別、AI 學不會」的包袱。我看到的是一個資訊結構：一個有明確輸入輸出、每一步都能被檢查、經驗大多可被規則化的流程。這種結構，跟軟體像得可怕。
「不是 100%」不等於「AI 進不來」
我不想把話講太滿。IC 設計當然不是 100% 都能被歸納：
- 先進節點那種「調到剛好」的收斂手感；
- 類比設計裡靠版圖匹配、靠 corner、靠說不清楚的直覺那一塊；
- 超大規模設計裡的取捨與 QoR。
這些短期內還是很硬的骨頭，也是這個系列後面會專門去拆的地方。但「不是 100%」不等於「AI 進不來」。軟體也從來不是 100% 能自動化，可是浪照樣打進來了。只要那一堆「可歸納、可驗證」的比例夠大，這個行業就已經站在浪的行進方向上了。
而且有一件事會讓這個趨勢加速：AI 正在徹底改變「把經驗寫成規則」的成本。 過去要一個資深工程師花很久才能沉澱、傳承的判斷，現在有機會被一點一點淬鍊、累積成 AI 能直接使用的東西。這正是我做 Vibe-IC 的起點——如果 IC 設計的經驗大多有邏輯性，那我能不能把它們，一條一條變成 AI 能重複使用的規則？
這是一個冷靜的觀察，不是宣戰
最後我想把語氣放輕。這篇講的「下一排是誰」，對我來說不是幸災樂禍、也不是要向誰宣戰——我自己就站在第一排，太清楚被浪打到是什麼滋味。它比較像是一份冷靜的觀察，加上一個選擇：與其站在岸上等浪來，不如動手去做那個會被浪推著走的東西。
我也想先講清楚，免得後面被誤會：這件事跟「打倒商業工具」一點關係都沒有。第一性原理講的是「邏輯性的工作終將被 AI 走完」，不是「誰要贏過誰」。至於商業與開源怎麼共存、為什麼我認為開源 EDA 一定也做得到——那是下一篇的事。
下一篇，我會接著這條第一性原理往下走，講一個更「送分」的版本：EDA 工具本身。既然商業軟體做得到，為什麼開源軟體做不到？以及，一個開放與商業付費共存的生態系，到底長什麼樣子。