號召行動:AI Native 的世界,以及怎麼一起把它做出來

走到這個系列的最後一篇。這一篇談兩件事:從一套完整的設計文件到 silicon 的那個 end-to-end 世界長什麼樣,以及——我覺得更重要的——怎麼一起把它做出來。開源與商業都歡迎,兩行就能裝,Apache-2.0。

先描述那個終局:從一套完整的設計文件到 silicon

先把我心裡那個畫面攤出來。你從一套完整的設計文件開始:

Design a temperature sensor IC: I2C interface, 12-bit, alert output, SOIC-8 package.

然後——不需要你再打開任何一個 EDA 工具、不需要你在十幾個團隊之間開會協調——一條確定性的流水線把它一路帶到可以流片的 GDS。這就是 end-to-end 的意思:中間不再需要人為的溝通與交接。

今天一顆晶片,從架構、RTL、驗證、後端到簽核,是好幾個團隊、好幾套工具、無數封信與會議接起來的;每一次交接,都是一次資訊損耗與延遲。如果這條線能被軟體加 AI 完整串成一個閉環,那效率就是數量級的差別——不是快一點,是快一個級距。Vibe-IC 現在的骨架就是照這個閉環長的:Phase 1/2/3 的分層流程把完整的設計文件帶到 GDS,而每一步都被一個確定性的閘(gate)把關,不准任何一環假裝過關。這一篇不重講流程細節——我想講的是,為什麼我相信這條線會越走越順,以及你可以怎麼進來一起走。

為什麼它會越來越好:經驗會複利

一個 end-to-end 系統要能長大,靠的不是某一次特別聰明的生成,而是知識會不會累積。這正是 Vibe-IC 每天在做的事。

plugin 裡有一個角色叫 IC Expert Agent,它背後掛著兩份會長大的資產:一份按設計類別索引的 expert-DB,一份逐層累積的 lessons。每一次,一個原本會失敗的案例被 AI 的判斷救回來,一套 capture 流程就會把「這次為什麼會錯、怎麼修對」淬鍊成三種東西之一:一條確定性程式規則、一段補進 skill 的判斷、或一張社群 backlog;不能被一般化的,就誠實丟掉。

意義在於——知識不會停留在某一次對話裡。沒有這個迴圈,每次 AI 救回來的東西都是一次性的,plugin 永遠不會複利成長;有了它,一個人踩過的每一個坑,都變成下一個人不會再踩的護欄。這就是我對「經驗大多有邏輯、因此可以被累積」這個信念最具體的實作。它今天當然還不完善,但它會跟著 AI 一起,一個 gate、一條 lesson 地變聰明。

邀請:一起把它做出來

方向我很確定,但這件事我一個人做不完,也不該一個人做。所以這一篇的重點,其實是一句很誠懇的話:來吧,一起。

先講清楚這個生態系的態度:開源與商業,都歡迎。開源工具,缺的那一塊我們就 fork 把它補完;商業工具,如果想掛進來成為流程的一部分,我們也非常歡迎——使用者付費使用它,就像用平台上一顆付費的 IP 一樣自然。我們強調的從來不是「打倒誰」,而是這條 end-to-end 的線本身要能一路走通。而你懂的每一條 know-how,在這裡都可以變成一個 gate、一條 lesson、一支 program,然後被成千上萬個後來的人重新使用。

不同背景的人,有不同的切入點:

兩行就能裝,Apache-2.0

Vibe-IC 這個 plugin 是 Apache-2.0 開源的——你用它跑出來的東西,都屬於你自己。它本身是一個 Claude Code plugin,安裝時會自動註冊一個 MCP EDA server,你用自然語言對話驅動它。安裝就兩行:

/plugin marketplace add vibeic/vibe-ic
/plugin install vibe-ic

repo 在 github.com/vibeic/vibe-ic。不用想太大,從這三步任選一個開始就好:(1) 去讀一下 README.md、翻一下 flow 的 YAML,感覺它怎麼運作;(2) 到官網首頁留下你的資料、自我介紹,告訴我們你是誰、最懂哪一塊——我很想認識你;(3) 挑一個你有把握的角落動手試試,然後來官網首頁留個聯絡、跟我們說你想參與哪一塊。現階段的參與,都先透過官網首頁留資訊就好,我們會主動跟你接上。

今天還粗糙,但會慢慢長進每一個角落

我要誠實地說,Vibe-IC 今天還粗糙,也還差很多塊——先進節點還沒有可量產的開源 PDK、類比自動化是最大的缺口、商業工具仍在超大規模設計的 QoR 與收斂速度領先。這些我不會粉飾。但這些都是「補洞」的工程,而 AI 正在徹底改變補洞的成本結構:過去補一個洞要一個團隊好幾個月,現在可能是一個懂的人加上 AI 一個週末。

所以我一點都不懷疑方向。今天的 Vibe-IC 也許看起來像個玩具,但它會跟著 AI 一起長大——就像當年的 Linux,一開始粗糙、被大廠看不起,最後慢慢擴散到每一個角落。差別只在於:由誰、用多開放的方式,把它做出來。我希望是我們,用開源的方式,而且歡迎所有人——包括商業工具——一起加進來。

謝謝你讀完這整個系列。如果你是從第一篇一路看到這裡的——repo 在這裡,來官網首頁留個資料、跟我說聲嗨。我們線上見。