Jeff Dean 放话：AI 能把芯片设计团队从 150 人砍到 10 人，两年工期压到三个月

造 AI 芯片的人开始用 AI 造芯片了——说这话的不是 PPT 公司，是把强化学习排版图跑进 Google TPU 的那个人。

三个关键信息

Jeff Dean——前 Google AI 掌门、2020 年那篇「AI 六小时排出人类专家级芯片版图」Nature 论文的作者、如今 AI 创业公司 Discovery Loop 的创始人——本周公开放话：靠自动化和强化学习，芯片设计团队可以从 150 个工程师缩到 10 个，开发周期从两年压到约三个月。

他的技术依据不是空想：当年在 Google，团队把芯片布局建模成强化学习问题，AI 生成的版图质量追平甚至超过资深工程师，并且真的部署进了 TPU。 那篇论文后来陷入基准数据的学术争议，但 Dean 的判断没变：传统芯片设计的瓶颈是团队之间的手工交接，每个交接都是排队等待；换成 AI 自动搜索回路，交接消失，迭代就能按天算。

商业逻辑跟着变：芯片从「多年一次的豪赌」变成「按需快速定制」。 Dean 认为，硬件团队未来的打法是盯着即时市场需求快速出定制芯片，而不是提前两年押注一款产品——长期硬件风险被迭代速度直接消掉。

王斗视角

先给这盆热水降降温：150 人到 10 人、两年到三个月，这是 15 倍和 8 倍的压缩比——上一个喊出类似数字的是「AI 写代码」，三年过去，程序员岗位没少，只是每人手边多了个副驾。芯片设计比写代码难验证得多：代码错了重跑就行，流片错了是几千万美元和六个月起步。所以更现实的读法不是「裁掉 140 人」，是「10 个人 + AI 回路干掉排队和交接」——那些让两年工期里真正画版图只占几个月的流程脂肪。

真正值得盯着的是 Dean 的身份：他不是卖课的，是把这套方法真跑进 TPU 的人，那篇论文的争议他扛了六年没改口。有前科的人再放话，要么真见过未来，要么执念太深——但「自动化搜索替代手工交接」这方向，跟本周阿里 V900 的 50 万卡集群是同一股风：芯片越来越贵、越来越专用，人肉设计流程必然先被自己造的工具革命。

对普通人的启示反而简单：Dean 压缩的不是「工程师」岗位，是「只会执行不会定义问题」的那部分工作。AI 排版图排得再快，「该排什么芯片」这判断还是人下的。工具越强，提问的人越贵——这是每轮自动化都验证过的老规律，芯片业只是最新一集。

来源：Wccftech · Android Headlines · EdgeX