随着人工智能和数字化应用不断发展，芯片设计与开发对专业人才、工程验证和工具协作提出了更高要求。如何借助人工智能降低工程学习门槛、辅助处理复杂任务，正成为值得关注的技术探索方向。江苏OPC创业实践者甄文波正在推动LLMClips项目，探索AI辅助芯片工程实践的新路径。

据了解，LLMClips是一个面向半导体设计与开发领域的AI工程项目，致力于探索人工智能如何从信息处理和代码生成，进一步参与真实的专业工程任务。项目由江苏OPC创业实践者甄文波发起。作为一名长期关注人工智能应用、AI Agent与半导体工程结合的创业者，他希望研究AI如何在专业工具、工程约束和验证要求下发挥作用，让AI辅助工作不仅能够生成内容，也能够接受实际工程检验。

与单纯围绕概念开展技术展示不同，LLMClips选择从真实芯片工程案例出发，探索AI辅助设计、工程验证、问题分析和经验积累的可行路径。项目关注的不只是代码能否生成，还包括设计是否经过必要的检查、工程结果能否得到验证，以及相关过程是否具备可追溯性。

芯片设计并不只是编写一段程序。以数字芯片为例，工程人员通常需要通过硬件描述语言表达设计功能，再借助专业工具开展仿真、逻辑综合、时序分析和物理实现等工作。仿真用于检查设计在特定输入条件下的行为，逻辑综合将设计描述转换为更接近实际电路的逻辑实现，而时序分析则用于检查信号是否能够满足规定的时间要求。不同环节有不同的检查目标，完成其中一项并不意味着整个芯片设计已经完成。

LLMClips希望探索AI如何参与这些专业工程环节，在工程师的判断和专业工具的验证下辅助处理任务、分析问题并沉淀经验。项目已完成一项真实芯片工程案例的设计与验证工作，并积累了相应的工程记录。目前，项目正从工程能力验证迈向独立产品研发。

甄文波介绍，LLMClips的目标用户包括集成电路及相关专业的大学生、芯片企业的新人，以及芯片行业的资深工程师。对于高校学生，项目希望探索更贴近真实工程的学习与实践方式，帮助他们逐步理解从设计描述、仿真验证到后续工程实现的基本流程，建立理论知识与实际工程问题之间的联系。

对于芯片企业的新员工，项目关注AI在设计规范理解、工具使用、问题排查和工程经验学习等方面的辅助价值。对于资深工程师，项目则希望探索AI在重复性任务处理、工程经验整理、验证迭代支持等方面的应用空间，在保留专业人员判断与工程责任的前提下，提高部分工作的效率和可追溯性。

在甄文波看来，AI辅助芯片工程的关键，并不是让模型生成更多代码，而是让AI在明确的工程约束下参与实际任务，并通过专业工具和验证结果判断工作进展。AI生成的内容仍可能存在错误，不能替代专业验证，也不能仅凭代码生成或单项测试结果就认定芯片设计成功。

目前，LLMClips正围绕真实工程任务继续开展探索，并希望与高校、芯片企业、AI技术人才及相关产业伙伴开展务实交流。未来，项目将根据实际研发进展和产业需求，逐步探索适合学生实践、工程人才成长及企业工程辅助的应用方式。