问小创
告诉我你的需求，我帮你从站内挑最合适的 AI 工具。
三星电子系统LSI部门近日将Anthropic旗下AI编码工具Claude Code引入半导体设计与验证流程，部分原耗时1个月以上的芯片测试项目压缩至2天，开发效率提升约15倍。在含64条复杂数据通路的定制SoC项目中，Claude Code 2天内完成虚拟测试环境搭建与全流程验证，目前该工具已从软件领域拓展至硬件研发场景。
据2026年8月公开的落地数据显示，三星是首个公开Claude Code在核心硬件验证环节落地效果的全球头部半导体厂商，其测试数据已经验证了AI工具在高精密研发场景的可用性。
在三星近期推进的一款定制SoC研发中，该芯片包含64条复杂交织的数据通路，且DRAM控制器标准文档、RTL代码尚未交付，研发团队仅向Claude Code输入SoC规格参数及EDA供应商公开数据，工具便自动插入虚拟占位符完成核心数据路径检查，在实际电路设计定稿前就排查出多处潜在设计缺陷，整个虚拟测试环境搭建加验证环节仅耗时2天，较原有30天以上的传统流程效率提升15倍。
另一组测试数据更能体现工具的易用性：一名没有Claude Code使用经验、入职仅两年的年轻工程师，仅用1天就完成了虚拟USB键盘、鼠标模型及对应Android驱动的开发，同类工作在传统研发流程下通常需要数周时间。
Claude Code是Anthropic今年5月正式推出的AI编码助手，最初仅面向软件开发者开放，主要用于提升通用代码的编写、调试效率，三星是首批尝试将其引入硬件研发场景的企业。
随着先进制程芯片的集成度不断提升，单颗芯片的晶体管数量已经突破千亿级，验证环节通常占据整体研发周期的30%到40%，单款芯片的验证用例规模甚至突破千万级，传统人工撰写用例、搭建仿真环境的模式已经出现明显的效率瓶颈。三星系统LSI部门每年要交付数十款面向消费电子、车载、工业领域的定制化芯片，验证环节的人力和时间投入长期居高不下，这也是其率先尝试引入AI编码工具的核心动因。
此前AI编码工具的落地场景大多集中在互联网软件开发领域，主要用于降低重复代码的编写成本，而芯片研发属于强规则、高精度要求的场景，一旦验证环节出现疏漏，可能导致数千万美元的流片损失，对AI工具的准确率要求远高于通用软件开发场景。
三星此次的落地结果，证明大模型经过针对性的场景优化、数据训练后，完全可以满足工业级场景的精度要求。业内预计，未来2到3年内，会有更多半导体厂商跟进将生成式AI工具引入设计、验证、测试全流程，大模型厂商也会推出更多适配工业研发场景的垂类产品，AI工具将成为硬核制造业提升研发效率的核心抓手。
本文基于公开信息分析整理，仅供参考。更多AI工具动态与行业解读，请持续关注本站更新。
滇公网安备 53252802528133号