AI会取代电子工程师吗？工程师用一年时间给出了答案

过去一年，我把AI深度嵌入到日常的嵌入式开发工作中——从STM32驱动代码生成、硬件调试日志分析，到文档整理和方案设计。走了不少弯路，也沉淀出一些真正能提效的经验。

今天就来个全景式复盘，希望能给大家一些启发，也欢迎各位一起探讨！

AI搞电子，能打几分？

先说大实话。整体评分的话，我给AI在电子开发中的表现打B+——部分场景惊艳，但坑也不少。

我去年看了一篇EDN上的文章，作者用免费AI（主要是Copilot和ChatGPT）测试了多个电子设计任务，给出的评分非常真实：

任务

评分

真实反馈

电压转电量百分比（锂聚合物电池）

A

完美生成含线性插值的C函数

不排序求5个数的中位数

D

代码漂亮但计算结果错误

SAMD51 ADC初始化

C+

寄存器名错误、注释误导，来回折腾

图形绘制（电池图标）

C+

形状不像电池，得自己重写

图形绘制（USB图标）

F

完全不像，三条线拼凑，不能用

外壳3D设计

D-

只会生成矩形盒子，导不出可用格式

滤波器电路

C-

原理图几乎无法辨认

我的核心感悟：AI在“确定性任务”上很靠谱（比如查表插值、转换公式），但在“需要具体硬件上下文”的任务上容易翻车（比如ADC初始化、USB图标）。

嵌入式AI开发工具怎么选？

过去一年，我把市面上的主流AI编程工具都试了一遍。这里分享一个真实的选型对比：

工具

核心优势

适用场景

我的使用评价

Cursor

自然语言编程、多文件协同

快速原型开发

主力工具，Composer功能很香

GitHub Copilot

响应快、补全准确

日常补全、写单元测试

胜在稳定，不打断思路

腾讯CodeBuddy

企业级、全形态协同

工业IoT、多团队协作

适合大型项目，支持NPU优化

DeepSeek

免费、代码理解强

代码生成+调试辅助

最近在用，性价比很高

我的组合策略：Cursor写主体逻辑 + Copilot日常补全 + DeepSeek/Claude做复杂推理和调试。

嵌入式开发的“AI困境”

为什么AI在Web开发顺手，在嵌入式就不灵？
这个问题我琢磨了很久。知乎上有个分析很透彻，说AI之所以在嵌入式领域不如Web开发好用，核心原因有几点：

1. 硬件依赖性强：AI生成的代码看起来漂亮，但寄存器名、时钟配置可能全是错的

2. 调试工具链割裂：AI没法直接读J-Link日志、没法操作逻辑分析仪

3. 实时性要求高：AI生成的代码经常忽略临界区保护、Cache一致性这些嵌入式特有的细节

举个例子，我让DeepSeek分析一段HardFault_Handler的J-Link日志：

text

HardFault_Handler triggered, LR=0xFFFFFFFD, MSCR=0x40000

它直接解析出：总线访问越界 → 野指针/数组越界/堆栈溢出 → 建议排查。这个能力确实厉害，但它没法直接帮我定位到具体是哪一行代码出了问题。

实战案例

STM32 I2C驱动生成 + 调试 场景：

需要为STM32F4写一个硬件I2C驱动，配置时钟为100kHz，用标准外设库。

AI协助过程：

Step 1：代码生成
输入提示词：

生成STM32F4硬件I2C驱动代码，使用标准外设库，时钟配置为100kHz，地址为0xA0。

DeepSeek直接生成了完整的初始化代码，包含时钟使能、GPIO配置、I2C参数设置：

void I2C1_Init(void){ GPIO_InitTypeDef GPIO_InitStruct; I2C_InitTypeDef I2C_InitStruct; // 时钟使能 RCC_APB1PeriphClockCmd(RCC_APB1Periph_I2C1, ENABLE); RCC_AHB1PeriphClockCmd(RCC_AHB1Periph_GPIOB, ENABLE); // GPIO配置... // I2C配置... }

Step 2：代码审查
生成之后，我做了三件事：

1. 核对寄存器名是否符合STM32F4标准库

2. 确认GPIO复用映射正确（PB6→SCL，PB7→SDA）

3. 补充错误处理逻辑

Step 3：调试辅助
调试时遇到I2C通信异常，我把逻辑分析仪抓到的波形截图和代码一起发给AI，它很快识别出：时钟配置和实际输出不一致，建议检查RCC_PCLK1频率是否正确。

经验总结：

• AI生成的骨架代码能节省70%的初始工作量

• 但必须人工审核硬件相关的配置细节

• 调试时“截图+代码”一起喂给AI，效果比纯文字描述好太多

PCB设计领域的最新趋势

虽然我主做嵌入式软件，但也在关注AI在PCB设计领域的最新进展：

• 西门子Fuse EDA AI Agent：端到端的自动化设计，覆盖从RTL编码到物理验证的全流程

• AI驱动的PCB布局布线：有工具能把原本一个季度的设计周期压缩到一周

• 生成式DRC：基于百万级成功制造案例训练的ML模型，替代传统规则检查不过我目前还没在实际项目中大规模用AI搞PCB——主要还是担心AI在模拟电路、信号完整性这些“模糊地带”的表现不够可靠。

给电子开发者的AI使用建议

适合AI干的：

• 查表函数、数据转换、算法实现

• 生成外设驱动代码的骨架

• 写单元测试用例

• 分析调试日志、定位错误类型

• 整理技术文档、生成注释

不适合AI干的：

• 复杂的模拟/混合信号电路设计（专用工具如TI Webench更靠谱）

• 需要精确时序的实时系统代码

• 生成可直接3D打印的机械外壳（AI只会画盒子）

• 完全自动化的PCB布局布线（仍需人工验证）

用好AI的三个关键技巧：

1. 明确硬件上下文：提示词里指定MCU型号、库版本、时钟频率

2. 分段验证：不要让AI一次性生成几百行代码，分段生成、分段测试

3. 保留最终审核权：AI生成的代码必须经过人工审查才能烧录

最后想说

AI不会取代电子工程师，但会用AI的工程师一定会取代不会用的。过去这一年，AI帮我省下的时间足够我再做两三个项目。虽然它还是会犯低级错误，但把这个“智能助手”用好了，效率提升是肉眼可见的。希望我的分享能给大家一些启发。欢迎在点击阅读原文或在评论区聊聊你用的AI工具和踩过的坑！

请将我们设为“星标”，这样就会第一时间收到推送消息。

欢迎关注EEWorld旗下订阅号：“机器人开发圈”