在隔壁论坛看到关于软工转硬工的讨论难度，从事专业越硬越好？
软工转硬工极难且AI难以完全替代，核心壁垒在于物理世界交互与EMC等实测验证。
关键信息与行业现状
- 转行难度极大：硬件工程师并未供不应求，企业倾向于招聘应届生而非大龄转行者；即使科班出身，长期做软工后也难以回归硬件 #1 #2 #13 #33。
- AI替代性争议：部分观点认为EDA工具落后导致AI应用不足，模拟前端调参、数字后端布局等80%工作AI可胜任 #15；另一派强调仿真不等于现实，物理失配、EMC测试及实验室调试需人工经验，AI目前仅能辅助自动化脚本 #16 #20 #28。
- 抽象层级差异：软工工作高度抽象（如前端浏览器端到端验证），易被AI深度替代；硬工涉及物理世界操作（示波器、高低温测试），属于高阶自动化而非质变替代 #21 #34。
经验与数据点
- 技术门槛具体化：需掌握KCL/KVL、DCDC、电流镜等基础，以及EMI/EMC、Shielding、Noise处理；模电极难，数电对码农也非“有手就行” #11 #25 #26。
- 验证流程区别：仿真（Simulation）与设计阶段相关，验证（Validation/Verification）涉及实验室实测（如PVT corner、EMC认证），正规产品上市必须经过严格Validation，AI无法直接替代现场排障 #20 #24 #32。
- 薪资与职业选择：从事专业“硬”与否不直接决定高薪，市场需求才是关键；纯数学家或理论物理学家并非高薪代表 #22。
风险/限制/注意事项
- 合规与安全：涉及ATEX（防爆）和EMC认证的项目极其耗时，需与实验室反复沟通微小数据差异 #32；硬件操作存在触电、炸机等安全风险 #23 #29。
- 工具局限性：现有Cadence等工具的自动优化功能被指效率低下或资源消耗大，并非完美解决方案 #16 #24。
闲聊脉络
总之就是巨难，就算科班出身的人，如果转去软工做了很久都不一定能转回去了 那这是不是说明，在现在大背景下（ai取代软工）ai 很难取代硬工呢？因为很多东西不是text不是llm 的？从事专业越硬件越好？
硬件工程师又没有供不应求 凭什么招离开学校多年的大龄转行不招应届？
可以从事水管工、木工、水泥工，还不够硬的话可以学一下焊接
硬件不也是写VHDL/Verilog那些语言吗？AI不能做？
我当年本科报志愿人们就这么说 以至于我妈一直催我大一期中考完试赶紧转专业到微电子 幸亏我没听她的 数电模电我大二的时候都听天书
这只是很小一部分，当然从你这回答也知道硬件不好入门
我以前遗憾没选微电子，结果后来还是按头学了MEMS。
物理都没学几本 就从javascript 转 硬件？
打豆豆: 数电模电我大二的时候都听天书 模电确实难 数电对码农不是有手就行吗
不感兴趣吧 什么课我都开着电脑写我的图书管理系统 不亦乐乎 但有的课考前自己刷题就刷不明白了
搞笑 硬件这门槛是你们码农能转的了嘛？ KCL KVL这种要求都低了 先把DCDC和电流镜这种基础研究生课程的知识点 玩儿明白再说呗
要没有身份问题的话，想想怎么样不当 打工 人吧
只见过ee转cs的，没见过几个cs有本事转ee的
跟你说软转硬的，十个里有十一个都是自己工作好得很的人精，怕你抢饭碗呢
Lightlemon: ai 很难取代硬工 想多了，只是硬件这些EDA公司菜逼罢了 模拟前端调参优化、简单的模块设计，后端版图设计；数字前端verilog代码、验证，后端布局布线，这些领域至少80%的工作对于AI来说并不会比写软件代码更难。只是cadence和synopsis太菜，吹了那么多年AI design却一直做不出来合适的AI工具而已
amao: 模拟前端调参优化、简单的模块设计，后端版图设计；数字前端verilog代码、验证，后端布局布线，这些领域至少80%的工作对于AI来说并不会比写软件代码更难 一看就是没做过硬件的人在想当然。 且不说仿真不等于现实，精细模拟电路下，哪怕是同一个阻值，不同的tol都能让输出结果相差十万八千里。我们公司产品里的电流泵电路，是要精确卡死到每一个电阻的 tol 层级去磕的，AI 靠那点概率能算出来物理失配？ 还有 AI 怎么替代 Validation？ 硬件搞砸了流片出来就是一堆废铁，真到了板子在实验室里高低温、EMC测试不过，或者莫名其妙冒烟的时候，AI 能帮你去拿示波器点测信号线，靠经验盲猜是哪颗寄生电容或者工艺批次波动导致的？ 当然以后这些肯定都可以靠AI实现 如果没有明确val的需求的话，但是目前来说，还不够。
是的硬件工程师没蓝领硬
垄断行业是这样的嘛
sns你是: 一看就是没做过硬件的人在想当然。 十二年工作经验 sns你是: AI 靠那点概率能算出来物理失配？ 谁让AI算失配了，是让AI自动跑仿真啊。现在ADE assembler要是能嵌入一个AI，自动根据预设spec和仿真结果优化参数，效率能提高多少？ 如果是简单些的电路，比如DLL之类的完全可以设个spec交给AI自动完成。 sns你是: 还有 AI 怎么替代 Validation？ 所以让AI自动跑仿真校验啊，预设好一套spec，让AI自动跑extraction自动跑所有的PVT case，能省多少事。
amao: 十二年工作经验 我真的问哈 不是吵架 您12年经验里面硬件相关的占多少啊。 感觉您把仿真和val等于起来了。 仿真是设计阶段干的事情。 Validation是设计出来以后再实验室里干的事情 这两个能混为一谈嘛？ 退一万步说就算AI 的仿真100%正确 没有Validation报告 正规公司能把产品就这样上市了？还是这是大学实验室的标准操作？ 另外Cadence 早就能做到根据 Spec 自动扫描参数、多目标全局优化、自动跑 PVT corner 了 并不是近几年才有的
我最近想明白一件事是AI对其他职业可能威胁真的远不如对码农威胁大 因为其他职业很少有像码农这样一代一代地拼命把工作里处理的问题抽象成离物理世界越来越远的真空球型鸡 你看抽象最彻底开个浏览器就能端到端验证的前端几乎死透了 后端在虚拟化容器加成下也撑不了多久 系统编程需要考虑各种傻逼硬件bug会撑更久一些 到了硬件工程师要上手操作硬件那确实可替代性要差一大截 所以到这里一看就会发现，码农的AI焦虑实打实的点在于AI理论上真的能深度代替job function，到了硬件工程师这一层其实就只是一种新的高阶自动化过程，比以前的自动化更好，但是没有质变 更重要的是过去几十年几乎所有职业都在体验这些自动化过程，所以AI对这些职业来说可能不是一个质变的改变
从事专业越市场越需要越好 和难不难没啥关系, 硬不硬没啥关系 要不然现在的高薪职业应该是纯数学家, 理论物理学家
不怕被电死吗？
sns你是: 您12年经验里面硬件相关的占多少啊。 1年RF前端，2年DDR analog，9年serdes analog sns你是: Validation是设计出来以后再实验室里干的事情 这两个能混为一谈嘛？ 我说的验证是verification，谁说validation了 sns你是: 另外Cadence 早就能做到根据 Spec 自动扫描参数、多目标全局优化、自动跑 PVT corner 了 并不是近几年才有的 那玩意是智障，调个ring都调不好，只会跑个不听吃光硬盘被IT警告
数电模电？电路板，做实验， EMI? Shielding? Noise?
EMI可太令人头疼了 最近一个项目全部都卡在EMC测试
有一定道理，赞
amao: 我说的验证是verification，谁说validation了 还是那句话 只做仿真就出场是不行的 所有一切上手操作的东西目前AI都很难实现
比我天天炸3千瓦Module强
validation也能用AI提高效率，至少那些个远程驱动测试台的python脚本不用我自己写了
EMI fight is fighting ghost 我虽然不是EE，但是也深度参与过项目， 几个phd拿着sniffer probe到处找哪里可能有漏，跟占卜画面一样，
我们公司做火灾和放射性气体检测设备 IS ATEX 和 EMC 超级超级超级难过 部门领导只做管理 小领导不会认证体系相关 我现在天天和sgs实验室开会磨嘴皮子 就为了0.0几的数据
我知道的是，有些硬件组招的纯sde，也要求上过电路课，或者曾经在硬件公司有经验，只上过计算机课或者只在软件公司工作过，简历这一关就不行
是啊，就好比现在拉Claude code来开直升机， 得有相当的背景知识和物理世界理解
曾经有人开发的那些物理世界模型能用吗，至少比那些互联网爬虫搞来的语料模型要强