VOLOVLORisco de automatização e transição, tarefa a tarefa
PerguntarProfissõesCursosEmpresasEmpreenderMudançasNotasMétodo
Procurar profissões, cursos…
PT
  • English
  • 简体中文
  • 日本語
  • Español
  • Português
  • Français
VLO
VOLO

Perceber como é que a automatização muda o trabalho, tarefa a tarefa, com a prova à vista e a incerteza assumida.

PerguntarProfissõesCursosEmpresasEmpreenderMudançasNotasMétodoA IA vai substituir o meu trabalho?Quem somosDiagnóstico de postosDados abertosOntologiaVOLO ProPrivacidadeCondições
© 2026 VOLO
Profissões
Todas as profissões
IA e software
Tradutor / IntérpreteCaixa de bancoCopywriterModerador de conteúdosAssistente de apoio ao clienteAssistente administrativoTestador de software / engenheiro de QAOperador de introdução de dadosDesigner gráficoParalegalEditor de vídeoContabilista / Guarda-livrosEspecialista de marketingProgramador frontendTécnico de impostos / consultor fiscalAtor de vozCodificador clínicoAnalista de dadosGestor de sinistrosRedator técnico / engenheiro de documentaçãoProgramador de software júniorSubscritor de segurosRecursos humanos / recrutamentoAnalista de crédito / gestor de riscoAnalista financeiroEspecialista de compras / cadeia de abastecimentoJornalistaComercial / gestor de contaAgente imobiliárioEngenheiro de redesIlustradorAgente / consultor de viagensTécnico de suporte informático / helpdeskAuditorPlaneador da cadeia de abastecimentoConsultor de gestãoFotógrafoProgramador backendInvestigador de IADesigner de produto / UXResponsável de sistemas de negócioEspecialista em operações de e-commerceAtuárioAnimador e artista de efeitos visuaisEscritor e autorRadiologistaEngenheiro de dadosGestor de projetoCientista de dadosEstenógrafo judicialEditor e revisor de textosAdvogadoAssistente médico / auxiliar de consultórioMedidor-orçamentistaCriador de conteúdoAnalista quantitativoEngenheiro de aprendizagem automáticaEngenheiro de software experienteEngenheiro de DevOps / plataforma / SREAnalista de negócioMúsico e compositorAnalista de informação geográfica / cartógrafoGestor de produtoNutricionista / dietistaFarmacêuticoResponsável de parcerias / de canalAnalista de segurança (SOC)Consultor financeiro / planeador financeiroIntérpretePatologistaEngenheiro de projeto de chipsResponsável de conformidadeBibliotecárioArquitetoChefe de primeira linha / chefe de equipaPsicoterapeuta / conselheiroVendedor / empregado de lojaEngenheiro civil / de estruturasEngenheiro eletrotécnicoEngenheiro industrialSegurança / vigilanteDesigner de interioresProfessor universitárioPsicólogoMotorista de autocarroAgente de segurosEngenheiro mecânicoDesigner de modaProfessor do ensino básico e secundárioMédico de família / de cuidados primáriosPiloto de linha aéreaInstrutor de conduçãoEmpregado de mesaTécnico de radiologiaMecânico / técnico de automóveisAgente de políciaEcografistaTécnico de manutenção de aeronavesHigienista oralControlador de tráfego aéreoMédico veterinárioFisioterapeuta / terapeuta de reabilitaçãoMédico dentistaCirurgiãoTrabalhador da construçãoAssistente socialJuiz / magistrado judicialEnfermeiroAuxiliar de ação direta / auxiliar de enfermagemCanalizadorResponsável de implementação de IA
RPA e autosserviço
Funcionário de atendimento ao públicoCoordenador de operaçõesMaquinista de metropolitanoRececionistaTécnico de farmácia
Robótica
Operador de caixa / empregado de lojaEstivador portuárioOperário de armazémOperário de linha de montagemTécnico de análises clínicasAtor e modeloSoldadorCozinheiro / chefPessoal de limpezaAgricultorBombeiroTécnico de AVACTripulante de cabineEletricista
Condução autónoma
Motorista de TVDE / táxiCamionistaEstafeta / entregador
Cursos
Todos os cursosEstudos ingleses / Línguas estrangeirasInformáticaContabilidadePsicologiaJornalismo / ComunicaçãoFinançasDireitoDesign de comunicação visualMarketingEnfermagemGestão de empresasEducação e formação de professoresArquiteturaAdministração públicaMedicinaGestão hoteleira e turismoEconomiaSistemas de informação
Guias
Perguntar à VOLOPara empresasPara quem empreendeMudanças recentesNotasDiagnóstico de postosPrimeira experiência com IAVOLO ProMétodo e provaQuem somosSeguir uma profissãoProcurar
Estás a ler como:Tenho um empregoEstou a estudarDirijo uma empresaEstou a construir alguma coisa
Nesta páginaO que está a acontecerDesdobramento por tarefasMudanças recentesPara siO que significa para tiO que pode fazerEm que nos baseamosEm que assentam
Profissões›Engenheiro de projeto de chips

Avisa-me quando chegar um registo verificado a esta profissão → · Marcar quais destas tarefas são suas (VOLO Pro, gratuito durante o lançamento) →

Engenheiro de projeto de chips

Projeta circuitos integrados: transforma uma arquitetura em código de descrição de hardware (RTL), verifica que o projeto faz o que a especificação diz, dispõe-no em silício para cumprir o consumo, o desempenho e a área, e projeta os blocos analógicos que ligam um chip ao mundo físico. A IA escreve agora pequenos troços de código de hardware, responde a perguntas dos engenheiros e escreve scripts para as ferramentas, e as ferramentas de otimização do espaço de projeto foram usadas em mais de 100 tape-outs comerciais, segundo o fornecedor. Mas, num teste de referência escrito por engenheiros de hardware experientes, os melhores modelos resolveram à primeira tentativa no máximo 34% dos problemas de geração de código, a verificação está entre as tarefas mais difíceis para os agentes de IA, e uma revisão independente concluiu que especialistas humanos superaram a colocação por aprendizagem por reforço da Google na maioria dos projetos grandes que testou. Os EUA projetam que o emprego de engenheiros de hardware informático cresça 9 por cento até 2035, sem mencionar a IA.

SemicondutoresAvaliado 2026-10-01
Tarefas a automatizar-se
0de 6
5 aumentadas pela máquina
Continuam a ser levadas por pessoas
1de 6
0 tarefas novas
Juízos com prova por trás
0de 6
10 registos verificados
Teste esta semana · a primeira de 3 direções

Pede a um assistente de IA que escreva um bloco que já construíste, corre o teu banco de testes sobre ele e anota o que falha.

Ver as 3 ↓
44/100
Índice de impacto da automatizaçãoConfiança baixa

Isto não é uma probabilidade de perder o emprego. Combina que parte da carga de tarefas do posto está exposta à automatização com até onde a adoção chegou de facto: serve para comparar profissões sobre uma base constante, e para mais nada.

Onde é que isto se aplica

Escrito para engenheiros que projetam circuitos integrados — projeto RTL, verificação de projeto, projeto físico e projeto analógico ou personalizado. Os engenheiros eletrotécnicos que trabalham em sistemas de energia, edifícios e placas têm a sua própria página, tal como os engenheiros de software. A evidência são testes de referência de modelos de IA em código de hardware, o artigo de uma empresa de chips sobre os seus modelos internos, um método publicado de disposição de chips e uma revisão independente desse método, dois estudos académicos de projeto analógico, uma projeção do mercado de trabalho dos EUA e o anúncio de um fornecedor de ferramentas de projeto; estabelece o que a IA consegue fazer em tarefas de projeto e onde fica aquém, não como mudaram os empregos ou os salários no projeto de chips.

Todos os juízos desta página são inferência da plataforma, não prova com fonte.

A base de prova tem registos verificados de outras profissões, mas desta ainda nenhum. Até ter, a análise em baixo é raciocínio sobre a estrutura de tarefas e sobre capacidade técnica conhecida; para este trabalho em concreto não é sustentada por fontes rastreáveis, e preferimos dizê-lo a citar coisas que não verificámos. Uma secção vazia aqui é uma lacuna da nossa cobertura, não um achado sobre o trabalho.

O que está a acontecer

O que está mesmo a mudar#

A unidade de análise é a tarefa, não o nome do posto. Um posto não é substituído: é a mistura de tarefas dele que se move.

A automatizar-seAumentada pela máquinaContinua a ser levada por uma pessoaTarefa novaRiscado: inferência nossa, ainda sem um registo verificado que a sustente

Cada quadrado é uma tarefa. O tamanho é o peso que tem no trabalho; a cor, para onde a tarefa está a ir. Clique num quadrado para ver o que esse juízo não estabelece.

Tarefa importante
Arquitetura e especificação
Continua a ser levada por uma pessoa≈ Inferência da plataforma
O que é que isto NÃO significa

A ausência de um registo não é evidência de que a IA não possa ajudar aqui, e a projeção abrange todos os engenheiros de hardware informático de um país, não os arquitetos de chips.

Ler esta tarefa por inteiro →
Tarefa central
Escrever RTL
Aumentada pela máquina≈ Inferência da plataforma
O que é que isto NÃO significa

Testes de referência com os modelos da sua época; verificam se o código funciona, não se cumpre o consumo, o desempenho e a área, e não medem o trabalho dos engenheiros.

Ler esta tarefa por inteiro →Faça desta tarefa a sua primeira experiência com IA no trabalho →
Tarefa central
Verificação e depuração
Aumentada pela máquina≈ Inferência da plataforma
O que é que isto NÃO significa

Um teste de referência e o relato de uma empresa sobre os seus modelos internos; o valor de 60% vem de estudos internos que o artigo não publica.

Ler esta tarefa por inteiro →Faça desta tarefa a sua primeira experiência com IA no trabalho →
Tarefa central
Planeamento da implantação, colocação e fecho de temporização
Aumentada pela máquina≈ Inferência da plataforma
O que é que isto NÃO significa

O número de adoção vem de um fornecedor de ferramentas sobre o seu próprio produto e o método de disposição é do seu criador; a revisão independente testa um punhado de projetos, e nenhum deles mede o tempo dos engenheiros.

Ler esta tarefa por inteiro →Faça desta tarefa a sua primeira experiência com IA no trabalho →
Tarefa importante
Projeto de circuitos analógicos e personalizados
Aumentada pela máquina≈ Inferência da plataforma
O que é que isto NÃO significa

Estudos académicos sobre circuitos padrão; não mostram uso no projeto analógico comercial.

Ler esta tarefa por inteiro →Faça desta tarefa a sua primeira experiência com IA no trabalho →
Tarefa secundária
Scripts de ferramentas e fluxos de projeto
Aumentada pela máquina≈ Inferência da plataforma
O que é que isto NÃO significa

A avaliação de uma empresa sobre os seus próprios modelos internos; não diz quanto do tempo dos engenheiros mudou.

Ler esta tarefa por inteiro →Faça desta tarefa a sua primeira experiência com IA no trabalho →

É este o teu trabalho? Di-lo e esta página estreita-se à tua parte dele.

O nome de um posto é um pacote de tarefas compradas em conjunto, e não há duas pessoas com o mesmo pacote. Não é enviado nada para lado nenhum: fica neste navegador.

Arquitetura e especificaçãoContinua a ser levada por uma pessoa≈ Inferência da plataformaEscrever RTLAumentada pela máquina≈ Inferência da plataformaVerificação e depuraçãoAumentada pela máquina≈ Inferência da plataformaPlaneamento da implantação, colocação e fecho de temporizaçãoAumentada pela máquina≈ Inferência da plataformaProjeto de circuitos analógicos e personalizadosAumentada pela máquina≈ Inferência da plataformaScripts de ferramentas e fluxos de projetoAumentada pela máquina≈ Inferência da plataforma

Ler as 6 tarefas na íntegra — direção, razão e limites →

Mudanças recentes#

2020202120222023202420252026hoje2020-01-06 · Capacidade técnicaUm sistema de aprendizagem por reforço da UC Berkeley projetou 40 amplificadores operacionais que passaram as verificações de disposição em 68 horas, 9,6 vezes mais depressa do que o método anterior2021-06-09 · Capacidade técnicaInvestigadores da Google relataram na Nature que o seu método de aprendizagem por reforço gera, em menos de seis horas, plantas de implantação de chips superiores ou comparáveis às produzidas por pessoas2023-02-07 · Capacidade técnicaOs clientes concluíram os primeiros 100 tape-outs comerciais com a sua ferramenta de otimização do espaço de projeto DSO.ai, disse a Synopsys, fornecedora de software de projeto de chips2023-08-10 · Capacidade técnicaNas 30 tarefas de projeto maiores do RTLLM, o GPT-4 produziu 15 projetos funcionalmente corretos, contando um projeto como correto se uma de cinco tentativas passasse no seu banco de testes2023-12-10 · Capacidade técnicaO GPT-4 resolveu à primeira tentativa 43,5% de 156 problemas de Verilog escritos por pessoas no VerilogEval, cujos autores dizem que se limita a código repetitivo para projetos pequenos2024-04-04 · Capacidade técnicaO ChipNeMo-70B da NVIDIA, adaptado ao domínio, superou o GPT-4 a responder a perguntas de engenheiros e a escrever scripts para ferramentas de projeto, e foi competitivo a resumir erros2024-05-23 · Capacidade técnicaUm agente de IA chamado AnalogCoder projetou 20 circuitos analógicos no seu teste de referência, mais cinco do que o GPT-4o; os autores dizem que os modelos ainda não conseguem projetar circuitos analógicos muito complexos2025-06-17 · Capacidade técnicaOs modelos mais avançados resolveram no máximo 34% dos problemas de geração de código num teste de referência escrito por engenheiros de hardware experientes, e as tarefas de verificação foram particularmente difíceis2026-03-10 · Capacidade técnicaEspecialistas humanos superaram a colocação de macros por aprendizagem por reforço da Google em 5 de 6 comparações em projetos grandes com muitas macros, concluiu uma revisão independente na UC San Diego2026-08-27 · PrevisãoO emprego de engenheiros de hardware informático vai crescer 9 por cento de 2025 a 2035, estimou o gabinete de estatísticas do trabalho dos EUA, sem mencionar a IA
Pode mover um juízoNão pode movê-lo (previsão, demonstração de capacidade…)
Previsão2026-08-27Verificado a 2026-09-30
O emprego de engenheiros de hardware informático vai crescer 9 por cento de 2025 a 2035, estimou o gabinete de estatísticas do trabalho dos EUA, sem mencionar a IA

Estados Unidos. O gabinete de estatísticas projeta que o emprego de engenheiros de hardware informático cresça 9 por cento de 2025 a 2035, de 76.100 para 83.000, muito acima da média de todas as profissões, com cerca de 4.100 vagas por ano. Não menciona a inteligência artificial. A categoria abrange todos os engenheiros de hardware informático, incluindo o hardware de placas e de sistemas, e não só quem projeta chips.

Uma pessoa com nome e com posição reconhecida previu algo publicamente, numa data, numa declaração atribuível. É registado para que fique verificável quem disse o quê e quando, e nunca move a avaliação de uma tarefa, porque uma previsão não é uma observação. O seu valor chega depois: o registo fica na mesma página que a prova sobre essa profissão, portanto quem lê a previsão lê ao lado o registo do que aconteceu a seguir. É essa a prestação de contas; este sítio não publica veredicto nenhum sobre se uma previsão se cumpriu.

U.S. Bureau of Labor Statistics — Occupational Outlook Handbook: Computer Hardware Engineers (Last modified date: August 27, 2026) ↗Ficha de impacto completa →
Capacidade técnica2026-03-10Verificado a 2026-09-30
Especialistas humanos superaram a colocação de macros por aprendizagem por reforço da Google em 5 de 6 comparações em projetos grandes com muitas macros, concluiu uma revisão independente na UC San Diego

Uma reavaliação académica da colocação de macros por aprendizagem por reforço da Google, com testes de referência públicos e uma ferramenta comercial de colocação e encaminhamento para medir o consumo, o desempenho e a área após o encaminhamento. Em projetos grandes com muitas macros, os especialistas humanos superaram o método em 5 de 6 comparações; uma base de comparação mais forte, por recozimento simulado, deu melhor comprimento de fios em 7 de 9 casos, enquanto o método deu melhor folga negativa total do que o recozimento simulado em 6 de 9 casos. Os autores dizem que as questões sobre a escalabilidade do método continuam em aberto. Um punhado de projetos; não mede o trabalho dos engenheiros.

Uma demonstração, um referencial ou um artigo mostram que a tarefa pode ser feita. Atualiza o que a tecnologia consegue fazer, não o que as empresas vão fazer.

Cheng, Kahng, Kundu, Wang, Wang (UC San Diego) — An Updated Assessment of Reinforcement Learning for Macro Placement, arXiv 2302.11014 (v3, 10 Mar 2026) ↗Ficha de impacto completa →
Capacidade técnica2025-06-17Verificado a 2026-09-30
Os modelos mais avançados resolveram no máximo 34% dos problemas de geração de código num teste de referência escrito por engenheiros de hardware experientes, e as tarefas de verificação foram particularmente difíceis

Um teste de referência de 783 problemas em 13 categorias de tarefas — geração de RTL, verificação, depuração, alinhamento com a especificação e perguntas técnicas — criado por engenheiros de hardware experientes, em formatos não agênticos e agênticos. Os modelos mais avançados alcançaram no máximo 34% de pass@1 na geração de código, e as tarefas agênticas, sobretudo as que envolvem a reutilização de RTL e a verificação, foram particularmente difíceis. Um conjunto de testes com modelos de 2025; o empregador dos autores projeta chips.

Uma demonstração, um referencial ou um artigo mostram que a tarefa pode ser feita. Atualiza o que a tecnologia consegue fazer, não o que as empresas vão fazer.

Pinckney et al. (NVIDIA) — Comprehensive Verilog Design Problems: A Next-Generation Benchmark Dataset for Evaluating Large Language Models and Agents on RTL Design and Verification, arXiv 2506.14074 (17 Jun 2025) ↗Ficha de impacto completa →
Capacidade técnica2024-05-23Verificado a 2026-09-30
Um agente de IA chamado AnalogCoder projetou 20 circuitos analógicos no seu teste de referência, mais cinco do que o GPT-4o; os autores dizem que os modelos ainda não conseguem projetar circuitos analógicos muito complexos

Um agente académico que projeta circuitos analógicos gerando código de circuitos, testado no teste de referência de tarefas de circuitos analógicos criado pelos próprios autores. O resumo diz que projetou com êxito 20 circuitos, mais cinco do que o GPT-4o padrão; a secção de limitações do artigo diz que os LLM carecem atualmente da capacidade de projetar circuitos analógicos muito complexos. Os autores estão a avaliar o seu próprio método, e o teste de referência não inclui uma otimização extensiva de parâmetros.

Uma demonstração, um referencial ou um artigo mostram que a tarefa pode ser feita. Atualiza o que a tecnologia consegue fazer, não o que as empresas vão fazer.

Lai et al. (HKU, UT Austin, CUHK) — AnalogCoder: Analog Circuit Design via Training-Free Code Generation, arXiv 2405.14918 (submitted 23 May 2024) ↗Ficha de impacto completa →
Capacidade técnica2024-04-04Verificado a 2026-09-30
O ChipNeMo-70B da NVIDIA, adaptado ao domínio, superou o GPT-4 a responder a perguntas de engenheiros e a escrever scripts para ferramentas de projeto, e foi competitivo a resumir erros

O artigo de uma empresa de chips sobre modelos de linguagem que adaptou aos seus próprios dados de projeto de chips, avaliados em três aplicações: um assistente conversacional de engenharia, a geração de scripts para ferramentas de projeto e o resumo e a análise de erros. O seu maior modelo superou o GPT-4 nas duas primeiras e foi competitivo na terceira. O artigo diz que estudos internos mostraram que até 60% do tempo de um projetista de chips típico é gasto em depuração ou em tarefas de listas de verificação; esses estudos não estão publicados. A empresa a avaliar os seus próprios modelos internos.

Uma demonstração, um referencial ou um artigo mostram que a tarefa pode ser feita. Atualiza o que a tecnologia consegue fazer, não o que as empresas vão fazer.

Liu et al. (NVIDIA) — ChipNeMo: Domain-Adapted LLMs for Chip Design, arXiv 2311.00176 (v5, 4 Apr 2024) ↗Ficha de impacto completa →
Capacidade técnica2023-12-10Verificado a 2026-09-30
O GPT-4 resolveu à primeira tentativa 43,5% de 156 problemas de Verilog escritos por pessoas no VerilogEval, cujos autores dizem que se limita a código repetitivo para projetos pequenos

Um teste de referência de 156 problemas do sítio didático de Verilog HDLBits, avaliados quanto à correção funcional por simulação face a uma solução de referência. Nos resultados corrigidos da v2, o GPT-4 resolveu 43,5% dos problemas escritos por pessoas à primeira tentativa e 58,9% em até dez tentativas. Os autores dizem que as suas avaliações se limitam à geração de código repetitivo para projetos de dimensão relativamente pequena. Modelos de 2023 em problemas didáticos; o empregador dos autores projeta chips.

Uma demonstração, um referencial ou um artigo mostram que a tarefa pode ser feita. Atualiza o que a tecnologia consegue fazer, não o que as empresas vão fazer.

Liu et al. (NVIDIA) — VerilogEval: Evaluating Large Language Models for Verilog Code Generation, arXiv 2309.07544 (v2, 10 Dec 2023) ↗Ficha de impacto completa →
Capacidade técnica2023-08-10Verificado a 2026-09-30
Nas 30 tarefas de projeto maiores do RTLLM, o GPT-4 produziu 15 projetos funcionalmente corretos, contando um projeto como correto se uma de cinco tentativas passasse no seu banco de testes

Um teste de referência académico de 30 projetos, criado porque os testes anteriores usavam projetos relativamente simples, pequenos e propostos pelos próprios autores. Avalia a sintaxe, a funcionalidade e a qualidade do projeto. O GPT-4 alcançou 81% de sintaxe correta e 15 de 30 funcionalidades corretas, contando um projeto como funcionalmente correto se qualquer uma de cinco tentativas passar no banco de testes. Modelos de 2023; não mede o uso em projetos de chips.

Uma demonstração, um referencial ou um artigo mostram que a tarefa pode ser feita. Atualiza o que a tecnologia consegue fazer, não o que as empresas vão fazer.

Lu, Liu, Zhang, Xie (HKUST) — RTLLM: An Open-Source Benchmark for Design RTL Generation with Large Language Model, arXiv 2308.05345 (v1, 10 Aug 2023) ↗Ficha de impacto completa →
Capacidade técnica2023-02-07Verificado a 2026-09-30
Os clientes concluíram os primeiros 100 tape-outs comerciais com a sua ferramenta de otimização do espaço de projeto DSO.ai, disse a Synopsys, fornecedora de software de projeto de chips

O anúncio do fornecedor de que os clientes registaram os primeiros 100 tape-outs comerciais com a sua ferramenta de IA de otimização do espaço de projeto. Cita a STMicroelectronics a relatar uma produtividade mais de 3x superior na exploração do consumo, do desempenho e da área, a SK hynix a dizer que a ferramenta dá aos seus engenheiros mais tempo para criar funcionalidades diferenciadoras e um executivo da Synopsys a referir maior produtividade com menos recursos de engenharia. O fornecedor a descrever o seu próprio produto; não dá números de pessoal.

Uma demonstração, um referencial ou um artigo mostram que a tarefa pode ser feita. Atualiza o que a tecnologia consegue fazer, não o que as empresas vão fazer.

Synopsys — press release: AI-designed Chips Reach Scale with First 100 Commercial Tape-outs Using Synopsys Technology (Feb. 7, 2023) ↗Ficha de impacto completa →
Capacidade técnica2021-06-09Verificado a 2026-09-30
Investigadores da Google relataram na Nature que o seu método de aprendizagem por reforço gera, em menos de seis horas, plantas de implantação de chips superiores ou comparáveis às produzidas por pessoas

Um artigo revisto por pares de investigadores da Google. Diz que o planeamento da implantação de chips tem resistido à automação, exigindo meses de esforço intenso de engenheiros de projeto físico, e que em menos de seis horas o seu método gera plantas de implantação superiores ou comparáveis às produzidas por pessoas em consumo, desempenho e área do chip; diz que o método foi usado para projetar a geração seguinte dos aceleradores de IA da Google. Uma nota do editor de 20 de setembro de 2023 disse que as suas afirmações de desempenho tinham sido postas em causa; foi retirada após revisão. Os resultados do próprio criador, contestados por investigadores independentes.

Uma demonstração, um referencial ou um artigo mostram que a tarefa pode ser feita. Atualiza o que a tecnologia consegue fazer, não o que as empresas vão fazer.

Mirhoseini, Goldie et al. (Google) — A graph placement methodology for fast chip design, Nature 594, 207–212 (published 09 June 2021) ↗Ficha de impacto completa →
Capacidade técnica2020-01-06Verificado a 2026-09-30
Um sistema de aprendizagem por reforço da UC Berkeley projetou 40 amplificadores operacionais que passaram as verificações de disposição em 68 horas, 9,6 vezes mais depressa do que o método anterior

Um estudo académico. Diz que os módulos analógicos e de sinal misto enfrentam um longo ciclo de iteração com uma pessoa no meio, que exige intuição especializada, e apresenta uma estrutura de aprendizagem por reforço que cumpriu todas as especificações-alvo em pelo menos 96,3% dos objetivos de projeto testados em simulação do esquema e que, com o Berkeley Analog Generator, projetou 40 amplificadores operacionais que passaram as verificações de disposição face ao esquema em 68 horas, 9,6 vezes mais depressa do que o estado da arte. Tipos de circuitos padrão num contexto de investigação.

Uma demonstração, um referencial ou um artigo mostram que a tarefa pode ser feita. Atualiza o que a tecnologia consegue fazer, não o que as empresas vão fazer.

Settaluri, Haj-Ali, Huang, Hakhamaneshi, Nikolic (UC Berkeley) — AutoCkt: Deep Reinforcement Learning of Analog Circuit Designs, arXiv 2001.01808 (6 Jan 2020) ↗Ficha de impacto completa →
O que significa para ti

O que isto significa para ti#

Se estás a começar

Se estás a começar, conta com que a IA escreva primeiras versões de pequenos blocos e de scripts de ferramentas, e desenvolve aquilo que lhe falta: ler uma especificação com atenção, verificar um projeto e avaliar os compromissos entre consumo, desempenho e área.

Se tens experiência

Conta com que as ferramentas de otimização assumam uma parte maior da pesquisa na colocação e no dimensionamento, e com que os assistentes assumam o código e os scripts de rotina. Decidir a arquitetura e aprovar um projeto continuam a ser contigo.

As tuas opções#

Quatro direções, cada uma com as suas restrições reais e com uma coisa que podes testar esta semana. Continuar como estás é uma opção legítima; só tem de ser uma opção escolhida.

Refazer o posto

Passa de escrever RTL à mão a especificá-lo e revê-lo

Os modelos escrevem código de hardware curto, mas falham a maior parte dos problemas mais difíceis, por isso o valor passa para uma especificação clara e uma revisão cuidadosa.

Restrições reais

Rever código gerado à procura de erros subtis de temporização ou de reset pode levar tanto tempo como escrevê-lo.

Testa isto esta semana

Pede a um assistente de IA que escreva um bloco que já construíste, corre o teu banco de testes sobre ele e anota o que falha.

Ficar e reforçar-te

Fica na verificação

A verificação está entre as tarefas mais difíceis para os agentes de IA, e a depuração ocupa uma grande parte do tempo dos projetistas.

Restrições reais

As funções de verificação exigem um conhecimento profundo dos métodos de bancos de testes e da cobertura.

Testa isto esta semana

Dá a um assistente de IA o registo de uma simulação falhada que já depuraste e verifica se encontra a causa.

Movimento lateral

Passa para a automação do projeto e as ferramentas de IA para projeto de chips

As empresas de chips e os fornecedores de ferramentas estão a integrar a IA nos fluxos de projeto, e esse trabalho depende de saber o que um projeto correto exige.

Restrições reais

Exige competências de software e de aprendizagem automática além do projeto de hardware.

Testa isto esta semana

Passa um problema de um teste de referência aberto de código de hardware por um modelo de IA e lê por que razão a resposta passa ou falha.

Perguntas frequentes#

A IA vai substituir os engenheiros de projeto de chips?

Não, com a evidência atual. A IA escreve código de hardware curto e scripts de ferramentas, e as ferramentas de otimização ajudam na colocação, mas os melhores modelos resolveram no máximo 34% dos problemas de geração de código num teste de referência escrito por engenheiros experientes, a verificação está entre as tarefas mais difíceis para os agentes de IA, e numa revisão independente os especialistas humanos superaram o método de disposição da Google na maioria dos projetos grandes. Os EUA projetam que o emprego de engenheiros de hardware cresça 9 por cento de 2025 a 2035.

Quanto tempo tenho até esta profissão desaparecer?

Não respondemos a isso com um número de anos. Observa se a tua equipa começa a partir de RTL gerado em vez de um ficheiro em branco, e quanto do teu tempo passa de escrever para rever e verificar. Isso diz-te mais do que qualquer data.

A IA consegue escrever Verilog?

Para problemas curtos, muitas vezes. O GPT-4 resolveu à primeira tentativa 43,5% de 156 problemas de tipo manual escolar, e modelos mais recentes ainda resolveram no máximo 34% dos problemas mais difíceis escritos por engenheiros de hardware experientes. Os testes de referência verificam se o código funciona, não se cumpre o consumo, o desempenho e a área.

A IA já faz a disposição dos chips?

Ajuda. A Google diz que o seu método dispôs partes dos seus próprios chips e a Synopsys diz que a sua ferramenta foi usada em mais de 100 tape-outs comerciais, mas uma revisão independente concluiu que os especialistas humanos ficaram à frente na maioria dos projetos grandes que testou, e os engenheiros continuam a definir as restrições e a fechar a temporização.

Em que nos baseamos

Em que assentam estes juízos#

Dos 6 juízos de tarefa desta página, 0 apoiam-se num evento verificado e 6 são inferência da plataforma, cada um etiquetado onde aparece. Por detrás há 1 dimensões tecnológicas, uma trajectória reconstruída desde que os modelos de linguagem chegaram ao público e 10 eventos verificados.

Ver que tecnologias, como chegou aqui e o método →

Onde se situa na classificação oficial: competências, conhecimentos e profissões afins →

Outros cargos na mesma função#

Uma empresa divide o seu trabalho em funções antes de o dividir em cargos. Estes estão em Entrega central (específica do setor) ao lado deste — um facto sobre organigramas, não um juízo de que sejam parecidos ou de que estejam a mudar na mesma direcção.

Moderador de conteúdos · Enfermeiro · Radiologista · Patologista · Técnico de radiologia · Médico de família / de cuidados primários · Cirurgião · Auxiliar de ação direta / auxiliar de enfermagem · Psicoterapeuta / conselheiro · Psicólogo · Nutricionista / dietista · Farmacêutico · Técnico de farmácia · Professor do ensino básico e secundário · Instrutor de condução · Professor universitário · Cozinheiro / chef · Eletricista · Canalizador · Técnico de AVAC · Arquiteto · Designer de interiores · Engenheiro civil / de estruturas · Analista de informação geográfica / cartógrafo · Engenheiro eletrotécnico · Engenheiro mecânico · Engenheiro industrial · Medidor-orçamentista · Jornalista · Editor e revisor de textos · Tradutor / Intérprete · Intérprete · Operador de caixa / empregado de loja · Caixa de banco · Assistente médico / auxiliar de consultório · Empregado de mesa · Trabalhador da construção · Mecânico / técnico de automóveis · Técnico de análises clínicas · Fisioterapeuta / terapeuta de reabilitação · Bombeiro · Agente de polícia · Agricultor · Assistente social · Médico dentista · Higienista oral · Médico veterinário · Bibliotecário · Soldador · Ecografista