对资深 IC 设计师，最值得追寻的是三种能力：判断什么值得做、证明设计为什么可信、让自己的方法被更多人使用。

技术深度是基础，但长期价值还取决于两件更靠前的事——你能否影响更早的决策，以及能否把个人经验变成可复用的成果。

前置条件：困难本身不构成价值

一个方向值得投入，至少应当满足四条：

• 解决真实瓶颈；
• 能力能够跨项目积累；
• 结果可以验证；
• 付出的代价与你想要的生活相容。

下面九件事，是按先进节点 PD、STA、低功耗和定制电路这条经验线筛出来的优先级。事实性内容附来源，其余是职业判断——两者的边界很重要，因为已宣布的研发方向和已兑现的工程能力，是两回事。

1. 深入追问：签核通过，究竟证明了什么？

资深工程师很容易越来越熟悉流程，却越来越少质疑流程的前提。值得深入的，是模型、约束与实际工作条件之间的关系：

• Liberty、寄生参数、variation 模型，在哪些条件下才可信？
• SPICE 与 STA 不一致，来自波形、建模、提取，还是分析设置？
• 电压、温度、droop、老化和工作负载，哪些已经覆盖，哪些只是被假设覆盖？
• 硅后观测能够校准什么，又有哪些结论无法从有限样本中推出？

难点在于：你可能发现团队沿用多年的规则缺少证据，也可能推翻自己的经验。

值得追求的成果，是一套明确写出适用条件、误差来源和剩余风险的签核方法。 这比单纯把 margin 加大更有价值——过度保守和覆盖不足，同样都需要解释。

2. 把物理实现经验带到架构决策发生之前

值得跨越的一道边界，是参与决定流水线、数据通路、存储组织、供电策略和物理分区。

例如遇到长路径时，能够判断：继续优化 cell 和 placement 还剩多少空间？改变流水级、算术结构或数据搬运方式，是否更划算？

imec 的 STCO（system-technology co-optimization） 框架强调，系统需求应当反向影响技术选择，并把逻辑、存储和封装放进同一个优化过程。它支持这种跨层思考，但不意味着每个人都应该转做架构师。

对你而言，一个切实的起点是：选一类熟悉的数据通路，同时比较 RTL、综合映射和版图实现，提出一个能被实现结果验证的架构修改。 难处是进入陌生领域、接受别人质疑；回报是能在项目早期消除问题，而不只是在末期修复问题。

3. 把”我能解决”变成”这类问题可以稳定解决”

救火能力很有成就感，也容易让人被反复救火占满。

值得投入的工作包括：可复现的实验、结构化结果、版本追踪、自动回归，以及能区分根因的分析工具。例如，把一次 timing debug 沉淀成可以比较不同版本、定位路径变化来源的程序。

OpenROAD 的官方流程已经用结构化 QoR metrics、基准对照看板 和 Jenkins CI 来跟踪版本质量，这些方法可以作为实验工程化的参考。

检验标准很简单：你离开两周，其他人还能复现、使用并改进你的成果吗？ 难处不主要是写代码，而是处理边界条件、维护接口，以及让别人愿意采用。

4. 学会严肃地评估 AI 辅助设计

值得追寻的是建立一个可靠闭环：

定义任务 → 生成方案 → 执行工具 → 验证结果 → 记录失败 → 决定是否采用

2026 年 9 月 30 日，Synopsys 与 OpenAI 宣布签署多年协议，共同开发面向芯片设计的专用模型 GPT-Synopsys，OpenAI 将授权使用 Synopsys 的 EDA 工具来开发该模型，双方另有收入分成与共同市场推广安排。这是已宣布的研发方向，不能直接当作已兑现的工程能力。

我的判断是：资深工程师值得争取的角色，是任务定义者、评测设计者和结果审查者。

可以先选一个边界清楚的任务，比如 timing report 分类或 ECO 候选生成，同时比较人工、传统脚本和 AI 三条路径。指标要包含正确率、漏报、复核时间和总成本，不能只看输出速度。

难处是你必须允许实验得出”这个任务用普通脚本更好”的结论。

5. 学会判断：这项优化值多少钱？

PPA 改善需要放回产品约束里理解：

• 频率提高是否增加了有效吞吐？
• 功耗下降是否降低了系统成本？
• 面积减少是否真的改善了单颗合格芯片的成本？
• 新增一个电压工作点，是否值得额外的验证和维护负担？

以计算芯片为例，值得研究的是：在实际功耗、温度、良率和运行条件下，单位成本能交付多少有效计算。

难点在于，需要承认某些技术上漂亮的优化没有商业价值，也需要接触测试、封装、系统和产品团队的数据。做到这一步，你的建议才更容易参与资源分配。

6. 职业选择时，认真检查自己能否影响关键决策

薪酬、公司和 title 都重要，但还值得检查：

• 能否参与规格和架构讨论？
• 能否接触库、工艺、封装和硅后反馈？
• 技术责任是否配有相应的决策权、资源和时间？
• 项目完成后，会新增什么可迁移的能力？

对已经有较深实现经验的人，一个需要警惕的选择是：换了更高的职位，却继续承担相同性质的交付，只是规模和压力更大。

我会倾向于寻找能让你承担跨层技术决策的岗位。但技术专家和管理者都可以是正确路径：前者要求你喜欢深入问题，后者要求你愿意长期承担人的成长、冲突和组织取舍。管理不应只是逃离技术瓶颈的出口。

7. 建立公司之外可验证的专业信誉

值得长期投入的成果可以很小，但应当扎实：

• 一个真正有人使用的分析工具；
• 一篇有实验、反例和适用边界的技术文章；
• 一组别人能够复现的公开案例；
• 一个解决具体问题的开源贡献。

IC 专家参与模型训练这类工作，我会把它看作接触评测需求、检验知识表达的一种渠道；若始终只出售零散工时，它对个人积累的帮助可能有限。

更值得形成的，是一套有明确使用权、可以持续改进的工具或方法。公开成果可以使用开放设计和自建案例，其专业价值来自推理质量与可复现性。

8. 培养能够独立判断的后辈

教命令相对容易，教判断很难。

值得传授的是：为什么先查这个假设？什么证据会让你改变判断？这个 ECO 改善 setup 之后，可能损失什么？何时应该停止优化、接受现有结果？

最好的检验，是对方遇到你没有教过的问题时，也能够提出合理假设、设计实验，并发现你遗漏的条件。让团队不再依赖你的每一次介入，是扩大影响力的重要一步。 如果组织只奖励个人救火，那么你还需要让预防问题和培养他人的贡献变得可见。

9. 为长期判断力保留精力，也为自己保留选择权

长期过载会挤占深入思考、学习和关系经营的空间。困难在于：很多额外任务看起来都合理，拒绝其中一部分，短期可能失去曝光和认可。

值得练习的是明确投入边界：哪些工作必须亲自承担，哪些应当交接，哪些根本不值得继续。职业成功也需要与你愿意过的生活相容。

选择权的实际意义是：当工作已经无法提供成长时，你有条件改变它；当技术路线不可信时，你有余地提出异议。

如果只选三项：接下来一年的主线

主线	可检验的成果
深入一个真实技术瓶颈	完成一个低压时序、功耗或定制数据通路案例，写清模型、实验、收益和边界
建成一个可复用的方法	让一个分析或优化工具被同事持续采用，并记录它节省了什么
扩大决策范围	在一个项目中参与实现之前的取舍，并追踪该决策到最终结果

收束

对已有较深实现经验的人而言，最值得走的路是：把先进节点实现、签核和电路经验连成一条证据链，成为能解释”应该怎样设计、为什么值得、凭什么可信”的技术负责人。

这条路需要持续学习，也需要承担判断可能出错的责任；它能充分利用你已经积累的经验——这正是它比追一个新技术名词更划算的地方。

来源与事实边界

• Synopsys, OpenAI and Synopsys Announce GPT-Synopsys, 2026-09-30（公司新闻稿，属”已宣布”，非量产能力证明）
• imec, STCO: system-technology co-optimization（技术框架白皮书）
• OpenROAD-flow-scripts, QoR and CI Metrics / QoR Dashboard / Jenkins CI（开源流程的工程化实践，可复现）

其余内容为职业判断，不构成对具体公司或个人的评价。

— Youmoo（㕛木） Solid as teak.