用了大模型一段时间之后，很多芯片工程师都有一种奇怪的感受：感觉懂了很多，但又好像什么都没真正掌握。
知识整合得越快，理解往往越薄
大模型确实很厉害，你问它 AXI 协议的 outstanding transaction 怎么处理，它能给你一段流畅的解释，配上例子，还能帮你补充一些你没想到的边界情况。从信息传递的效率来看，这比翻文档快多了。
你获得的是别人消化过的结论，跳过了自己推导的过程。
一个工程师真正理解 CDC（跨时钟域）问题，往往是因为他自己在项目里踩过坑，仿真过波形，看着随机 fail 排查了好几天，最后才把同步器的原理和实际电路行为对应起来。这个过程很痛苦，但正是这个痛苦，让理解变得深刻。
大模型帮你绕过了这段痛苦，同时也帮你绕过了真正的认知形成。
认知和知识的区别
知识是可以复述的，认知是可以迁移的。
你能背出建立时间的定义，这是知识。你能在一个新的设计里，看到时钟树结构之后，直觉上判断某个路径可能有时序风险，这才是认知。
认知的形成依赖于大量的实践反馈，依赖于"我做错了，然后我理解了为什么错"这个循环。大模型的问题在于，它把反馈周期压缩到了接近零——你问，它答，你直接得到了正确答案，中间没有挣扎、没有试错、没有顿悟。
从短期效率来看这很好，但从认知发展的角度来看，这条路走下去，会越来越依赖工具，越来越难以独立判断。
如果未来几年的年轻工程师都是靠大模型学习成长的，他们会有很好的知识覆盖面，但很可能缺乏真正的工程判断力。遇到大模型没见过的边界情况，或者需要在不确定性下做设计决策的时候，就会出问题。
芯片行业里，知道自己不知道什么，是一种很重要的能力。大模型整合了太多知识，却很难帮助你建立这种对边界的感知。这是它目前最大的局限，也是我们在使用它时必须清醒意识到的地方。
知识获取的效率提高了，不代表认知水平跟着提高。这两件事之间，有一段只能靠自己走。
芯片工程师职业成长（第五期）
