身为一位年资10+年的韧体工程师，一旦东西出现问题，永远要假设硬件可能有状况
我想举几个我亲身的经验来分享一下:
担任笔电触控面板的韧体工程师:
这批送验的触控面板出现了问题，厂商很急，要我们在2天内找到问题，并提出解法
我的标准SOP:
拆笔电

fw（x) 在帮硬件troubleshooting 人挂量产端的fae客服?（o)

AI也是有可能取代你所谓的其他40%时间.. 只是暂时需要人去验证code结果

我觉得1,3 是迟早的事...

现在AI都会看影片了你怎么觉得进到通灵的距离很遥远我最近的经验是 问一个很没线索的问题AI就乱猜但是他答出五个可能性（反正数据库有就全吐出来）结果第一个真的就是我遇到的问题我就真的照他的改就解决了而且这是在于我完全不懂那个领域的底层的情况下走完的流程所以能不能通灵其实是来自经验够不够多（数据库够不够大）然后使用者给的线索能不能持续收敛（等于人类做交叉测试）当然完全乱猜一个都没中也是有机率的（不是每一次都中大奖)但人也是一样一个个猜然后用交叉测试去实验排除我的经验是 AI反问的问题反而比他第一次给的答案来得有用通常它反问的问题就是收敛的关键现在AI协助除错在网页领域已经很有潜力，很多新创都往这方

过去韧体比较少在soft_job讨论，非常感谢你的分享

是因为网页领域的专案通常是个透明度高且完全数据化的领域韧体硬件当然比较慢因为AI对于物理实体的领域还没有工具简而言之AI还没有工具让他可以对韧体硬件开发环境做控制有得话它就可以测。开发环境量产后 人睡觉 机器不用睡觉你论点是人会做服务 但这个是AI更会（效率更高）的地方AI是个不会生气情绪价值满满又全知的客服更能应付奥客云端Docker的概念可能在十年内会套到硬件工厂就是AI来根据需求 自动买料去组装出一个超小尺寸的"工厂"这个工厂(Docker)就可以自己做硬件的测试环境一个工厂看起来很慢但是如果AI可以一次性做出一千个工厂不用休息测试起来的效率就会比需要管理的人类来得高当然这些都是需要资源能源的。会出现不一定普及到全世界。

好想转去当韧体工程师喔，可惜年纪大没人收

硬件韧体肯定还是相对安全很久

一两年应该真的不可能 但十年我觉得会变化很大

我爱FW

韧体的赛就是要帮硬件擦屁股，所以我跳纯软了，相比之下纯软根本天堂这种软硬复合的问题要AI解很难啦，就算他视觉看得懂板子跟零件，啊跳线要有人焊讯号要有人勾，这种要动手的还是要由人来做

在软韧活的下来的真的都不简单，等ai的bubble被戳爆后，真的要认清人有不可取代性

做10年了连硬件跟ai写程式都能混一起谈 这个板素质也就这样了

什么难不难 这是问题吗？ 两年前有人能预见AI会变今天这样或许不是今年 不是明年 但可预见的未来 我觉得这都不是问题耶 至少你我是能活着看到这没问题 我是没那么乐观做好备案我觉得才是正途 谁晓得过几年又来一葛什么鬼AI

最可怕的是出货了 硬件真有点问题 用户还不少

上面不觉得如果AI连列的这些东西都能解决 那好像什么是已经可以完全取代人了吗 是在说啥不要说工程师 什么工作都得失业 这个人类已经没用了

GPS发明之前 寻路看地图是一个技能现代都市有这项技能（天份）的人确实是"没用"了

难说R 2015年你跟人家说 AI能写code耶 肯定被笑死 连基本话都说不好了....

寻路看地图还是有用的。前几天google要我敦化南路左转和平东路然后回转再转回敦化南路。有时google map就是各种奇怪导路方式。完全配合就准备逆向行驶吧。

我也是韧体工程师 你讲的东西其实没什么大不了的 (1)AI不会通灵 你也不会 那你是怎么做的 你也是朝着可能的方向一一检查 实际上出问题本来就是很多可能 本来就是要去检查并看结果 然后排除或深入下一步 AI不会通灵不是很正常吗嵌入式本来就需要回馈 相信现在的AI也能针对目前的问题列出可能的原因和各别解决的方法一步步做下去 这边AI和你有分别吗? 只不过差在准确度或经验 你说的(2)(3)(4)(5)不都是手动的操作?拿这个来讲跟水电工胜AI有什么不一样? 这几个都是手的技能目前机器人还不够强

等机器人+AI 普及化，就轮到你倒霉了。现在 AI 没手没脚，纯软只是比你早受到威胁

笑死 看不清楚 人有不可取代性 以前人最自豪的认为最不能取代的思考 现在都开始被屌打了 程式开始比不过AI数学解题大部分人也被屌打 现在只有拿一些要动手的来说嘴 而机器人也开始在萌芽了看看特斯拉的机器人拿纯粹动手的说嘴那你跟猴子有什么不同了? AI比人类等于人类比猴子?

james 有看懂我想讲的@oopFoo 但是有寻路技能的司机以前可以"自豪地靠开车赚钱"逐渐地 司机会开车这件事也会被无人车慢慢排挤会开车就变成一种自娱 而不是能谋生的"硬"道理英国出租车司机考试要多么熟当地路线这件事会变成故事

一堆人没去分解问题思考最根本性的东西 只是一整个

AI套进去的话你只有锁螺丝跟焊接的功用吧

工作经验就是AI最容易取代的，现在资深人员才这么苦

@oopFoo 辛苦了，但不用跟一帮教徒浪费时间。早说了，他们一旦无法在现状上反驳你，就开始对着一些他们其实也不是很懂原理和整合应用方法的东西发挥想像力，然后大谈你们以后一定会被打败，这简直像极了运动赛事输球的心碎球迷，听完你只要笑笑让他讲自己的就好，不用多争辩，毕竟世事因素多元且多变，事情会怎么发展很难说当下赢了就是赢了，别管他说他们是否有好棒棒球员，以及明年又是否会在好棒棒球员们的combo加持之下赢球。如果明星抱团+想像力=统治力，现在NBA不会这么难有王朝

现在就被打败了不需要未来 你学要学多久?写得比AI好? 你数学解题有赢过AI? 最自豪的都打败了未来也只是板上钉钉

AI是可以帮你列举出issue的可能原因，但排除跟测试只能靠自己的经验，资深FW踩过一堆痛点，很容易抓方向出来

看过有公司分享收集机台老师傅经验做成知识模型的应用

AI厨真的很好笑XDD 你吹得越凶越显得你废

其实就是不知者无畏 还认为别人是教徒 简单讲我是搞embedded的 我的程度大概胜过90%的工程师 一个人可以从底层到上层搞出一个完整的产品 说实话前几年的AI真的不行 根本不能拿来参考也不能用在工作上 正确率大概是70%左右 因为我强 我看得出现在AI的程度 已经跟我相差无几 知识量更是大胜 才会在这里正确地评价AI没有吹它的必要 弱者看不出AI的强度也没办法好好地用它 才会觉得AI没什么 搞不清楚

身为人却不掌握人的优势 整天吹AI 你是失业了吗整天诅咒别人失业搞出完整作品就有pr90? 摁好吧 你说得对XD

我就问，AI这么猛，Robotaxi 在逆行什么==

因为动 FW 成本最低而且万一真的能改的动 是立竿见影

人也太可怜...被ai搞到只能捡剩的？？这种低bug的确只能人做，不过不觉得可怜吗

之前也是fw 真的是每天帮忙擦屁股XD后来转去算法

上面已经有人提到之前说AI不可能写code 结果不到几年就成真的 有时候只是你被现在的流程限制想像

没原理图和layout都懒得开工，硬件默认不可靠

理论上AI分析过影像够多 然后模组化维修 这事可行只是不知道多久会实现而已 这也牵涉到成本

推分享～很实际的案例

推FW

十年前是讲AI不可能下赢围棋职业，现在讨论软件韧体

目前FW就还有一半需要手动的部分 其他写code 找问题解法AI都已经帮助很大了 而手工的部分很多并不是没有解法要全自动化也做得到只是成本问题 不是说原poFW这边讲的有问题 FW就半知识工半水电工本来就会比较晚被取代这边说的没错大家也都知道 我只是要吐草的是不谈人工操作的部分 凭什么你没通灵AI一开始就要通灵? 你没反馈它一些检测结果啊 一步一步做它最后能不能解决? 比你的思路差多少 这才是我要讲的简单来讲 FW目前不会被取代 就算有也只是知识跟写code的部分 而且这边经验上还差最有经验的工程师一些因为目前AI是语言模型而不是世界模型 它是只靠文字来理解世界

可以了解一下MCP是啥 目前用途主要还是做软件交互 未来一定也会向硬件推来解决AI没手没眼睛的问题 当然你要配合机械手臂 摄像头 整个成本又上来了软件被Ai冲击比较大原因就是有GitHub一堆资料可以训练韧体相对训练资源没那么多 AI没办法那么聪明

软件被Al冲击比较大的原因 更主要的是软件马上写可以马上run马上验证 然后回馈训练AIGithub的资料很大但非无限也非绝对正确 重点是软件上任何组合都可以马上run马上验证的 这才是更重点

比较好奇如果一个issue的发生原因是新的，人类肯定能透过通灵或没想过的地方碰碰运气找出解法，那ai是只能列过去发生的可能原因，还是他也能自己gen出答案？

能gen啊 你可以试试看 跟人脑一样吧 然后人类有什么东西是完全新的吗?大部分的东西不都跟其他的东西有关联?

不然叫ai给fault model 然后看给的好不好XD

人通常没有什么通灵的啦 又不是爱因斯坦想太多 大部分人不就是凭著"经验"或者trial and error一样一样试

我很好奇，现在的AI model 读的懂电路图了吗?

推推

读电路图对 AI 是幼稚园等级的难度...

不久前板上才有人说 AI 只能下围棋唬人 XD

早就能读了 我还叫它给出建议 结果发现一个简单的UART电路 硬件部门根本没做好 给出了很多改进地方 这是去年的事了

你上网搜一张电路图 丢进去 4o 解析不就知道了如果用 orcad Netlist file 输出 结果会更强更精准

我刚刚用 Gemini 试了 PCIe switch，还真的读的懂

你是对的,那些讲AI取代啥小的白痴笑笑就好

你这种不算软件仔吧 那种只会前端后端没碰过中低阶语言的framework仔就是AI取代的对象,只要会用AI的PM提需求就好工程端真正有价值的事是和硬件低阶的整合能力

推专业分析 但是AI可怕的是这篇分析文公开了 下次有人问AI 触控板某区域无作用 如何分析找出问题 AI就会提供这这篇文

如果把早就套用AI算法的搜寻引擎当成是你口中的AI，那的确带得出这篇文章没错，但如果是生成式就未必了。

推楼上

推推

看你写完，我就突然觉得 apple 触控板当初肯定花了很多功夫才会这么好用

这不是FW日常吗？有问题先丢帮debug

FW大多时候都在通灵

看看这个 https://github.com/codelion/openevolve