背景与挑战
作为国内知名的集成电路设计与信息安全企业,国内知名芯片企业的研发团队横跨芯片设计、验证、嵌入式软件,协作链路长、文档海量。芯片企业落地 AI 天然有三个难点:
研发协作链路长
芯片设计、验证、嵌入式软件多团队协作,EDA 工具与文档海量,跨团队知识查找与对齐耗时。
代码生成审查靠人工
芯片相关代码与验证代码量大,生成与审查高度依赖资深工程师,新人上手慢、review 周期长。
技术文档检索难
datasheet、规范、内部 Wiki 繁杂且分散,研发查一个寄存器定义常常要翻多个文档,效率低下。
管理层最终确认的方向是:不做零散的 Copilot 采购,而是引入一站式伙伴,把研发辅助、文档检索、用量治理作为整体来建设,形成可持续的研发提效体系。
解决方案:研发 · 文档双智能体
信朴科技以「建·用·学·管」闭环切入,针对芯片研发的三大压力逐一破局:
研发辅助 Agent · 让代码跑起来
FDE 现场共创,构建代码生成与审查辅助 Agent,对接研发规范与历史代码,辅助生成验证用例与代码 review,资深工程师聚焦核心设计。
文档问答 Agent · 让检索秒级
接入 datasheet、规范、内部 Wiki,构建技术文档问答 Agent,自然语言问寄存器、问时序、问规范,文档检索提速 60%。
WorkBuddy 培训 · 让团队会用
线上 Prompt 工程 + 线下七大模块训练营,分角色设计课程:管理者看战略、骨干学场景、研发练工具,配套诊断式定制方案。
Token 供应 + 用量治理
统一 GPT、Gemini 等模型供应渠道,用量约官网 45 折;建立研发级用量看板与预算治理,成本可视、可审计、可优化。
实施路径:四阶段交付
场景定义与诊断
深入芯片设计、验证、嵌入式软件团队访谈,梳理 14 个候选场景,按「价值 × 可行性」筛选出代码辅助、文档问答两个首批场景。
知识流程与数据接入
接入 datasheet、规范库与代码仓库,梳理研发规范与历史代码,构建企业知识库底座,明确数据安全与权限边界。
原型开发与培训并行
FDE 团队驻场开发两个 Agent 原型;同期启动 WorkBuddy 分角色培训,首批骨干完成认证,研发团队开始日常使用。
测试试点与推广交接
在真实研发环境小范围试点,每周迭代;Token 统一供应与用量治理同步上线,成本立即下降;知识资产全量交接。
持续陪跑与新场景
试点验证后全面推广,2 个研发 Agent 进入生产环境;研发团队开始主动提出验证自动化等新场景需求。
落地成果
项目交付后一个季度,各项指标持续向好:研发效率提升 40%,代码生成与审查辅助让 review 周期明显缩短;文档检索提速 60%,datasheet 与规范问答秒级响应;首批 2 个研发 Agent 进入生产环境,模型用量成本稳定在官网约 45 折。
更重要的是组织能力的变化——研发团队开始主动提出验证自动化、设计辅助等新的 AI 场景需求,AI 从单点工具变成了研发流程的有机部分。
芯片研发最怕重复劳动。信朴科技帮我们把代码 review 和文档检索这两件最耗时间的事自动化了,资深工程师终于能专注在真正难的设计上。
