AI 的應用範圍正從程式撰寫與內容生成，延伸至晶片設計。Anthropic 近期公開的徵才資訊顯示，該公司正尋找能研究「如何教 AI 設計晶片」的研究工程師，年薪最高可達 85 萬美元，反而高於負責開發公司首款 ASIC 的晶片工程師。
這項職缺反映 Anthropic 不僅著眼於打造客製化晶片，也開始投入讓 AI 模型學習晶片設計流程的研究。若相關技術逐步成熟，AI 可能在設計、驗證與最佳化等環節承擔更多工作。
研究工程師年薪上限高於晶片工程師
根據 Anthropic 公開職缺資訊，負責研究 AI 參與晶片設計的研究工程師，年薪約為 50 萬至 85 萬美元，折合約新台幣 1,500 萬至 2,550 萬元。
相較之下，負責公司首款 ASIC 開發的晶片工程師，年薪約為 32 萬至 48.5 萬美元，折合約新台幣 960 萬至 1,455 萬元。兩類職務的最高薪資相差 36.5 萬美元。
| 職務 | 年薪範圍 | 約合新台幣 |
|---|---|---|
| AI 晶片設計研究工程師 | 50 萬至 85 萬美元 | 約 1,500 萬至 2,550 萬元 |
| ASIC 晶片工程師 | 32 萬至 48.5 萬美元 | 約 960 萬至 1,455 萬元 |
兩項職務所要求的專業背景高度重疊，均涉及完整的 ASIC 與 FPGA 開發流程，包括從 RTL 到 Tape-out、UVM、形式驗證、實體設計，以及 PPA、DFT 和 EDA 工具等能力。
工作重點從設計晶片轉向訓練 AI
兩者的主要差異在於工作目標。ASIC 晶片工程師的核心任務，是實際參與晶片開發與製造流程；研究工程師則需要進一步探索，如何讓 AI 模型掌握晶片設計所需的知識、工具與工作方法。
換言之，Anthropic 尋找的並不只是具備晶片設計經驗的人才，而是能將這套專業能力轉化為 AI 可學習、可執行流程的研究工程師。這也可能涉及如何建立訓練資料、設計評估方法，以及讓 AI 配合現有 EDA 工具完成設計與驗證。
Anthropic 持續布局客製化晶片
Anthropic 投入自研晶片的跡象，早在今年 5 月便已出現。該公司談及與三星持續發展的合作關係時，曾提到「邏輯晶片」，引發外界對雙方可能合作開發 ASIC 的猜測。
約兩個月後，Anthropic 向《Business Insider》證實，公司正在籌組內部晶片設計團隊，並表示將持續採取「多晶片策略」。這項說法進一步確認 Anthropic 正投入客製化晶片計畫，但來源內容未提供該計畫的具體產品規格、製程或量產時程。
AI 自動化晶片設計成為業界探索方向
利用 AI 加速甚至自動化晶片設計，近來逐漸成為產業探索的方向。近期 Moonshot 的 Kimi K3 模型被指能在 48 小時內自主完成一款晶片設計。
據相關說法，該設計使用開源 EDA 工具及自行建立的 GPU 編譯器，面積約 4.0 mm²，採用 Nangate 45nm 標準元件庫，並在模擬環境中達到每秒超過 8,700 tokens 的解碼吞吐量。不過，這些結果屬於模擬環境中的表現，來源內容未提供實際投片、製造或量產驗證資訊。
人才競爭可能延伸至 AI 與半導體交叉領域
Anthropic 為 AI 晶片設計研究職務提供較高薪資上限，顯示 AI 產業的人才競爭可能正出現新的方向。大型 AI 業者投入自研晶片後，競爭焦點不再只是延攬傳統晶片設計人才，也包括如何運用 AI 改造晶片開發流程。
若 AI 未來能逐步承擔部分設計、驗證與最佳化工作，半導體工程師的工作內容與分工可能隨之調整。不過，AI 在實際晶片開發中的可靠性、驗證責任、設計品質，以及從模擬結果走向實體製造的能力，仍有待進一步確認。
