原帖 ｜ Jack ｜ 2026-03-14 23:28 ｜ 👍1 ｜ 阅读约1
AI 编程时代，嵌入式到底该学什么？
这两年，尤其是这半年（2025年9月至今），AI 编程越来越普遍。
无论是写驱动、查手册，还是生成一段基础业务代码，AI 的参与度和准确度都在快速提高。
这也让我们立芯嵌入式重新思考一个问题：
AI 时代，嵌入式到底该怎么学？---“PS：半年后立芯教的东西会不会都已经在AI加持下没有意义了”
在我们看来，“会不会写某个外设”“了不了解某个框架接口”，这些传统的教学半年内在AI用的顺手的人面前根本不需要了：
查手册、抄寄存器、写初始化模板，AI 很擅长
根据已有驱动框架补胶水代码，AI 也越来越擅长
把一个外设从 0 写到能跑，以后会越来越像体力活，而不是区分度很高的能力
我们也相信半年内，会AI Agent编程（编写Skills,协助搭建和维护公司内部或外部MCP Server,AI协助下的CICD）一定会写在大部分公司的招聘JD里面。
接下来你真正要学的一方面是学习这些工具的使用，另一块是能不能站在更高一层去理解整个系统：
这个模块边界该怎么切
驱动和业务到底怎么解耦
资源冲突谁负责仲裁
中断、任务、缓存、DMA、状态机怎么协作
错误该在哪一层拦截
接口该暴露到什么程度
一个系统将来怎么扩展、怎么移植、怎么测试、怎么回归
功耗、实时性、可靠性、安全性之间怎么取舍
这些能力，才是AI时代嵌入式工程师真正的核心竞争力。
所以，我们正在打造一套新的嵌入式教学体系：
从 MCU → Linux → 架构 → AI 编程协作，把原本割裂的知识点重新串起来。
在 MCU 阶段，我们不再只停留在“点灯、串口、I2C、SPI”这些表层技能，而是会大量引入：
面向对象思想
设计模式
分层架构
模块边界设计
平台化抽象
因为我们认为，MCU 不只是一个入门阶段，它其实是最适合训练架构思维的起点。
系统小、依赖少、链路清楚，反而更容易把“抽象、分层、解耦、复用”这些核心思想讲透。
有了 MCU 平台化的基础，再去学习 Linux，就不会再陷入死记硬背驱动框架和适配接口的低效路径。
学生看到的将不再只是零散 API，而是背后的结构逻辑：
为什么 Linux 要有设备、驱动、总线模型
为什么不同硬件平台可以通过统一方式接入
为什么 ops 本质上是在做策略切换
为什么 Device Tree 能把硬件描述和驱动实现分开
这样一来，Linux 驱动不再是一堆难记的框架，而会变成一套顺理成章的工程体系。
更重要的是，AI 的出现并没有降低架构能力的重要性，反而让它变得更重要了。
AI 时代，程序员的价值中心，正在从“编码执行”转向“架构判断”
说白了，以后区分一个人水平高不高，不是看他会不会背 HAL_UART_Transmit，也不是看他能不能默写 probe/remove/file_operations。
而是看他能不能：
把问题抽象清楚
把系统拆对
把边界定清楚
把变化点找出来
把稳定层和易变层分开
让 AI 生成的代码能落到一个可维护、可验证、可演进的骨架里。
而是能够理解系统、设计边界、搭建平台、并且学会与 AI 高效协作的新一代嵌入式工程师。
未来，真正拉开差距的，不是谁会背更多接口，
而是谁更懂系统。
相关笔记
- 📁 返回本主题 MOC
- 最近想法都很多，我们即将把平台化的各个模块都梳理为skils和subagent
- AI时代嵌入式开发方法论：边界约束收敛理论
- 嵌入式AI编程：能跑只是入场券
- BSP 开发必配 CLAUDE
- AI替代嵌入式工程师可能性分析
- 很多人关注我们很久了，但一直没