數位晶片有編譯器，射頻晶片還在請師傅手工調

數位晶片——CPU、GPU、記憶體控制器——確實高度自動化。工程師用硬體描述語言寫下「這個電路要做什麼」，然後工具把它合成成實際的電晶體佈局。

這就是為什麼一顆晶片可以有幾百億個電晶體，而人類還管得動。

但射頻晶片不是這樣做的。

那些讓你的手機連上基地台、讓衛星跟地面通訊、讓自駕車的雷達看見前方的晶片——它們基本上還是手工設計的。

一個資深的射頻設計師，要花數個月調一個電路。而全世界這樣的人非常少。

為什麼？

這是什麼

先講兩個詞

RF（射頻）電路——處理高頻電磁訊號的電路，是所有無線通訊的核心。

EDA（電子設計自動化）——把電路設計從人工變成軟體流程的工具鏈。數位電路的 EDA 極成熟；類比與射頻的 EDA 遠遠落後。

生活場景：蓋房子 vs 做小提琴

蓋房子是模組化的。

一面隔間牆，你可以先在圖上決定「這裡放一道牆」，之後再決定它用什麼材料、多厚。牆的位置和牆的做法，大致上可以分開考慮。

正因為可以拆開，蓋房子可以標準化、可以自動化、可以規模化。

做小提琴不是。

小提琴的每一塊木頭，形狀本身就決定了聲音。面板厚薄差 0.5 毫米、f 孔的曲線差一點、音樑的位置偏一點——聲音就不一樣。

你不能先決定「這裡放一塊木頭」，之後再決定形狀。形狀就是功能。

所以小提琴至今仍是手工的。

數位晶片是蓋房子。射頻晶片是做小提琴。

機制拆解：導線什麼時候不再只是導線

這裡是整個問題的根源。

在低頻的世界裡，一條導線就是一條導線。 它只負責把電流從 A 送到 B，本身沒有其他行為。

所以你可以先畫電路圖（誰接誰），再決定佈局（線怎麼走）。兩件事可以分開。

在高頻的世界裡，導線不再只是導線。

當訊號的波長高到跟導線長度可以比擬的時候：

一段導線變成一個電感
兩段平行的導線之間變成一個電容
一個彎折變成一個反射點
一條夠長的導線變成一根天線——它會往外輻射，也會接收旁邊的訊號

於是「電路圖」和「佈局」不再是兩件事。佈局本身就是電路。

你不能先設計後佈局，因為佈局會改變設計。你也不能只模擬電路，你得模擬整個結構的電磁場——而那是極度耗算的計算。

| 小提琴 | 真實機制 | |---|---| | 隔間牆的位置與做法可分開考慮 | 低頻：電路圖與佈局可分離 → 可自動化 | | 面板的形狀就是聲音 | 高頻：導線的形狀與位置就是電路行為 | | 面板厚 0.5 mm 的差別 | 佈局微小改變 → 寄生電感電容改變 → 頻率響應改變 | | f 孔的曲線影響共鳴 | 幾何形狀影響電磁場分布與輻射 | | 只能靠師傅的耳朵與經驗 | 只能靠資深工程師的直覺與反覆迭代 | | 每把琴都要調 | 每個射頻電路都要客製 |

一句話總結

射頻晶片之所以還在手工，不是因為沒人想自動化，是因為在那個頻率下形狀就是功能——而形狀的搜尋空間，正好是 AI 擅長的地方。

為什麼這件事現在變重要

2025 年 5 月，美國的半導體技術促進機構撥了近 1,000 萬美元，交給普林斯頓的一個團隊，任務是：自動化射頻無線通訊晶片的設計。

計畫的官方說明把問題講得很直接：設計專用無線晶片目前極為昂貴，且需要專門技能。

點名的應用是：下一代無線網路、衛星通訊、自駕車、智慧醫療。

這四項的共同點是——它們都需要大量、多樣、客製化的射頻晶片。 而如果設計成本降不下來，這些應用就規模化不了。

一個值得注意的線索：這個團隊先前以「AI 設計的晶片」獲得年度最佳期刊論文獎，而相關報導提到，AI 設計出的電路呈現**「不尋常但高效」的佈線圖樣**。

「不尋常但高效」的意思是：AI 想出了人類設計師不會想到的形狀。

這在射頻領域特別有意義——人類設計師依賴的是可理解的規則與既有拓樸（這個是低雜訊放大器、那個是匹配網路），而 AI 沒有這個包袱。它只是在找「什麼形狀能達到這個電磁響應」。

比喻到此為止

小提琴的比喻在兩個地方失效，而它們的張力就是這件事的成敗關鍵：

一、小提琴的好壞由人耳判斷，射頻電路的好壞有客觀規格。 這對自動化其實是有利的——有明確的目標函數（增益、雜訊、線性度、功耗），AI 才有東西可以最佳化。小提琴沒有這種東西。

二、小提琴做壞了可以重做一把，晶片流片一次要幾百萬美元。 這是最嚴苛的約束——你沒有大量試錯的機會。所有的搜尋必須在模擬裡完成，而模擬與現實的落差正是這個領域的核心難題。

有明確目標函數（好事）但無法便宜地驗證（壞事）——這兩件事拉扯的結果，決定這次能不能成。

還沒定案的事

這是一個很多人試過並失敗的老問題。 類比／射頻 EDA 自動化不是新目標，每隔幾年就有人宣稱要解決它，至今沒有成功。AI 是新工具，但工具換了不等於這次就會成。

可解釋性可能是量產障礙。 一個 AI 設計出來、人類看不懂為什麼會 work 的射頻電路，敢不敢放進要賣一億顆的產品裡？除錯怎麼做？這在高可靠度應用（衛星、車用）上尤其嚴重。

模擬與現實的落差。 電磁模擬再準，也抓不到全部的製程變異、封裝寄生、溫度效應。在這個領域，只有流片後的實測數據算數——這不是我們的標準，是這一行的標準。

延伸閱讀

這篇講的是為什麼射頻電路難以自動化。

如果你想知道這個計畫的規模與背景、為什麼「技術進步不必然利好該領域的既有龍頭」、以及我們寫下了哪五條判定條件——那些在研究筆記〈數位晶片有編譯器，射頻晶片還在請師傅手工調〉裡。

來源

Princeton University（2025-08-04），Princeton will lead U.S. effort to design better chips for wireless communication — 連結
Princeton Engineering（2025-01-06），AI slashes cost and time for chip design, but that is not all — 連結
Princeton DOF（2025），Sengupta group wins best journal paper of the year award for AI-designed chips — 連結

本文為科學技術之教育性資訊，不構成任何投資建議。