身為一位年資10+年的韌體工程師，一旦東西出現問題，永遠要假設硬體可能有狀況
我想舉幾個我親身的經驗來分享一下:
擔任筆電觸控面板的韌體工程師:
這批送驗的觸控面板出現了問題，廠商很急，要我們在2天內找到問題，並提出解法
我的標準SOP:
拆筆電

fw（x) 在幫硬體troubleshooting 人掛量產端的fae客服?（o)

AI也是有可能取代你所謂的其他40%時間.. 只是暫時需要人去驗證code結果

我覺得1,3 是遲早的事...

現在AI都會看影片了你怎麼覺得進到通靈的距離很遙遠我最近的經驗是 問一個很沒線索的問題AI就亂猜但是他答出五個可能性（反正資料庫有就全吐出來）結果第一個真的就是我遇到的問題我就真的照他的改就解決了而且這是在於我完全不懂那個領域的底層的情況下走完的流程所以能不能通靈其實是來自經驗夠不夠多（資料庫夠不夠大）然後使用者給的線索能不能持續收斂（等於人類做交叉測試）當然完全亂猜一個都沒中也是有機率的（不是每一次都中大獎)但人也是一樣一個個猜然後用交叉測試去實驗排除我的經驗是 AI反問的問題反而比他第一次給的答案來得有用通常它反問的問題就是收斂的關鍵現在AI協助除錯在網頁領域已經很有潛力，很多新創都往這方

過去韌體比較少在soft_job討論，非常感謝你的分享

是因為網頁領域的專案通常是個透明度高且完全數據化的領域韌體硬體當然比較慢因為AI對於物理實體的領域還沒有工具簡而言之AI還沒有工具讓他可以對韌體硬體開發環境做控制有得話它就可以測。開發環境量產後 人睡覺 機器不用睡覺你論點是人會做服務 但這個是AI更會（效率更高）的地方AI是個不會生氣情緒價值滿滿又全知的客服更能應付奧客雲端Docker的概念可能在十年內會套到硬體工廠就是AI來根據需求 自動買料去組裝出一個超小尺寸的"工廠"這個工廠(Docker)就可以自己做硬體的測試環境一個工廠看起來很慢但是如果AI可以一次性做出一千個工廠不用休息測試起來的效率就會比需要管理的人類來得高當然這些都是需要資源能源的。會出現不一定普及到全世界。

好想轉去當韌體工程師喔，可惜年紀大沒人收

硬體韌體肯定還是相對安全很久

一兩年應該真的不可能 但十年我覺得會變化很大

我愛FW

韌體的賽就是要幫硬體擦屁股，所以我跳純軟了，相比之下純軟根本天堂這種軟硬複合的問題要AI解很難啦，就算他視覺看得懂板子跟零件，啊跳線要有人焊訊號要有人勾，這種要動手的還是要由人來做

在軟韌活的下來的真的都不簡單，等ai的bubble被戳爆後，真的要認清人有不可取代性

做10年了連硬體跟ai寫程式都能混一起談 這個板素質也就這樣了

什麼難不難 這是問題嗎？ 兩年前有人能預見AI會變今天這樣或許不是今年 不是明年 但可預見的未來 我覺得這都不是問題耶 至少你我是能活著看到這沒問題 我是沒那麼樂觀做好備案我覺得才是正途 誰曉得過幾年又來一葛什麼鬼AI

最可怕的是出貨了 硬體真有點問題 用戶還不少

上面不覺得如果AI連列的這些東西都能解決 那好像什麼是已經可以完全取代人了嗎 是在說啥不要說工程師 什麼工作都得失業 這個人類已經沒用了

GPS發明之前 尋路看地圖是一個技能現代都市有這項技能（天份）的人確實是"沒用"了

難說R 2015年你跟人家說 AI能寫code耶 肯定被笑死 連基本話都說不好了....

尋路看地圖還是有用的。前幾天google要我敦化南路左轉和平東路然後迴轉再轉回敦化南路。有時google map就是各種奇怪導路方式。完全配合就準備逆向行駛吧。

我也是韌體工程師 你講的東西其實沒什麼大不了的 (1)AI不會通靈 你也不會 那你是怎麼做的 你也是朝著可能的方向一一檢查 實際上出問題本來就是很多可能 本來就是要去檢查並看結果 然後排除或深入下一步 AI不會通靈不是很正常嗎嵌入式本來就需要回饋 相信現在的AI也能針對目前的問題列出可能的原因和各別解決的方法一步步做下去 這邊AI和你有分別嗎? 只不過差在準確度或經驗 你說的(2)(3)(4)(5)不都是手動的操作?拿這個來講跟水電工勝AI有什麼不一樣? 這幾個都是手的技能目前機器人還不夠強

等機器人+AI 普及化，就輪到你倒霉了。現在 AI 沒手沒腳，純軟只是比你早受到威脅

笑死 看不清楚 人有不可取代性 以前人最自豪的認為最不能取代的思考 現在都開始被屌打了 程式開始比不過AI數學解題大部分人也被屌打 現在只有拿一些要動手的來說嘴 而機器人也開始在萌芽了看看特斯拉的機器人拿純粹動手的說嘴那你跟猴子有什麼不同了? AI比人類等於人類比猴子?

james 有看懂我想講的@oopFoo 但是有尋路技能的司機以前可以"自豪地靠開車賺錢"逐漸地 司機會開車這件事也會被無人車慢慢排擠會開車就變成一種自娛 而不是能謀生的"硬"道理英國計程車司機考試要多麼熟當地路線這件事會變成故事

一堆人沒去分解問題思考最根本性的東西 只是一整個

AI套進去的話你只有鎖螺絲跟焊接的功用吧

工作經驗就是AI最容易取代的，現在資深人員才這麼苦

@oopFoo 辛苦了，但不用跟一幫教徒浪費時間。早說了，他們一旦無法在現狀上反駁你，就開始對著一些他們其實也不是很懂原理和整合應用方法的東西發揮想像力，然後大談你們以後一定會被打敗，這簡直像極了運動賽事輸球的心碎球迷，聽完你只要笑笑讓他講自己的就好，不用多爭辯，畢竟世事因素多元且多變，事情會怎麼發展很難說當下贏了就是贏了，別管他說他們是否有好棒棒球員，以及明年又是否會在好棒棒球員們的combo加持之下贏球。如果明星抱團+想像力=統治力，現在NBA不會這麼難有王朝

現在就被打敗了不需要未來 你學要學多久?寫得比AI好? 你數學解題有贏過AI? 最自豪的都打敗了未來也只是板上釘釘

AI是可以幫你列舉出issue的可能原因，但排除跟測試只能靠自己的經驗，資深FW踩過一堆痛點，很容易抓方向出來

看過有公司分享收集機台老師傅經驗做成知識模型的應用

AI廚真的很好笑XDD 你吹得越兇越顯得你廢

其實就是不知者無畏 還認為別人是教徒 簡單講我是搞embedded的 我的程度大概勝過90%的工程師 一個人可以從底層到上層搞出一個完整的產品 說實話前幾年的AI真的不行 根本不能拿來參考也不能用在工作上 正確率大概是70%左右 因為我強 我看得出現在AI的程度 已經跟我相差無幾 知識量更是大勝 才會在這裡正確地評價AI沒有吹它的必要 弱者看不出AI的強度也沒辦法好好地用它 才會覺得AI沒什麼 搞不清楚

身為人卻不掌握人的優勢 整天吹AI 你是失業了嗎整天詛咒別人失業搞出完整作品就有pr90? 摁好吧 你說得對XD

我就問，AI這麼猛，Robotaxi 在逆行什麼==

因為動 FW 成本最低而且萬一真的能改的動 是立竿見影

人也太可憐...被ai搞到只能撿剩的？？這種低bug的確只能人做，不過不覺得可憐嗎

之前也是fw 真的是每天幫忙擦屁股XD後來轉去演算法

上面已經有人提到之前說AI不可能寫code 結果不到幾年就成真的 有時候只是你被現在的流程限制想像

沒原理圖和layout都懶得開工，硬體預設不可靠

理論上AI分析過影像夠多 然後模組化維修 這事可行只是不知道多久會實現而已 這也牽涉到成本

推分享～很實際的案例

推FW

十年前是講AI不可能下贏圍棋職業，現在討論軟體韌體

目前FW就還有一半需要手動的部分 其他寫code 找問題解法AI都已經幫助很大了 而手工的部分很多並不是沒有解法要全自動化也做得到只是成本問題 不是說原poFW這邊講的有問題 FW就半知識工半水電工本來就會比較晚被取代這邊說的沒錯大家也都知道 我只是要吐草的是不談人工操作的部分 憑什麼你沒通靈AI一開始就要通靈? 你沒反饋它一些檢測結果啊 一步一步做它最後能不能解決? 比你的思路差多少 這才是我要講的簡單來講 FW目前不會被取代 就算有也只是知識跟寫code的部分 而且這邊經驗上還差最有經驗的工程師一些因為目前AI是語言模型而不是世界模型 它是只靠文字來理解世界

可以了解一下MCP是啥 目前用途主要還是做軟體交互 未來一定也會向硬體推來解決AI沒手沒眼睛的問題 當然你要配合機械手臂 攝像頭 整個成本又上來了軟體被Ai衝擊比較大原因就是有GitHub一堆資料可以訓練韌體相對訓練資源沒那麼多 AI沒辦法那麼聰明

軟體被Al衝擊比較大的原因 更主要的是軟體馬上寫可以馬上run馬上驗證 然後回饋訓練AIGithub的資料很大但非無限也非絕對正確 重點是軟體上任何組合都可以馬上run馬上驗證的 這才是更重點

比較好奇如果一個issue的發生原因是新的，人類肯定能透過通靈或沒想過的地方碰碰運氣找出解法，那ai是只能列過去發生的可能原因，還是他也能自己gen出答案？

能gen啊 你可以試試看 跟人腦一樣吧 然後人類有什麼東西是完全新的嗎?大部分的東西不都跟其他的東西有關聯?

不然叫ai給fault model 然後看給的好不好XD

人通常沒有什麼通靈的啦 又不是愛因斯坦想太多 大部分人不就是憑著"經驗"或者trial and error一樣一樣試

我很好奇，現在的AI model 讀的懂電路圖了嗎?

推推

讀電路圖對 AI 是幼稚園等級的難度...

不久前板上才有人說 AI 只能下圍棋唬人 XD

早就能讀了 我還叫它給出建議 結果發現一個簡單的UART電路 硬體部門根本沒做好 給出了很多改進地方 這是去年的事了

你上網搜一張電路圖 丟進去 4o 解析不就知道了如果用 orcad Netlist file 輸出 結果會更強更精準

我剛剛用 Gemini 試了 PCIe switch，還真的讀的懂

你是對的,那些講AI取代啥小的白癡笑笑就好

你這種不算軟體仔吧 那種只會前端後端沒碰過中低階語言的framework仔就是AI取代的對象,只要會用AI的PM提需求就好工程端真正有價值的事是和硬體低階的整合能力

推專業分析 但是AI可怕的是這篇分析文公開了 下次有人問AI 觸控板某區域無作用 如何分析找出問題 AI就會提供這這篇文

如果把早就套用AI演算法的搜尋引擎當成是你口中的AI，那的確帶得出這篇文章沒錯，但如果是生成式就未必了。

推樓上

推推

看你寫完，我就突然覺得 apple 觸控板當初肯定花了很多功夫才會這麼好用