关于第11点
从我平时找资料（软硬件入门）的情况看，软件方面的资料更容易找，相同的问题多（对应问题解决起来也快）。硬件的资料感觉很散，有些不清楚为什么的地方想找找资料不太轻松（一般找不到完全一样的问题，最多只能提供个思路的样子）。
引用
评论(2)
1
关于“总是软件拖延研发进度”现象的一些有趣逻辑
1、不论是软硬结合的项目，还是纯软件项目，软件都会战斗到最后，所以到最后一刻总是看起来由软件决定进度。
2、硬件改起来麻烦，能软件帮忙糊上，就不改硬件。
3、硬件调好以后，似乎就没什么动静了，于是产品经理会构思/拉来新的项目让团队忙起来，然后软件的工作就越堆越多。
4、除了微波无源这类需要大量仿真，而软件只是控制几个开关的产品，大多数产品软件工作量都远多于硬件。
5、将所有产品平均来看，软件大约相当于硬件5~20倍的工作量，但大学毕业生软硬件就业比例大约为1:1。实际电子/电气/自动化等专业的人本质上是按硬件工程师培养的，软件的地位只能算课余爱好。遗憾的是，他们硬件开发也基本搞不定。而计算机/软件专业的人更搞不了软硬结合的开发，除非有特殊兴趣。
6、由于人力不足，大多数硬件工程师都要兼写软件。
7、硬件具有更长的产业链，在矿冶、晶圆制造、芯片设计、电子学等方面都分布着大量的从业人口，但软件的就业人口高度集中在高级应用领域，面向硬件的很少。
8、嵌入式软件的人才缺口巨大（猜测高达90%），却居然没有什么“正经”工科学校开设对口专业。开设专业（嵌入式技术应用）的三本和高职院校，其课程设计也不尽合理。于是，大多数嵌入式软件工程师是生活所迫或培训班结业，而且数量还严重不足。
9、冰箱、热水器、电饭锅这样的不算太复杂的嵌入式软件，如果留意，基本都能发现BUG或不良设计满天飞。我曾经有三年每次洗澡都要咒骂美的的软件工程师，后来忍无可忍，提前扔了换万和，发现只是稍微要好点。
10、为了突破软件的瓶颈，大多数专业产品的控制部分都会超额设计，例如尽量在底层抽象硬件，然后在大型操作系统中运行不算复杂的应用软件，以便利用计算机/软件专业的人才。实际上，许多产品用嵌入式软件能做得更完美——如果不计研发成本的话。
11、与直观想象不同，嵌入式软件工程师的文档数量和质量都不如硬件，主要还是因为人力不足，没时间写。
大概就想到这么多，各位可以再想想还有啥
[ 修改于3年7个月前 - 2023/04/11 04:43:43 ]
很简单，三流的领导层+三流的软件“工程师”。
如果领导对研发理解不足，喜欢招听话的（哪个有点水平的还会唯唯诺诺），还指手画脚，还灌鸡汤……啧啧
引用
评论
1
很多在大陆常见的产品（点子），放在外面看往往是伪需求。例如各种智能家电产品。
教育模式与现代社会极度脱节，造成应用的困难。家电行业极度内卷，导致难以招聘到高质量工程师。
引用
评论
6
引用
评论
软件的跨度太大了
还是以AD936x为例，假如要用这个芯片做无人机的图传，硬件的事情很简单，画一PCB，把AD936x和FPGA芯片网口芯片以及PA芯片连起来，差分线等长布线，仿真计算一下滤波器，测一下发射接收频谱，测一下功耗和散热，打一下ES D、EMI，搞这个的人不会跨太大的专业，工具的变化不会太大
但是到了软件这边，就开始复杂了，首先这台系统到底是裸机裸写寄存器？还是运行在ADI的Peterlinux上？选了后者就得懂点Linux的调试吧，接着采集摄像头的数据，得懂Linux的v4l2驱动吧，如果摄像头芯片Linux不支持，得自己写驱动，得懂i2c，采集到的摄像头数据效果很差，得要ISP优化，得懂图像处理吧，然后传输视频的数据，直接传输RGB数据是不可能的，得编码压缩成H264的TS流，好吧，又得懂一点视频的编解码技术了，接着就是重头戏软件无线电调制解调，发射得调制成QAM然后再OFDM吧，这点得通信原理的基础，然后搞这些得在电脑上仿真吧，又得会点Python或者matlab基础...
这些项目涉及到的链路太大太广，很多时候无法由一个人负责，如果参与的人多了，掉链子了就会导致项目失败
引用
评论
2
Codex的确大幅提高效率，不算太复杂的东西直接告诉他要干嘛他就写好了。
唯一问题是AI不能动手调硬件，嵌软还需要人。
GPT规划系统方案问题一大堆，并且说不清楚是幻觉还是什么，你说没道理他又有点道理。
估计到今年底，开发模式就会变成全员上班调教AI。
引用
评论
2
我的体验是，ai写码现在最大的难点在“准确描述出自己的需求”。需求描述得不对，那显然不可能得到满足需求的东西，不管ai水平多高都没用。也就是说这个问题完全是人的，不是ai的。
第二大的难点在“给ai提供必要信息”。比如代码要调用冷门的库，那就得把文档提供给ai。我最近在让ai写hfss的脚本，主要吃亏就吃在ai没用过hfss上，很多默会知识它不知道。必要的信息不知道的话，那不管ai多聪明都不可能做对。这个问题算是一半是人的，一半是ai的：成熟的ai应该能自己去找信息。
按照现在付费ai的水平，如果能“准确描述需求”和“提供必要信息”，简直是立刻就能解决问题。但这两件事的难度其实非常大，可能和后续写代码在一个水平上。
之前做项目经常觉得甲方是傻逼，需求说的不清不楚，还不一次说完，经常改需求。给ai当甲方后，发现自己也在这么干......
引用
评论
5
我的体验是，ai写码现在最大的难点在“准确描述出自己的需求”。需求描述得不对，那显然不可能得到满足需求的东西，不管ai水平多高都没用。也就是说这个问题完全是人的，不是ai的。第二大的难点在“给ai提供...
表达是需要去反复锻炼的。建议在做计划的时候，先让AI反问，搞清楚模糊和存在歧义的地方，辅助计划。最好能搞清楚自己的需求的“样子”和AI能力的边界。
这里是一个简陋的提示词可供读者（本评论）参考：
你是一个顶级的需求理解器，善于将用户的寻求转化为具体的工程目标和实施计划，你将遵守以下核心规则：
1.[完全理解规则]：你必须尽可能的去推敲用户的意思，确保自己完全理解。
2.[消除歧义与模糊规则]：你必须将用户话语当中可能存在的歧义、模糊、不清楚、不具体的表达和问题标注出来，*并反向追问用户*，反问时，应该提供相关知识的说明帮助用户进行理解。
3.[计划书规则]：你必须将你理解的用户需求、你对用户进行的反问获得的反馈，结合起来，整理成一个可以逐步实施、范围目标注意事项明确的计划书。
引用
评论
2