当前，AI正在悄悄改变我的工作方式，也在改变我们整个行业的走向。对于软件工程师来说，写代码是日常，AI对我工作最直观的改变，始于编码工具的升级——从常用的VSCode切换到Cursor这款AI IDE，看似只是工具的替换，实则彻底重构了我的编码节奏，让我从繁琐的重复劳动中解放出来，更专注于创造性工作。

第一个明显的感受是写一些"体力活"代码快了很多，比如通信协议的状态机框架、优化代码结构这类事，以前要查手册、代码审查，现在跟AI说清楚功能需求和代码逻辑，它不仅给你提供思路还能直接操作电脑帮你修改代码。

当然，嵌入式这块坑也很多，AI生成的代码有时对具体硬件时序的理解不准确，还是要自己审核和调试。所以我现在的工作流大概是：AI负责搭架子，我负责填细节和踩坑。这个转变让我意识到一件事：AI工具不是来替代工程师的，至少现在不是，它更像是一个效率杠杆，能不能用好，取决于你自己对问题的理解深不深。

从个人工具往上看，其实公司这两年在产品方向上也在跟着AI的节奏走。我们公司（博时特科技）做的EC10、EC11、EC12这几款边缘计算盒子，就是这个大背景下的产物。

边缘计算本身不是新鲜概念，但AI推理上边缘端这件事，最近两年需求明显在加速。客户不想把所有数据都传到云端，一是延迟问题，二是数据安全和带宽成本的考虑。所以像博时特EC系列这类设备，要在本地完成一部分模型推理的工作，对算力、功耗、散热、接口兼容性的要求都比较综合。

在制造业/嵌入式这个圈子里，AI的感受与互联网行业可能稍微有些不一样。我们关注的不是哪个模型的参数量更大，而是这些技术最终能不能落到具体的硬件上跑起来，能不能在功耗和成本的约束下解决实际问题。大模型很强，但一块工业板卡的内存也只有十几个G，功耗预算也是卡死的，所以"AI落地"这件事，从来都不是直接把云端的东西搬下来那么简单。

最近AI行业的新闻几乎每天都有，大模型一个接一个发布，各种应用层出不穷，比如前段时间火出圈的openclaw，甚至连许多非计算机行业从业者也在使用。我觉得嵌入式工程师在这波AI浪潮里其实是一个比较关键但不太被聚光灯照到的角色。算法工程师负责训练模型，我们负责让模型真正能在硬件上运行，中间这段路并不好走。

总体来说，我对AI工具持开放态度，它确实在改变我工作的节奏，但核心的工程判断力还是得自己建立。行业在变，多学多接触总没错，与各位同行同仁们共勉。