👆如果您希望可以时常见面,欢迎标星🌟收藏哦~

过去,AI辅助芯片开发最受关注的领域主要集中在EDA、RTL代码生成和芯片验证。但随着AI Agent能力不断增强,AI开始进入另一个更贴近硬件应用的环节:嵌入式软件开发。


在德国慕尼黑举办的 electronica 2026 展会上,德州仪器(TI)展示了一套基于AI Agent的嵌入式软件开发方案。通过将AI Agent与其集成开发环境Code Composer Studio(CCStudio)打通,开发者只需通过自然语言描述需求,AI便能够完成外设配置、代码生成、应用程序编译,甚至将程序写入实际硬件并开展调试。


这意味着,AI在嵌入式开发中的角色,正在从过去的代码助手向能够实际执行开发任务的工程代理转变。


真正值得关注的,不只是AI能够写出多少代码,而是它开始理解并操作真实的硬件开发环境。


这套方案覆盖的不仅是普通MCU开发,还包括不同芯片平台之间的迁移,以及实时处理单元PRU的开发。TI希望解决的,是嵌入式软件开发中长期存在的一个问题:软件开发人员不仅要写代码,还必须理解芯片架构、外设配置和底层硬件运行机制。


AI不只是写代码,而是开始接管开发流程


传统生成式AI已经能够根据自然语言生成代码,但嵌入式开发与普通软件开发存在明显区别。


在PC软件开发中,代码能够编译通过,通常意味着已经完成了一个重要阶段。但在嵌入式系统中,代码能否正常运行,还取决于芯片本身的硬件配置。


例如,MCU的引脚分配、时钟设置、外设接口以及存储器配置,都可能影响最终运行结果。即使代码本身没有问题,如果底层硬件配置不正确,程序依然无法在实际设备上正常工作。


这也是过去通用AI编程工具进入嵌入式开发领域时面临的障碍。


TI的解决思路,是把芯片相关的技术资料和开发工具开放给AI Agent。


具体而言,TI通过Model Context Protocol(MCP)服务器,将软件开发工具包(SDK)、芯片引脚配置、外设信息等内容提供给AI Agent。这样,AI便不再只是根据已有代码和通用知识生成程序,而是能够结合TI芯片的具体规格完成开发任务。


在CCStudio环境中,AI Agent可以执行代码生成、外设配置、应用程序构建、设备烧录和调试等工作。


如果实际硬件运行过程中出现问题,AI Agent还可以启动调试会话,检查硬件和内存状态,分析故障原因,并尝试修改代码。


TI在展会现场展示了一个相当直观的案例:从一个空白工程开始,开发人员只需要告诉AI制作一款游戏,AI便自动生成应用程序代码,并完成摇杆、显示屏等外设配置,最终在开发板上运行了一款可以通过摇杆操作的贪吃蛇游戏。


整个过程大约耗时10分钟,演示人员没有手动编写任何代码。


值得注意的是,TI并没有选择自己开发一套专属AI Agent,而是希望兼容现有工具。现场演示使用的是Anthropic的Claude Code,TI也明确表示,希望支持OpenAI Codex、GitHub Copilot等工具。


此外,CCStudio还支持Claude、GPT等模型,以及企业在本地部署的模型。TI同时提供配置向导,帮助用户完成MCP服务器注册、认证信息配置和扩展功能安装。


目前,这项AI协作功能已经可以在CCStudio独立版本以及Visual Studio Code扩展版本中使用,覆盖通用MCU、实时MCU、无线连接器件和雷达SoC等嵌入式处理产品。


芯片平台迁移,也开始交给AI Agent


除了代码生成,TI此次展示的另一个方向,是利用AI Agent解决不同芯片平台之间的软件迁移问题。


对于嵌入式开发而言,从一家芯片厂商切换到另一家厂商,往往不是简单地修改几行代码。由于芯片架构、外设配置和开发环境存在差异,原有软件需要重新分析、修改和验证。


TI表示,其AI Agent可以帮助客户将其他厂商芯片上的软件迁移至TI平台。


整个过程涉及原有源代码分析、目标芯片外设配置、代码修改和编译等多个环节。TI通过多个AI Agent分工协作,将原本相对复杂的迁移工作串联起来。


更重要的是,AI的工作并没有停留在代码修改阶段。


迁移完成后,AI Agent还能够参与测试计划制定、实际硬件验证、问题定位、代码修正和再次测试,并且可以连接逻辑分析仪、信号发生器等测量设备。


按照TI的说法,过去可能需要数月完成的设备迁移工作,现在有机会缩短至数天,部分情况下甚至只需要数小时。


这对于拥有大量嵌入式产品和长期维护项目的企业而言,具有现实意义。毕竟,芯片平台迁移的成本不只是重新编写代码,还包括后续验证和调试。AI如果能够参与整个流程,才有可能真正压缩开发周期。


AI开始进入实时处理和汇编语言开发


TI此次展示的另一个案例,则涉及其Sitara处理器中的可编程实时单元PRU。


PRU是一种32位RISC处理器核心,主要负责对时间要求严格的实时任务,可以与Arm处理器核心协同工作。


由于PRU涉及精确的时序控制,部分开发工作需要使用汇编语言完成。这对开发人员的底层知识和开发经验提出了较高要求,也成为新工程师进入相关领域的一道门槛。


为此,TI将Claude Code与PRU模拟器结合,开发了一套AI辅助工具。


TI为Claude Code提供了专门的Skill,其中包含PRU指令集、处理器架构、时序模型和参考手册等信息,使AI能够依据PRU的实际技术规格生成代码。


同时,TI还开发了PRU模拟器。AI生成代码后,可以先在PC端模拟器中运行和验证,不必立即写入实际芯片。模拟器能够通过图形界面显示GPIO和寄存器状态,也可以通过MCP服务器与Claude Code连接。


这实际上形成了一套从代码生成到模拟验证的自动化流程。


TI现场展示了一个面向人形机器人的音频处理系统。该系统模拟工厂环境中的噪声,利用8个虚拟麦克风采集声音数据,再通过开发板进行数字麦克风信号处理,最终在PC端完成噪声消除和人声提取。


TI表示,这套系统的代码最初全部在模拟器中开发和验证,之后才转移至实际硬件运行。


这个演示项目的开发时间约为一周。TI认为,简单项目可能只需要数小时至一天,而过去需要数月、甚至数年的大型项目,也有机会缩短至数周。


嵌入式开发工具正在迎来一次变化


TI此次展示的技术,值得关注的地方在于,它改变了AI与传统芯片开发工具之间的关系。


过去,AI编程工具更多是一个独立的辅助工具。开发人员提出需求,AI生成代码,之后仍然需要工程师将代码放入开发环境,完成编译、配置、烧录和调试。


而TI正在尝试打通这条链路,让AI Agent直接进入开发环境,获得芯片技术资料和工具调用能力,并且能够根据实际运行结果继续修改和验证。


这里面有一个关键变化:AI开始从生成代码,转向执行开发任务。


这也解释了为什么MCP等连接机制越来越重要。对于嵌入式开发而言,单纯提升大模型的代码生成能力并不足够,AI还必须能够调用具体的开发工具,读取芯片手册,理解外设配置,并获得编译器、模拟器和调试环境的反馈。


从这个角度看,TI的做法并不是简单地给CCStudio增加一个AI助手,而是在尝试把整个嵌入式开发环境改造成AI Agent可以调用和操作的工具体系。


当然,这并不意味着嵌入式工程师将不再需要专业知识。特别是在汽车电子、工业控制等对实时性、可靠性和安全性要求较高的领域,AI生成的代码仍然需要经过严格的测试和验证。自然语言指令能够完成开发流程,也不等于最终产品可以跳过工程验证。


但有一点已经比较明确:当AI能够理解具体芯片的硬件资源,并直接操作开发工具时,嵌入式软件开发的门槛和效率都可能发生变化。


对于TI这样的芯片厂商而言,竞争也不再局限于芯片性能、功耗和价格。开发工具、技术资料、软件生态能否被AI Agent有效调用,正在成为芯片平台竞争中的新变量。


未来,开发人员选择一颗MCU时,除了考虑芯片本身的性能和外设资源,也可能越来越关注:这颗芯片是否能够被AI高效开发,整个软件开发生态是否已经为AI Agent做好准备。


这或许是TI此次展示背后更值得关注的行业信号。


(来源:内容来自半导体芯闻综合)


点这里👆加关注,锁定更多原创内容


*免责声明:文章内容系作者个人观点,半导体芯闻转载仅为了传达一种不同的观点,不代表半导体芯闻对该观点赞同或支持,如果有任何异议,欢迎联系我们。

推荐阅读

10万亿,投向半导体

芯片巨头,市值大跌

黄仁勋:HBM是个技术奇迹

Jim Keller:RISC-V一定会胜出

全球市值最高的10家芯片公司

喜欢我们的内容就点“在看”分享给小伙伴哦~