過去,AI輔助晶片開發最受關注的領域主要集中在EDA、RTL程式碼生成和晶片驗證。但隨著AI Agent能力不斷增強,AI開始進入另一個更貼近硬體應用的環節:嵌入式軟體開發。
在德國慕尼黑舉辦的 electronica 2026 展會上,德州儀器(TI)展示了一套基於AI Agent的嵌入式軟體開發方案。通過將AI Agent與其整合開發環境Code Composer Studio(CCStudio)打通,開發者只需通過自然語言描述需求,AI便能夠完成外設配置、程式碼生成、應用程式編譯,甚至將程序寫入實際硬體並開展偵錯。
這意味著,AI在嵌入式開發中的角色,正在從過去的程式碼助手向能夠實際執行開發任務的工程代理轉變。
真正值得關注的,不只是AI能夠寫出多少程式碼,而是它開始理解並操作真實的硬體開發環境。
這套方案覆蓋的不僅是普通MCU開發,還包括不同晶片平台之間的遷移,以及即時處理單元PRU的開發。TI希望解決的,是嵌入式軟體開發中長期存在的一個問題:軟體開發人員不僅要寫程式碼,還必須理解晶片架構、外設配置和底層硬體運行機制。
01. AI不只是寫程式碼,而是開始接管開發流程
傳統生成式AI已經能夠根據自然語言生成程式碼,但嵌入式開發與普通軟體開發存在明顯區別。
在PC軟體開發中,程式碼能夠編譯通過,通常意味著已經完成了一個重要階段。但在嵌入式系統中,程式碼能否正常運行,還取決於晶片本身的硬體配置。
例如,MCU的引腳分配、時鐘設定、外設介面以及記憶體器配置,都可能影響最終運行結果。即使程式碼本身沒有問題,如果底層硬體配置不正確,程序依然無法在實際裝置上正常工作。
這也是過去通用AI程式設計工具進入嵌入式開發領域時面臨的障礙。
TI的解決思路,是把晶片相關的技術資料和開發工具開放給AI Agent。
具體而言,TI通過Model Context Protocol(MCP)伺服器,將軟體開發工具包(SDK)、晶片引腳配置、外設資訊等內容提供給AI Agent。這樣,AI便不再只是根據已有程式碼和通用知識生成程序,而是能夠結合TI晶片的具體規格完成開發任務。
在CCStudio環境中,AI Agent可以執行程式碼生成、外設配置、應用程式建構、裝置燒錄和偵錯等工作。
如果實際硬體運行過程中出現問題,AI Agent還可以啟動偵錯會話,檢查硬體和記憶體狀態,分析故障原因,並嘗試修改程式碼。
TI在展會現場展示了一個相當直觀的案例:從一個空白工程開始,開發人員只需要告訴AI製作一款遊戲,AI便自動生成應用程式程式碼,並完成搖桿、螢幕等外設配置,最終在開發板上運行了一款可以通過搖桿操作的貪吃蛇遊戲。
整個過程大約耗時10分鐘,演示人員沒有手動編寫任何程式碼。
值得注意的是,TI並沒有選擇自己開發一套專屬AI Agent,而是希望相容現有工具。現場演示使用的是Anthropic的Claude Code,TI也明確表示,希望支援OpenAI Codex、GitHub Copilot等工具。
此外,CCStudio還支援Claude、GPT等模型,以及企業在本地部署的模型。TI同時提供配置向導,幫助使用者完成MCP伺服器註冊、認證資訊配置和擴展功能安裝。
目前,這項AI協作功能已經可以在CCStudio獨立版本以及Visual Studio Code擴展版本中使用,覆蓋通用MCU、即時MCU、無線連接器件和雷達SoC等嵌入式處理產品。
02. 晶片平台遷移,也開始交給AI Agent
除了程式碼生成,TI此次展示的另一個方向,是利用AI Agent解決不同晶片平台之間的軟體遷移問題。
對於嵌入式開發而言,從一家晶片廠商切換到另一家廠商,往往不是簡單地修改幾行程式碼。由於晶片架構、外設配置和開發環境存在差異,原有軟體需要重新分析、修改和驗證。
TI表示,其AI Agent可以幫助客戶將其他廠商晶片上的軟體遷移至TI平台。
整個過程涉及原有原始碼分析、目標晶片外設配置、程式碼修改和編譯等多個環節。TI通過多個AI Agent分工協作,將原本相對複雜的遷移工作串聯起來。
更重要的是,AI的工作並沒有停留在程式碼修改階段。
遷移完成後,AI Agent還能夠參與測試計畫制定、實際硬體驗證、問題定位、程式碼修正和再次測試,並且可以連接邏輯分析儀、訊號發生器等測量裝置。
按照TI的說法,過去可能需要數月完成的裝置遷移工作,現在有機會縮短至數天,部分情況下甚至只需要數小時。
這對於擁有大量嵌入式產品和長期維護項目的企業而言,具有現實意義。畢竟,晶片平台遷移的成本不只是重新編寫程式碼,還包括後續驗證和偵錯。AI如果能夠參與整個流程,才有可能真正壓縮開發周期。
03. AI開始進入即時處理和彙編語言開發
TI此次展示的另一個案例,則涉及其Sitara處理器中的可程式設計即時單元PRU。
PRU是一種32位RISC處理器核心,主要負責對時間要求嚴格的即時任務,可以與Arm處理器核心協同工作。
由於PRU涉及精確的時序控制,部分開發工作需要使用彙編語言完成。這對開發人員的底層知識和開發經驗提出了較高要求,也成為新工程師進入相關領域的一道門檻。
為此,TI將Claude Code與PRU模擬器結合,開發了一套AI輔助工具。
TI為Claude Code提供了專門的Skill,其中包含PRU指令集、處理器架構、時序模型和參考手冊等資訊,使AI能夠依據PRU的實際技術規格生成程式碼。
同時,TI還開發了PRU模擬器。AI生成程式碼後,可以先在PC端模擬器中運行和驗證,不必立即寫入實際晶片。模擬器能夠通過圖形介面顯示GPIO和暫存器狀態,也可以通過MCP伺服器與Claude Code連接。
這實際上形成了一套從程式碼生成到模擬驗證的自動化流程。
TI現場展示了一個面向人形機器人的音訊處理系統。該系統模擬工廠環境中的噪聲,利用8個虛擬麥克風採集聲音資料,再通過開發板進行數字麥克風訊號處理,最終在PC端完成噪聲消除和人聲提取。
TI表示,這套系統的程式碼最初全部在模擬器中開發和驗證,之後才轉移至實際硬體運行。
這個演示項目的開發時間約為一周。TI認為,簡單項目可能只需要數小時至一天,而過去需要數月、甚至數年的大型項目,也有機會縮短至數周。
04. 嵌入式開發工具正在迎來一次變化
TI此次展示的技術,值得關注的地方在於,它改變了AI與傳統晶片開發工具之間的關係。
過去,AI程式設計工具更多是一個獨立的輔助工具。開發人員提出需求,AI生成程式碼,之後仍然需要工程師將程式碼放入開發環境,完成編譯、配置、燒錄和偵錯。
而TI正在嘗試打通這條鏈路,讓AI Agent直接進入開發環境,獲得晶片技術資料和工具呼叫能力,並且能夠根據實際運行結果繼續修改和驗證。
這裡面有一個關鍵變化:AI開始從生成程式碼,轉向執行開發任務。
這也解釋了為什麼MCP等連接機制越來越重要。對於嵌入式開發而言,單純提升大模型的程式碼生成能力並不足夠,AI還必須能夠呼叫具體的開發工具,讀取晶片手冊,理解外設配置,並獲得編譯器、模擬器和偵錯環境的反饋。
從這個角度看,TI的做法並不是簡單地給CCStudio增加一個AI助手,而是在嘗試把整個嵌入式開發環境改造成AI Agent可以呼叫和操作的工具體系。
當然,這並不意味著嵌入式工程師將不再需要專業知識。特別是在汽車電子、工業控制等對即時性、可靠性和安全性要求較高的領域,AI生成的程式碼仍然需要經過嚴格的測試和驗證。自然語言指令能夠完成開發流程,也不等於最終產品可以跳過工程驗證。
但有一點已經比較明確:當AI能夠理解具體晶片的硬體資源,並直接操作開發工具時,嵌入式軟體開發的門檻和效率都可能發生變化。
對於TI這樣的晶片廠商而言,競爭也不再侷限於晶片性能、功耗和價格。開發工具、技術資料、軟體生態能否被AI Agent有效呼叫,正在成為晶片平台競爭中的新變數。
未來,開發人員選擇一顆MCU時,除了考慮晶片本身的性能和外設資源,也可能越來越關註:這顆晶片是否能夠被AI高效開發,整個軟體開發生態是否已經為AI Agent做好準備。
這或許是TI此次展示背後更值得關注的行業訊號。 (半導體芯聞)

