AI在线 AI在线

硬件设计革命:AI 操刀电脑设计,工时压缩 91%

AI在线 12 月 17 日消息,科技媒体 Tom's Hardware 昨日(12 月 16 日)发布博文,洛杉矶初创公司 Quilter 凭借 Project Speedrun 项目,刷新了硬件设计记录:利用 AI 仅耗时一周便完成了一款包含 843 个组件的双印刷电路板(PCB)Linux 电脑设计。 通常情况下,设计这样一款复杂的 PCB 电路板,需要耗时约 3 个月,而 Quilter 仅耗时一周即宣告完成。 更为关键的是,该原型机在制造完成后,首次上电便成功启动并运行了 Debian 操作系统,未出现任何硬件级错误。

AI在线 12 月 17 日消息,科技媒体 Tom's Hardware 昨日(12 月 16 日)发布博文,洛杉矶初创公司 Quilter 凭借 Project Speedrun 项目,刷新了硬件设计记录:利用 AI 仅耗时一周便完成了一款包含 843 个组件的双印刷电路板(PCB)Linux 电脑设计。

硬件设计革命:AI 操刀电脑设计,工时压缩 91%

通常情况下,设计这样一款复杂的 PCB 电路板,需要耗时约 3 个月,而 Quilter 仅耗时一周即宣告完成。更为关键的是,该原型机在制造完成后,首次上电便成功启动并运行了 Debian 操作系统,未出现任何硬件级错误。

该媒体指出 AI 介入 PCB 设计的最大价值,在于消除了系统设计中的长期瓶颈。数据显示,Project Speedrun 仅需 38.5 小时的人类专家辅助,配合一周的 AI 处理时间即可完工。

相比之下,一名熟练的人类工程师完成同等规模的项目通常需要约三个月,累计耗时约为 428 小时,意味着 Quilter 的 AI 方案将工时缩短 91%,彻底改变了时间成本结构。

硬件设计革命:AI 操刀电脑设计,工时压缩 91%

AI在线援引博文介绍,在传统的硬件开发中,工程师需全程主导“设置、执行、清理”三个阶段。Quilter 的 AI 成功接管了最耗时且易出错的“执行”阶段,让工程师能专注于极具创造性的“设置”与后期的“清理”工作。

这种分工不仅规避了人为疲劳导致的错误,还让工程师有余力尝试更多设计方案,从而加快产品上市速度。当然,该团队也表示,如有需要,其 AI 亦具备全流程处理能力。

与 GPT-5 或 Claude 等大语言模型(LLM)不同,电路板设计并非语言任务。Quilter 的 AI 训练机制类似于在物理定律框架下进行的一场“优化博弈”。

值得注意的是,该 AI 在训练早期并未投喂任何人类设计的样本板。Quilter CEO、前 SpaceX 工程师 Sergiy Nesterenko 解释称,人类在电路设计中常犯错误,摒弃人类数据是为了防止 AI 的能力上限被“人类水平”锁死。

Quilter 的长远目标不仅是追平人类工程师,而是创造出人类未曾尝试过的更优电路设计。通过大幅降低时间、迭代和人力成本,该技术有望移除硬件开发的各种高门槛,从而催生新一代硬件初创公司。

相关资讯

初创公司 Friend 预热人工智能吊坠硬件,上线对话平台可先行与 AI 聊天

初创公司 Friend 预热人工智能吊坠硬件,上线对话平台可先行与 AI 聊天

初创公司 Friend 现预热一款 Friend AI 吊坠硬件,该硬件可以挂在用户脖子上,通过内置的麦克风和扬声器与用户进行对话,不过IT之家注意到 Friend 公司尚未公布这款硬件的具体规格。
11/19/2024 4:42:11 PM 漾仔
降低门槛,全平台应用,昇腾还会手把手地教你如何用AI

降低门槛,全平台应用,昇腾还会手把手地教你如何用AI

机器之心报道作者:泽南如何才能做到 AI 应用一次开发,全场景部署?昇腾给出了答案。如今的大多数 AI 应用程序都需要跑在多种类型的处理器上,覆盖数十个版本的操作系统,运行在从端侧到云计算集群的各种设备上。这样复杂的环境,对软件的适应性和模型的可裁剪、可伸缩性提出了极高要求。AI 开源框架也在顺应这股潮流,昇腾发布的 CANN、MindSpore、MindX 等工具,可以让开发者实现「统一端边云,全端自动部署」,开启了机器学习开发的新时代,一直被人们寄予厚望。昇腾的 AI 全栈软件平台。其中,基础架构作为连接硬件与
3/19/2021 11:23:00 AM 机器之心
用LLM做半导体设计,IBM&MIT提出受神经启发的LLM推理网络SOLOMON

用LLM做半导体设计,IBM&MIT提出受神经启发的LLM推理网络SOLOMON

编辑丨coisini尽管大型语言模型(LLM)擅长复杂推理,但在适应特定领域时仍面临挑战,尤其是在需要空间推理和解决结构化问题的领域。 半导体布局设计就是一个典型例子,AI 工具必须理解几何约束并确保组件的精确布局。 基于此,来自 IBM TJ 沃森研究中心和 MIT-IBM 沃森人工智能实验室的研究人员提出了一种受神经启发的 LLM 推理网络 ——SOLOMON,旨在增强领域特定的适应性。
3/18/2025 11:59:00 AM ScienceAI