抓住風(fēng)口

本期要點(diǎn)：跳出固定思維，突破產(chǎn)業(yè)瓶頸！

你好，我是王煜全，這里是王煜全要聞評論。

你敢相信嗎？一群擁有電子工程博士學(xué)位、拿著頂薪的資深工程師，居然長期將大量時(shí)間耗費(fèi)在一項(xiàng)近乎重復(fù)的手工勞動(dòng)上，在屏幕上手動(dòng)連接電路板上的成千上萬條走線。沒錯(cuò)，這就是以往硬件科技公司的常見現(xiàn)象。

過去，設(shè)計(jì)一塊高性能計(jì)算機(jī)主板平均需要3到6個(gè)月，其中約80%的工時(shí)都投入在了元器件的布局與連線上。即便最資深的工程師，也要逐一處理復(fù)雜而精細(xì)的連接。

然而，這個(gè)情況正在被一個(gè)名為Quilter AI的初創(chuàng)公司改變。

2025年末，在他們的“Project Speedrun”項(xiàng)目上，Quilter AI的系統(tǒng)經(jīng)過27小時(shí)的AI運(yùn)算與少量人工調(diào)整后，就完成了一塊復(fù)雜Linux主板的布線設(shè)計(jì)。打樣后的首版硬件就一次性通過了各項(xiàng)測試，成功運(yùn)行了Debian Linux，證明了AI生成的方案是可用的。

要知道，這塊主板集成了843個(gè)元件，若采用傳統(tǒng)人工流程，預(yù)計(jì)需要6到8周完成設(shè)計(jì)，AI卻把時(shí)間壓縮了至少40倍。

我們認(rèn)為，Quilter AI把電路設(shè)計(jì)徹底自動(dòng)化了。他們通過強(qiáng)化學(xué)習(xí)直接在物理定律的邊界內(nèi)尋找全局最優(yōu)解，使得硬件工程師能從繁瑣的重復(fù)勞動(dòng)中解脫，大幅降低了研發(fā)的邊際成本與試錯(cuò)門檻，并有望激發(fā)難以估量的創(chuàng)新潛力。而背后還蘊(yùn)藏著新物種的成功法則。

AI改造電路設(shè)計(jì)

首先，我們想指出的是，Quilter AI之所以值得關(guān)注，是因?yàn)樗珳?zhǔn)地?fù)糁辛擞布袠I(yè)的瓶頸，也就是智能工具的長期缺位，讓行業(yè)中最聰明的人才進(jìn)行重復(fù)勞動(dòng)。

Quilter AI的創(chuàng)始人Sergiy Nesterenko曾在SpaceX負(fù)責(zé)航電系統(tǒng)設(shè)計(jì)。他發(fā)現(xiàn)團(tuán)隊(duì)進(jìn)度總卡在PCB（印刷電路板）的布線上。工程師們需要花費(fèi)數(shù)周時(shí)間手動(dòng)調(diào)整走線，確保信號完整。而在航天這種高成本領(lǐng)域，一次因設(shè)計(jì)返工導(dǎo)致的發(fā)射推遲，往往意味著數(shù)百萬美元的損失。

Quilter AI的創(chuàng)始人Sergiy Nesterenko

而且，在軟件領(lǐng)域，AI編程工具已顯著提升了開發(fā)效率，迭代周期可以按天計(jì)算。硬件的迭代卻仍以季度為單位，這嚴(yán)重拖了智能革命的后腿。

工具落后的問題，自然應(yīng)該用AI來解決。于是，Sergiy創(chuàng)立了Quilter AI。

不過有意思的是，他們并沒有選擇基于大語言模型（LLM）的思路，也就是把海量的圖紙喂給AI，讓它學(xué)會(huì)像人類一樣畫圖。

因?yàn)長LM的底層邏輯是概率預(yù)測，它追求的是生成看起來合理的結(jié)果，但這必然伴隨一定的錯(cuò)誤率。而電路設(shè)計(jì)的底層邏輯是物理定律，必須保證絕對正確，否則即使AI生成了圖紙，工程師仍然需要費(fèi)時(shí)費(fèi)力去進(jìn)行排查。

人類歷史積累的海量PCB設(shè)計(jì)圖紙，并不是訓(xùn)練AI的優(yōu)質(zhì)數(shù)據(jù)資產(chǎn)，其中包含了許多因成本妥協(xié)、工具限制或個(gè)人習(xí)慣形成的次優(yōu)解乃至錯(cuò)誤，讓AI學(xué)習(xí)這些數(shù)據(jù)，只會(huì)繼承人類的缺陷。

因此，Quilter選擇了強(qiáng)化學(xué)習(xí)（RL）結(jié)合物理仿真的路線。其中的邏輯倒也不復(fù)雜，硬件設(shè)計(jì)的正確性，最終必須由基本物理定律來判定。

于是，他們構(gòu)建了一個(gè)高保真的虛擬物理仿真環(huán)境，其核心是編碼了麥克斯韋方程組、熱力學(xué)方程等定律的求解器。AI的每一次布局或布線決策，都被視為一個(gè)動(dòng)作，仿真環(huán)境會(huì)即時(shí)反饋該動(dòng)作下的物理狀態(tài)（如信號完整性、熱分布），并給予相應(yīng)的獎(jiǎng)勵(lì)或懲罰。這實(shí)際上構(gòu)建了一個(gè)近乎零邊際成本的快速試錯(cuò)系統(tǒng)。

通過數(shù)百萬次的自我修正，強(qiáng)化學(xué)習(xí)后的AI在沒有人類干預(yù)的情況下，學(xué)會(huì)了在物理定律的約束下，如何獲得最優(yōu)的綜合性能。

于是，我們看到Quilter AI生成的設(shè)計(jì)，走線并不符合人類工程師的審美習(xí)慣，但電氣性能反而更優(yōu)。它跳出了人腦處理幾何圖形時(shí)偏好橫平豎直的經(jīng)驗(yàn)，直接在物理定律允許的范圍內(nèi)，探索出人類經(jīng)驗(yàn)都沒觸及的更優(yōu)解。

這也印證了一點(diǎn)：在那些底層規(guī)則確定、容錯(cuò)率極低的領(lǐng)域（如科學(xué)研究、工程設(shè)計(jì)等等），讓AI基于絕對正確的自然規(guī)律進(jìn)行強(qiáng)化學(xué)習(xí)的訓(xùn)練，可能反而是更好的方式。

范式改變

我們想強(qiáng)調(diào)的是，Quilter AI看似是一次工具升級，但更體現(xiàn)了一個(gè)超越硬件研發(fā)本身的成功規(guī)律。

在這場智能變革中，一個(gè)“新物種”能否崛起，關(guān)鍵在于它能否將某個(gè)領(lǐng)域依賴個(gè)體經(jīng)驗(yàn)、充滿不確定性的手藝活，變成在明確約束條件下可自動(dòng)完成的工程問題。一旦完成這種轉(zhuǎn)換，行業(yè)的爆發(fā)點(diǎn)就可能到來。

與此同時(shí)，誰能把高昂的試錯(cuò)成本，轉(zhuǎn)化為近乎為零的計(jì)算成本，誰就在重新定義行業(yè)的商業(yè)模式。

傳統(tǒng)電路設(shè)計(jì)是典型的手藝活，設(shè)計(jì)質(zhì)量高度依賴工程師的個(gè)人經(jīng)驗(yàn)和難以言傳的直覺。盡管有EDA工具輔助，但核心決策仍由人腦完成，結(jié)果充滿變數(shù)。

Quilter AI正是試圖將這套依賴手感的過程，變?yōu)橐粋€(gè)自動(dòng)化流程：用戶輸入功能需求和性能、成本等約束條件，AI基于物理定律自動(dòng)完成全局最優(yōu)解的探索。

這實(shí)質(zhì)上是將硬件開發(fā)從重復(fù)性體力勞動(dòng)升級為創(chuàng)造性腦力勞動(dòng)，工程師可以將精力投入到系統(tǒng)架構(gòu)、交互邏輯等讓產(chǎn)品真正產(chǎn)生差異化競爭力的工作上。

這一轉(zhuǎn)變有望使得硬件研發(fā)的迭代成本急劇降低。過去，因?yàn)橛袆?dòng)輒數(shù)月的研發(fā)周期和超十萬美元的人力成本，為了1000個(gè)用戶設(shè)計(jì)一款硬件設(shè)備都可能會(huì)虧本；但未來，當(dāng)AI將研發(fā)周期壓縮到小時(shí)級，設(shè)計(jì)成本甚至只是軟件的訂閱費(fèi)，那么為10個(gè)用戶定制專屬硬件也將變得有利可圖。

可以看出，Quilter無疑解決了一個(gè)萬億級別產(chǎn)業(yè)的核心痛點(diǎn)。很快，我們或許就將看到硬件創(chuàng)新的迅速爆發(fā)，而Quilter AI也將可能成為支撐這一爆發(fā)過程的關(guān)鍵基礎(chǔ)設(shè)施。

不僅是硬件研發(fā)設(shè)計(jì)，無數(shù)傳統(tǒng)行業(yè)，比如依賴名醫(yī)的醫(yī)療診斷、依賴名師的教育、依賴首席分析師的咨詢、甚至依賴教授的前沿科研等等，有許多環(huán)節(jié)本質(zhì)上仍是低效且高成本的手藝活，創(chuàng)新的成本極高、效率也極低，等待著你去改造。

關(guān)鍵在于，你要進(jìn)行一次選擇：是要當(dāng)那個(gè)擁有資源最多、經(jīng)驗(yàn)最豐富，卻仍然堅(jiān)持手搓精品的“舊物種”，還是那個(gè)能夠提出正確問題、構(gòu)建低邊際成本迭代機(jī)制、并能用AI自動(dòng)化創(chuàng)新的“新物種”。

在即將到來的CES展2026上，我要與中國的科技企業(yè)家一同在智能硬件的創(chuàng)新現(xiàn)場浸潤式地觀察和挖掘新物種。后續(xù)我也將在科技特訓(xùn)營中第一時(shí)間分享所見所思，如果你也感興趣，歡迎加入科技特訓(xùn)營，和我一起，先人一步，領(lǐng)先一路！

以上就是今天的內(nèi)容，也在此向各位家長推薦前哨AI冬令營。我們認(rèn)為，最好的學(xué)習(xí)不是學(xué)理論，而是親手實(shí)踐。想讓孩子能親自上手完成真實(shí)的AI項(xiàng)目，從理解AI到駕馭AI，就快快點(diǎn)擊鏈接了解詳情吧。

王煜全要聞評論，我們明天見。

↓長按圖片掃碼報(bào)名，先人一步，領(lǐng)先一路

最后， 鑒于公眾 號推送機(jī)制的改變，你未來刷 到要聞評論的機(jī)會(huì)可能沒那么多了，建議你加入粉絲群，第一時(shí)間 得到我的獨(dú)家前沿分析，而且我們還會(huì)每天在粉絲群里發(fā)布獨(dú)家資料，快快掃碼加入吧！

此外，我們還為您準(zhǔn)備了一個(gè)思維導(dǎo)圖，掃描加群即可領(lǐng)取

“成為新物種”

↓點(diǎn)擊學(xué)習(xí)王煜全老師最新大師課，掌握馬斯克的賺錢底層邏輯！