Quilter viser, at AI nu kan designe rigtig hardware med verdens første maskinkonstruerede computer

Grænsen mellem, hvad mennesker bygger, og hvad maskiner kan skabe autonomt, har netop flyttet sig dramatisk. Quiltning, en fysikdrevet AI-virksomhed med fokus på elektronisk design, har afsløret den første computer nogensinde designet af kunstig intelligens – ikke blot assisteret, men også designet, placeret, routet og valideret af en AI-motor, der er trænet til at forstå fysikkens love, der styrer virkelig hardware. Resultatet var ikke en simulering eller en teoretisk demonstration. Det var en fremstillet, to-board Linux-kompatibel computer bygget op omkring en NXP i.MX 8M Mini – og den startede op i første forsøg.

Initiativet, kaldet Projekt Speedrun, komprimerer det, der normalt kræver et ingeniørteam og måneders omhyggelig placering, routing og fejlfinding, til en uges sprint ledet af blot én ingeniør, der arbejder side om side med Quilters platform. Det er et vendepunkt, ikke kun for AI i hardwaredesign, men for innovationstempoet i hele elektronikindustrien.

Den traditionelle flaskehalsquilter forsøger at bryde

Moderne elektronikdesign er et af de sidste ingeniørområder, hvor dygtige fagfolk stadig udfører ekstremt manuelt arbejde. PCB-layout har længe været en omhyggelig proces formet af fysiske begrænsninger - signalintegritet, differentiel parmatching, termisk adfærd, EMI-følsomhed, impedansmål, produktionstolerancer og hundredvis af subtile layoutregler, der påvirker pålideligheden. Selv de mest erfarne ingeniører bygger disse komplekse printkort gennem cyklusser af afprøvning, revision og omdirigering.

Mens softwareteams kan sende opdateringer dagligt, venter hardwareteams ofte ugelange cyklusser mellem revisioner. Et tæt, flerlags printkort, der understøtter et system-på-modul og højhastighedsgrænseflader, starter sjældent op i første forsøg, selv med ekspertteams. Den langsomme iterationskadence begrænser eksperimentering, øger omkostningerne, begrænser produktets tidslinjer og gør hardware fundamentalt modstandsdygtig over for den hastighed, der ses i moderne softwareudvikling.

Det er denne flaskehals, som Quilter satte sig for at eliminere.

Sådan fungerer Quilters AI-system

Quilters underliggende motor er ikke en sprogmodel eller en forbedret autorouter. Det er en fysikdrevet forstærkningslæringssystem der forstår elektriske og termiske begrænsninger som førsteklasses designinput. Ingeniører giver systemet skematisk information og (valgfrit) begrænsninger, og AI'en producerer fabrikationsklare printkortlayouts, samtidig med at den tager højde for den virkelige adfærd, såsom:

• signalintegritetsbetingelser
• spore impedans
• jitter og skævhed
• termisk udbredelse
• strømbærende kapacitet
• elektromagnetiske overvejelser
• fysisk fremstillingsevne

Dette er ikke bare stifinding. Det er ræsonnement baseret på fysik, hvor AI'en løbende evaluerer, om et layout opfylder de underliggende love, der bestemmer, om et bræt vil fungere i virkeligheden, ikke kun på skærmen.

Quilter integrerer med standard EDA-arbejdsgange og understøtter input fra Altium, Cadence, KiCad, Siemens og andre almindelige værktøjer. Ingeniører bevarer fuld kontrol – de kan justere begrænsninger, undersøge alternativer eller udføre manuelle redigeringer – men det gentagne, lav-gearing arbejde med placering og routing håndteres automatisk.

Inde i Projekt Speedrun: Hvad AI'en rent faktisk gjorde

Til sin debutdemonstration valgte Quilter en ægte, produktionsskala, to-korts computersystem med højhastighedsbusser, DDR-hukommelse, strømstyring og komplekse routingkrav. Systemet omfattede:

• et komplet system-på-modul (SOM)
• en ledsagende fodliste
• 843 komponenter
• tusindvis af forbindelser
• flere højhastighedsgrænseflader
• kritiske impedansstyrede net

Ifølge virksomheden udførte Quilter autonomt 98% af placering, routing og fysikvalidering, hvilket efterlod ingeniøren i en tilsynsførende rolle i stedet for en manuel. Resultatet var et layout, der krævede minimale redigeringer og hurtigt kunne overgå til fabrikation.

Produktivitetspåvirkningen: Design med softwarehastighed

Tallene bag Project Speedrun er svimlende. En proces, der normalt kræver mere end 400 timers manuel indsats, blev reduceret til 38.5 timers samlet ingeniørinddragelse, inklusive supervision og justeringer af begrænsninger. Rent designarbejde - placering, routing, fysiktjek - blev næsten udelukkende håndteret af Quilter.

En 11x acceleration i designcyklusser er ikke bare en marginal forbedring; det er et trinvis skift i, hvor hurtigt hardware kan bygges og itereres.

Hvis disse gevinster skaleres på tværs af branchen, bliver flere forandringer mulige:

1. Hardwareteams itererer ligesom softwareteams.
Flere designvarianter kan testes, gennemgås og fremstilles inden for det samme tidsvindue, hvor det tidligere kun var muligt med én.

2. Startups uden store hardwareteams bliver pludselig konkurrencedygtige.
En lille gruppe kan producere sofistikerede printkort uden at kræve et stort ingeniørteam.

3. Virksomheder kan reducere omkostningerne ved respin drastisk.
Hver undgået respin sparer budget, tid og produktionsressourcer.

4. Grænsen mellem prototyping og produktion bliver tyndere.
Med pålidelige resultater ved første opstart spilder teams mindre tid på at fejlfinde grundlæggende layoutproblemer.

5. Hardwareinnovationscyklusser komprimeres.
Ideer, der engang krævede penge at teste, kunne tage uger – eller mindre.

Hvorfor dette er vigtigt for elektronikkens fremtid

Quilters annoncering signalerer noget mere dybtgående end en teknisk præstation. Den markerer begyndelsen på en ny dynamik: AI er nu i stand til at designe funktionelle fysiske systemer, der opererer i den virkelige verden.

I løbet af det seneste årti har AI's indflydelse primært været begrænset til digitale domæner — kodegenerering, indholdsskabelse, analyser, forudsigelser. Projekt Speedrun udvider AI's rækkevidde til det fysiske domæne, hvor tekniske beslutninger skal være baseret på love, der ikke kan forfalskes, tilnærmes eller omgås.

Implikationerne er enorme:

• Forbrugerenheder kan nå markedet hurtigere med færre forsinkelser i forsyningskæden forårsaget af designcyklusser.
• Industriel, medicinsk og bilelektronik kunne udforske flere designvarianter og pålidelighedsprofiler uden at pådrage sig måneders tekniske overhead.
• Robotik og IoT kan opleve en eksplosion i specialiseret hardware, der er skræddersyet til snævre anvendelsesscenarier.
• Chiplet-systemer, modulære computerenheder og brugerdefinerede kort kan blive langt mere tilgængelige for mindre organisationer.
• Innovation er ikke længere begrænset af antallet af tilgængelige printkortingeniører; kapacitet skaleres med beregning.

Vigtigst af alt begynder grænsen mellem digital intelligens og fysisk produktudvikling at opløses. AI er ikke længere en rådgiver eller en hjælper – det er en skaberen af ​​håndgribelig elektronik.

Vejen foran

Quilter's Systemet er stadig under udvikling. Ekstremt højfrekvente eller ultratætte designs vil fortsat udfordre ethvert automatiseret system, og teknisk tilsyn er fortsat afgørende. Projekt Speedrun demonstrerer, at en stor del af moderne printkortdesign er klar til automatisering – og at automatisering er pålidelig nok til at producere fungerende hardware med en hidtil uset hastighed.

Efterhånden som flere teams anvender fysikdrevne AI-værktøjer, kan hele tempoet i elektronikudviklingen ændre sig. Hardware kan endelig træde ind i den hurtige iterationsæra, som software har nydt i to årtier.

For nu skiller én kendsgerning sig ud over alt andet: den første AI-designede computer er ægte, produceret og operationel – og det er kun begyndelsen.