洛杉磯一家名為Quilter的初創(chuàng)公司，憑借其Project Speedrun項(xiàng)目在硬件設(shè)計(jì)領(lǐng)域引發(fā)關(guān)注。該公司運(yùn)用人工智能技術(shù)，僅用一周時(shí)間便完成了一款配備843個(gè)組件的雙印刷電路板（PCB）Linux電腦設(shè)計(jì)，刷新了行業(yè)記錄。傳統(tǒng)方式下，完成如此復(fù)雜的PCB設(shè)計(jì)通常需要約三個(gè)月，而Quilter的方案將時(shí)間壓縮至極短周期。

更令人矚目的是，這款原型機(jī)在首次通電后便成功啟動(dòng)并運(yùn)行了Debian操作系統(tǒng)，未出現(xiàn)任何硬件層面的故障。這一成果表明，AI不僅加速了設(shè)計(jì)流程，還確保了最終產(chǎn)品的可靠性。據(jù)技術(shù)分析，Project Speedrun項(xiàng)目?jī)H需38.5小時(shí)的人類專家參與，配合AI一周的處理時(shí)間即可完成，而傳統(tǒng)模式下，熟練工程師獨(dú)立完成同類項(xiàng)目需約428小時(shí)，工時(shí)縮短幅度高達(dá)91%。

在傳統(tǒng)硬件開(kāi)發(fā)中，工程師需全程主導(dǎo)從“設(shè)置”到“執(zhí)行”再到“清理”的完整流程，其中“執(zhí)行”階段因耗時(shí)且易出錯(cuò)成為主要瓶頸。Quilter的AI系統(tǒng)通過(guò)接管這一階段，使工程師得以將精力集中于更具創(chuàng)造性的“設(shè)置”與后期優(yōu)化工作。這種分工模式不僅減少了人為疲勞導(dǎo)致的錯(cuò)誤，還為工程師提供了嘗試更多設(shè)計(jì)方案的空間，從而加速產(chǎn)品迭代。

與依賴語(yǔ)言模型的大語(yǔ)言工具不同，Quilter的AI訓(xùn)練機(jī)制聚焦于物理定律框架下的優(yōu)化問(wèn)題。其獨(dú)特之處在于，訓(xùn)練初期未使用任何人類設(shè)計(jì)的電路板樣本。公司CEO、前SpaceX工程師Sergiy Nesterenko解釋稱，人類設(shè)計(jì)常存在局限性，避免使用人類數(shù)據(jù)是為了防止AI的能力被“人類水平”束縛。團(tuán)隊(duì)的目標(biāo)不僅是追平人類工程師，而是探索超越現(xiàn)有經(jīng)驗(yàn)的更優(yōu)設(shè)計(jì)。

通過(guò)大幅降低時(shí)間、迭代和人力成本，Quilter的技術(shù)有望降低硬件開(kāi)發(fā)的準(zhǔn)入門檻。這一突破可能為新興硬件公司創(chuàng)造更多機(jī)會(huì)，推動(dòng)行業(yè)進(jìn)入快速創(chuàng)新階段。盡管目前AI仍需人類專家輔助，但團(tuán)隊(duì)表示，其系統(tǒng)已具備獨(dú)立完成全流程設(shè)計(jì)的能力，未來(lái)應(yīng)用場(chǎng)景將進(jìn)一步拓展。