Can AI design circuit boards yet?
AI уже способен проектировать простые печатные платы, особенно в рамках ограниченных задач, таких как поддержание напряжения при отключении питания. Демонстрация GPT-6 Astra в KiCad и работа с EEBench показывают, что модели могут понимать электронику на уровне учебников и даташитов, но их эффективность сильно зависит от используемого инструментария. Работа в графических CAD-средах требует от ИИ отслеживания координат и состояния интерфейса, что отнимает ресурсы. В отличие от этого, использование декларативного языка описания схем, как в atopile, позволяет агенту напрямую оперировать компонентами, соединениями и электрическими ограничениями, запускать симуляции и анализировать результаты без выхода из проекта. Это значительно повышает фокус на саму электронику, а не на взаимодействие с интерфейсом.
EEBench оценивает не только формальную корректность схемы, но и её поведение в реальных условиях: толерантности компонентов, падение ёмкости керамических конденсаторов под напряжением, время восстановления питания и соблюдение пределов по стоимости и габаритам. Например, в задаче с резервным питанием для счётчика энергии модель предложила добавить конденсатор, но симуляция показала, что защита падает ниже 3 В уже через 0,85 мс вместо требуемых 20 мс. В более сложных аналоговых задачах агенту приходится синтезировать фильтры с учётом худших случаев толерантностей, пересчитывая SPICE-модели для каждого угла. Хотя модели часто предлагают рабочие, но избыточно дорогие решения, это даёт основу для обучения через обратную связь. EEBench — это публичная часть более широкой работы по созданию сред для постобучения ИИ в электронике, и уже сейчас можно попробовать подход в atopile, задав агенту реальную плату для проектирования. Хотя полностью доверять ИИ в критичных системах вроде кардиостимуляторов ещё рано, прогресс очевиден, и интерес к этому направлению растёт среди ведущих лабораторий.