اگر امروز یک مهندس سخت‌افزار هستید، باید بدانید که هوش مصنوعی از مرحله‌ی «ترسیم خطوط در نرم‌افزار» عبور کرده و حالا می‌تواند درباره‌ی فیزیک قطعات و محدودیت‌های الکتریکی استدلال کند. طبق نتایج نخستین نسخه‌ی محک EEBench که در ۴ سپتامبر ۲۰۲۶ منتشر شد، مدل Claude Opus 5 توانسته است بیش از ۶۰٪ از وظایف تخصصی طراحی الکترونیک را با امتیاز ۶۱.۶٪ حل کند.
برای سال‌ها، مشکل اصلی هوش مصنوعی در طراحی سخت‌افزار، رابط کاربری بود. اکثر مدل‌ها سعی می‌کردند با رابط‌های گرافیکی (GUI) مثل KiCad کار کنند و بیشتر وقتشان را صرف جنگ با مختصات و منوها می‌کردند تا حل مسائل مهندسی. در واقع، بخش زیادی از حافظه‌ی مدل در این حالت صرف درک مختصات، منوها و وضعیت لحظه‌ای اپلیکیشن می‌شد، نه منطق مدار. صنعت سخت‌افزار تا پیش از این فاقد یک روش قطعی (Deterministic) برای اندازه‌گیری این بود که آیا یک مدار تولید شده توسط هوش مصنوعی واقعاً کار می‌کند یا فقط روی صفحه نمایش «محتمل» به نظر می‌رسد. همان‌طور که در تحلیل‌های قبلی ما درباره‌ی عامل‌های هوش مصنوعی اشاره کردیم، وابستگی به رابط‌های بصری معمولاً نرخ خطای عامل‌ها را بالا می‌برد. این چالش‌ها در مقیاس سازمانی منجر به بحث‌هایی درباره‌ی بهینه‌سازی پلتفرم‌های ارکستره در برابر پلاگین‌های ساده شده است تا تعامل مدل با ابزارهای تخصصی دقیق‌تر شود.
تیم atopile با معرفی EEBench این بازی را تغییر داد. آن‌ها فرآیند طراحی را به کدنویسی توصیفی (Declarative Code) منتقل کردند. در این روش، عامل (Agent) — شبیه به یک معمار که به‌جای کشیدن نقشه، دستورات دقیق ساخت را می‌نویسد — مستقیماً با قطعات، اتصالات و محدودیت‌های الکتریکی کار می‌کند. در این ساختار، مدار در قالب کد زندگی می‌کند؛ این یعنی مدل می‌تواند طراحی را تغییر دهد، آن را بسازد، شبیه‌سازی کند و بدون ترک محیط پروژه، نقاط شکست را بررسی کند. این رویکرد به محک اجازه می‌دهد تا تست‌های مربوط به «استفاده از کامپیوتر» (Computer Use) را دور بزند و تماماً بر مهندسی الکترونیک تمرکز کند. این تغییر رویکرد از رابط گرافیکی به کدنویسی، همسو با روندی است که در آن ابزارهای کدنویسی هوش مصنوعی فعالیت توسعه‌دهندگان را به‌شدت افزایش داده‌اند و سرعت تبدیل ایده به محصول را بالا برده‌اند.
مکانیسم نمره‌دهی سخت‌افزاری
برای جلوگیری از توهم (Hallucination) — یعنی وقتی مدل با اطمینان چیزی می‌گوید که وجود ندارد، مثل دوستی که خاطره‌ای را اشتباه تعریف می‌کند — این محک از یک سیستم شبیه‌سازی دقیق استفاده می‌کند. طبق مستندات EEBench، فرآیند طبق یک خط لوله (Pipeline) سخت‌گیرانه پیش می‌رود:
- عامل طراحی را در قالب کد توصیفی (با استفاده از atopile v2 .ELEC) ارسال می‌کند.
- سیستم یک گراف مدار و یک لیست قطعات (BOM) می‌سازد.
- شبیه‌ساز ngspice اجرا می‌شود تا ولتاژها و رفتارهای واقعی مدار را اندازه‌گیری کند.
- نتایج با محدودیت‌های قطعی سنجیده می‌شوند (مثلاً یک ولتاژ خاص باید برای ۲۰ میلی‌ثانیه بالای ۳.۰ ولت باقی بماند).
به‌عنوان مثال، در یک تسک ابتدایی برای یک پروژه عمومی، مدل باید ورودی ولتاژ (.vin)، ولتاژ نگهدارنده (.vhold) و یک بانک خازنی (.c_bank) را تعریف کند. خازن باید با محدودیت‌های بسیار خاصی تعریف شود: ظرفیت ۲۲ میکروفاراد با تلورانس ۲۰٪+/-، ولتاژ حداکثری بین ۱۰ تا ۲۵ ولت، ضریب دمایی «X5R» و بسته‌بندی «0805». این یعنی مدل باید محدودیت‌های فیزیکی دنیای واقعی را بفهمد، نه فقط فرمول‌های کتابخانه‌ای را.
پیچیدگی واقعی در برابر تئوری کتابخانه‌ای
یکی از تسک‌های اصلی، طراحی یک کنتور انرژی خانگی است. وقتی منبع تغذیه ۵ ولتی آن قطع می‌شود، مدار باید پردازنده را برای ۲۰ میلی‌ثانیه زنده نگه دارد تا داده‌های انباشته شده ذخیره شوند. در این بازه زمانی، ریل محافظت‌شده باید بالای آستانه Brownout پردازنده (۳.۰ ولت) باقی بماند.
در حالی که اکثر مدل‌ها به‌طور شهودی پیشنهاد می‌دهند که یک خازن اضافه شود، EEBench بررسی می‌کند که آیا هوش مصنوعی فیزیک دنیای واقعی را درک می‌کند یا خیر. خازن‌های واقعی این تسک را جالب‌تر می‌کنند، زیرا قطعات سرامیکی ممکن است پس از اعمال ولتاژ، ظرفیتی بسیار کمتر از مقدار اعلام‌شده در دیتاشیت ارائه دهند. قطعات دارای تلورانس هستند. علاوه بر این، افزودن ظرفیت بیشتر باعث افزایش هزینه می‌شود، فضای فیزیکی بیشتری اشغال می‌کند و باعث می‌شود ریل ولتاژ هنگام بازگشت برق، دیرتر شارژ شود.
در یک شبیه‌سازی شکست‌خورده، ریل محافظت‌شده با ولتاژی نزدیک به ۴.۵۵ ولت شروع به کار کرد اما تنها پس از ۰.۸۵ میلی‌ثانیه به زیر ۳ ولت رسید؛ یعنی بسیار زودتر از پنجره ۲۰ میلی‌ثانیه‌ای مورد نیاز. EEBench دقیقاً ولتاژ را در طول قطعی، ظرفیت مؤثر در نقطه کاری، سرعت بازیابی پس از بازگشت برق و محدودیت‌های مربوط به بسته‌بندی، دی‌الکتریک، رتبه‌بندی ولتاژ و هزینه اندازه‌گیری می‌کند.
در تسک‌های سخت‌ترِ آنالوگ، عامل‌ها باید فیلترهای پایین‌گذر با بازخورد چندگانه (Multiple-Feedback) را حول یک تقویت‌کننده عملیاتی (Op-amp) سنتز کنند. آن‌ها باید نسبت‌های مقاومت و خازن را برای قطب‌های مورد نیاز حل کنند و در عین حال تضمین کنند که بهره (Gain)، فرکانس قطع و ضریب کیفیت (Q) حتی زمانی که قطعات در بدترین حالت تلورانس (Worst-case tolerance corners) هستند، در محدوده مجاز باقی بمانند. سیستم شبیه‌ساز، فایل SPICE را برای این گوشه‌های تلورانس بازسازی کرده، تحلیل‌های AC و Transient را اجرا می‌کند، اندازه‌گیری‌ها را به پروب‌های نام‌گذاری شده متصل کرده و نتایج را در برابر حد بالا و پایین مشخصات ثبت می‌کند.
موازنه مهندسی: هنر انتخاب
در مهندسی الکترونیک، درست نوشتن معادلات تنها نیمی از راه است. EEBench از قطعات واقعی تولیدکنندگان استفاده می‌کند که مشخصاتشان مستقیماً از دیتاشیت‌ها استخراج شده و به مدل SPICE منتقل شده است.
عامل باید ترکیبی را پیدا کند که هم در تمام گوشه‌های تلورانس کار کند و هم قطعاتی را انتخاب کند که واقعاً وجود داشته باشند، قابل سفارش باشند و قیمت مناسبی داشته باشند. این موازنه بین عملکرد الکتریکی، هزینه و زنجیره تأمین، بسیار به طراحی سخت‌افزار واقعی نزدیک‌تر است تا انتخاب مقادیر ایده‌آل از یک کتاب درسی. در واقع، مهندسی الکترونیک در هسته خود یعنی مدیریت همین موازنه‌ها (Trade-offs).
وضعیت جدول رده‌بندی
تا ۱ سپتامبر ۲۰۲۶، شکاف عملکرد بین آزمایشگاه‌ها کاملاً آشکار شده است. پنج مدل برتر در EEBench V1 عبارت‌اند از:
۱. Claude Opus 5: ۶۱.۶٪
۲. Grok 4.6: ۵۷.۱٪
۳. Claude Fable 5.1: ۵۶.۴٪
۴. Claude Fable 5: ۵۴.۳٪
۵. Claude Opus 4.8 Max: ۵۱.۴٪
به گزارش xAI، این نتایج در کارت مدل Grok 4.6 تحت عنوان «شتاب‌دهنده مهندسی» در کنار ارزیابی‌های مدل‌سازی سه‌بعدی و CAD پارامتریک ادغام شده است. اجرای منتشر شده توسط آن‌ها نشان داد که Grok 4.6 هنگام استفاده از حالت «تلاش استدلالی بسیار بالا» (xhigh reasoning effort) به امتیاز ۶۰.۰٪ می‌رسد. xAI ادعا می‌کند موفقیت این مدل مدیون داده‌های مهندسی باکیفیت و آموزش یادگیری تقویتی (RL) در محیط‌های تخصصی دامنه، از جمله طراحی به کمک کامپیوتر است.
در مقابل، مدل‌های فعلی OpenAI عقب‌تر هستند. GPT-5.5 امتیاز ۴۲.۳٪ و GPT-5.6 Sol امتیاز ۳۹.۴٪ را کسب کردند. اگرچه OpenAI اخیراً دموی GPT-6 Astra را در حال کار روی یک برد در KiCad در صفحه اول پست معرفی خود نشان داد، اما هنوز نمره رسمی این مدل در EEBench منتشر نشده است. تیم توسعه مشتاق است ببیند Astra در مقایسه با عملکردش در رابط گرافیکی، چگونه با این تسک‌های خاص طراحی مدار برخورد می‌کند.
از محک به آموزش
از آنجا که EEBench بازخوردهای قطعی می‌دهد — مثلاً دقیقاً می‌گوید کدام ولتاژ از حد مجاز خارج شد یا کدام گوشه عملیاتی شکست خورد — می‌تواند به عنوان یک محیط یادگیری تقویتی (RL) عمل کند. به‌جای اینکه یک انسان بگوید «مدار خوب به نظر می‌رسد»، شبیه‌ساز یک سیگنال پاداش دقیق صادر می‌کند.
این یعنی آزمایشگاه‌های پیشرو می‌توانند یک حلقه آموزشی بسته ایجاد کنند: مدل یک طراحی پیشنهاد می‌دهد، شبیه‌سازی آن را رد می‌کند و مدل از دلیل الکتریکی شکست یا هزینه غیرضروری قطعات درس می‌گیرد. تیم atopile در حال همکاری با آزمایشگاه‌هاست تا مجموعه‌های ارزیابی بزرگ‌تر و محیط‌های آموزشی مبتنی بر شبیه‌سازی را برای مراحل پس از آموزش (Post-training) فراهم کند.
این چرخش نشان می‌دهد که آزمایشگاه‌های هوش مصنوعی از استدلال عمومی به سمت مهندسی فیزیکی تخصصی حرکت می‌کنند. این تحول در واقع تکامل همان منطقی است که در سیستم‌های هوش مصنوعی صنعتی برای تبدیل داده‌های حسگر به عملیات هوشمند به کار می‌رود، اما این بار در سطح طراحی بنیادین سخت‌افزار. احتمالاً نقطه داده بزرگ بعدی با Grok 4.7 arrives خواهد شد؛ مدلی که ایلان ماسک ادعا می‌کند طی هفته‌های آینده پس از آموزش روی مجموعه بزرگی از داده‌های SpaceX منتشر می‌شود تا به‌طور ویژه در مهندسی توانمند باشد.
آینده طراحی سخت‌افزار با هوش مصنوعی
برای یک مهندس، این به معنای آن نیست که هوش مصنوعی امروز می‌تواند به‌تنهایی یک ضربان‌ساز قلب طراحی کند. اما ثابت می‌کند که AI اکنون می‌تواند موازنه‌های خسته‌کننده بین عملکرد الکتریکی، هزینه قطعات و موجودی زنجیره تأمین را مدیریت کند.
نسخه اول EEBench فعلاً روی طراحی آنالوگ و دیجیتال از طریق شبیه‌سازی متمرکز است. این محک هنوز تعیین نمی‌کند که آیا یک مدل می‌تواند چیدمان (Layout) را انجام دهد، محصول را تولید کند و آن را راه‌اندازی (Bring-up) کند یا خیر، هرچند تیم قصد دارد این قابلیت‌ها را بعداً اضافه کند. در حال حاضر، تمرکز بر حلقه «نیازمندی $\rightarrow$ طراحی $\rightarrow$ تأیید» است، جایی که کار مهندسی را می‌توان به‌صورت عینی نمره‌دهی کرد.
گام بعدی شما
- اگر در حال طراحی سخت‌افزار هستید، از ابزار atopile برای تعریف بردهای توصیفی استفاده کنید تا ببینید یک عامل هوش مصنوعی تا کجا می‌تواند در حل محدودیت‌های شما کمک کند.
- متدولوژی عمومی و ابزار بررسی نتایج EEBench برای کسانی که می‌خواهند عمیق‌تر در داده‌ها غوطه‌ور شوند، در دسترس است.
- منتظر انتشار نمرات GPT-6 Astra باشید تا ببینید آیا عملکرد در GUI با استدلال کدنویسی همخوانی دارد یا خیر.
اما داستان سخت‌افزاری این تحول حتی شگفت‌انگیزتر است — به تحلیل ما درباره‌ی تراشه‌های Blackwell مراجعه کنید.
گفتگو