تصور کنید یک مهندس سخت‌افزار باشید که می‌خواهد ایده‌اش را در عرض چند دقیقه به یک برد واقعی تبدیل کند، اما هر بار با خطاهای فیزیکی در تولید مواجه می‌شود. این همان شکافی است که PCBEditor با جداسازی «قضاوت» از «اندازه‌گیری» قصد پر کردن آن را دارد. در حالی که پیش از این، تولید تصاویری که شبیه به بردهای مدار چاپی باشند، نهایت توانایی طراحی‌های متن-به-PCB بود، اکنون هدف به سمت «قابلیت ساخت واقعی» تغییر کرده است.
طبق گزارش و تحلیل فنی منتشر شده در ۱۵ سپتامبر ۲۰۲۶، این ابزار برخلاف مدل‌های پیشین، فرآیند طراحی را به دو نقش مجزا تقسیم کرده است تا از تولید بردهایی که فقط در تصویر زیبا هستند و در واقعیت غیرقابل ساخت‌اند، جلوگیری کند. این رویکرد بر این اصل استوار است که فرآیند طراحی باید بین قضاوت منطقی و اندازه‌گیری دقیق تقسیم شود.
بسیاری از دموهای هوش مصنوعی در حوزه PCB شکست می‌خورند چون از یک مدل زبانی بزرگ (LLM) — مثل کتابخانه‌داری که میلیاردها صفحه را خوانده و حالا با همان لحن کتاب‌ها جواب می‌دهد — می‌خواهند هم منطق مدار و هم فیزیک برد را مدیریت کند. این یک اشتباه بنیادین است؛ چرا که طراحی یک برد نیازمند دو ابزار کاملاً متفاوت است، زیرا ماهیت این دو وظیفه با یکدیگر تفاوت اساسی دارد.
مدل‌های زبانی در مرحله «قضاوت» عالی هستند؛ مثلاً می‌توانند بر اساس دانش پیشین، میکروکنترلر یا رگولاتور مناسب را انتخاب کنند. اما آن‌ها نمی‌توانند فاصله‌های فیزیکی (Clearances) را اندازه بگیرند. یک LLM نمی‌تواند تعیین کند که آیا یک مسیر مسی با فاصله ۰.۱۵ میلی‌متر از یک پد فاصله دارد یا خیر، و یا اینکه آیا شبکه‌ها (Nets) می‌توانند بدون تداخل در چهار لایه مسیریابی شوند یا نه. در دنیای سخت‌افزار، تخمین زدن ۰.۱۵ میلی‌متر یک «اندازه‌گیری» نیست، بلکه یک «حدس» است که مستقیماً به شکست در مرحله تولید منجر می‌گردد.
همان‌طور که در تحلیل‌های قبلی ما درباره‌ی محدودیت‌های استدلال مدل‌های مولد اشاره کردیم، تکیه بر تخمین‌های احتمالی در محیط‌های سخت‌گیرانه فیزیکی خطرناک است. به همین دلیل، خط لوله PCBEditor یک تقسیم کار سخت‌گیرانه را اجرا می‌کند که در آن هوش مصنوعی تصمیم می‌گیرد و موتور سیستم آن را اثبات می‌کند:
- طراحی قصد توسط LLM: کاربر توصیفی ساده به زبان انگلیسی می‌دهد (مثلاً «یک برد سنسور ESP32 با تغذیه USB-C، یک شارژر LiPo و دو کانکتور Qwiic»). هوش مصنوعی سپس قطعات را انتخاب کرده و یک لیست اتصالات (Netlist) پیشنهاد می‌دهد. این مرحله در واقع استدلالی است که بر اساس دانش پیشین و در قالب زبان شکل گرفته است.
- ساخت توسط موتور قطعی (Deterministic Engine): یک موتور جست‌وجوی هندسی، مسئولیت جای‌گذاری قطعات و مسیریابی مس را بر عهده می‌گیرد. این یک سیستم مبتنی بر «محدودیت‌های سخت» است (مشابه اتوروترهای سنتی) و نه یک مولد متن. این موتور با برد به عنوان یک هندسه ریاضی برخورد می‌کند، نه به عنوان یک متن.
- لایه تایید: در نهایت، یک بررسی قوانین طراحی (DRC) اجرا می‌شود تا اطمینان حاصل شود که برد قابل ساخت است. هر اتصال ناقص (Unrouted Net) پیش از خروجی گرفتن از فایل‌های Gerber، فایل‌های دریل (Drill)، فایل‌های Pick-and-Place و لیست قطعات (BOM)، به نام دقیق گزارش می‌شود.
بر اساس مستندات فنی این سامانه، این تفکیک برای «تکرارپذیری» حیاتی است. اگر یک مدل زبانی مسئول مسیریابی برد باشد، خروجی بر اساس پارامترهایی مثل دمای مدل، نحوه بیان درخواست (Phrasing) یا به‌روزرسانی‌های مدل تغییر می‌کند. اگر یک درخواست را دو بار اجرا کنید، دو برد متفاوت دریافت خواهید کرد. در مهندسی سخت‌افزار، این موضوع غیرقابل قبول است؛ برای اینکه سیستمی قابل اعتماد باشد، ورودی یکسان باید هر بار خروجی یکسانی تولید کند.
یک مسیریاب قطعی تضمین می‌کند که با ارتقا یا تعویض مدل هوش مصنوعی زیربنایی، طراحی برد دچار «انحراف» (Drift) نشود. این ثبات و تکرارپذیری یک ویژگی جانبی نیست، بلکه زیربنای مهندسی سخت‌افزار حرفه‌ای است.
در مورد شکست‌ها نیز، این سیستم صادق است. هیچ مسیریابی وجود ندارد که بتواند هر بردی را به طور کامل تکمیل کند و هر ابزاری که ادعای خلاف این را داشته باشد، دروغ می‌گوید. در PCBEditor، شکست‌ها به جای استفاده از درصدهای گمراه‌کننده، به صورت شفاف مدیریت می‌شوند. به جای ادعای اینکه برد «۹۴٪ مسیریابی شده است» — که در واقع پنهان می‌کند کدام مسیرها شکست خورده‌اند — سیستم نام دقیق اتصالات ناموفق را ذکر می‌کند.
این رویکرد به مهندس می‌گوید که دقیقاً کدام قطعات باید جابه‌جا شوند تا گلوگاه (Bottleneck) برطرف گردد. در واقع، اکثر شکست‌های مسیریابی، ریشه در جای‌گذاری اشتباه قطعات دارند؛ برای مثال، قرار دادن دو کانکتور در دو گوشه مخالف در حالی که یک آی‌سی متراکم بین آن‌هاست، با هیچ الگوریتم مسیریابی قابل حل نیست. نام بردن از شبکه‌های متوقف شده، کاربر را مستقیماً به راه حل هدایت می‌کند.
برای یک مهندس کاربردی، نقش هوش مصنوعی از یک «دکمه جادویی» به یک ابزار پیش‌نویس سریع تبدیل شده است. شما یک پیش‌نویس قوی از اتصالات و یک چیدمان فیزیکی اثبات‌شده ریاضی دریافت می‌کنید و نظارت نهایی را بر عهده دارید. این فرآیند حدس و گمان را از مرحله طراحی اولیه حذف می‌کند در حالی که انسان را برای بررسی نهایی در چرخه باقی می‌گذارد.
چه در حال ساخت یک سنسور ساده باشید و چه یک کنترلر پیچیده، هدف نهایی تبدیل یک «پرامپت» به فایلی است که کارخانه تولید (Fab) آن را بپذیرد. اکنون می‌توانید این گردش‌کار را مستقیماً در مرورگر از طریق PCBEditor تست کنید تا ببینید چگونه یک توصیف متنی به یک برد مسیریابی شده و تایید شده تبدیل می‌شود.
گام بعدی شما
- اگر طراح سخت‌افزار هستید، گردش‌کار PCBEditor را در مرورگر تست کنید تا سرعت تبدیل توصیف متنی به فایل تولید را بسنجید.
- در طراحی‌های خود، تفکیک بین «منطق انتخاب قطعات» و «قوانین هندسی» را به عنوان یک استراتژی برای کاهش خطای تولید به کار ببرید.
- بررسی کنید که آیا ابزارهای فعلی شما قابلیت خروجی مستقیم Gerber و BOM را دارند یا نیاز به اصلاحات دستی دارند.
اما داستان سخت‌افزاری این تحول حتی شگفت‌انگیزتر است — به تحلیل ما درباره‌ی تراشه‌های Blackwell و تاثیر آن‌ها بر سرعت استنتاج مدل‌های طراحی مراجعه کنید.
گفتگو