27小時干完8周的活！SpaceX出來的初創企業，正在開啟硬件革命！

抓住風口

本期要點：跳出固定思維，突破產業瓶頸！

你好，我是王煜全，這里是王煜全要聞評論。

你敢相信嗎？一群擁有電子工程博士學位、拿著頂薪的資深工程師，居然長期將大量時間耗費在一項近乎重復的手工勞動上，在屏幕上手動連接電路板上的成千上萬條走線。沒錯，這就是以往硬件科技公司的常見現象。

過去，設計一塊高性能計算機主板平均需要3到6個月，其中約80%的工時都投入在了元器件的布局與連線上。即便最資深的工程師，也要逐一處理復雜而精細的連接。

然而，這個情況正在被一個名為Quilter AI的初創公司改變。

2025年末，在他們的“Project Speedrun”項目上，Quilter AI的系統經過27小時的AI運算與少量人工調整后，就完成了一塊復雜Linux主板的布線設計。打樣后的首版硬件就一次性通過了各項測試，成功運行了Debian Linux，證明了AI生成的方案是可用的。

要知道，這塊主板集成了843個元件，若采用傳統人工流程，預計需要6到8周完成設計，AI卻把時間壓縮了至少40倍。

我們認為，Quilter AI把電路設計徹底自動化了。他們通過強化學習直接在物理定律的邊界內尋找全局最優解，使得硬件工程師能從繁瑣的重復勞動中解脫，大幅降低了研發的邊際成本與試錯門檻，并有望激發難以估量的創新潛力。而背后還蘊藏著新物種的成功法則。

AI改造電路設計

首先，我們想指出的是，Quilter AI之所以值得關注，是因為它精準地擊中了硬件行業的瓶頸，也就是智能工具的長期缺位，讓行業中最聰明的人才進行重復勞動。

Quilter AI的創始人Sergiy Nesterenko曾在SpaceX負責航電系統設計。他發現團隊進度總卡在PCB（印刷電路板）的布線上。工程師們需要花費數周時間手動調整走線，確保信號完整。而在航天這種高成本領域，一次因設計返工導致的發射推遲，往往意味著數百萬美元的損失。

Quilter AI的創始人Sergiy Nesterenko

而且，在軟件領域，AI編程工具已顯著提升了開發效率，迭代周期可以按天計算。硬件的迭代卻仍以季度為單位，這嚴重拖了智能革命的后腿。

工具落后的問題，自然應該用AI來解決。于是，Sergiy創立了Quilter AI。

不過有意思的是，他們并沒有選擇基于大語言模型（LLM）的思路，也就是把海量的圖紙喂給AI，讓它學會像人類一樣畫圖。

因為LLM的底層邏輯是概率預測，它追求的是生成看起來合理的結果，但這必然伴隨一定的錯誤率。而電路設計的底層邏輯是物理定律，必須保證絕對正確，否則即使AI生成了圖紙，工程師仍然需要費時費力去進行排查。

人類歷史積累的海量PCB設計圖紙，并不是訓練AI的優質數據資產，其中包含了許多因成本妥協、工具限制或個人習慣形成的次優解乃至錯誤，讓AI學習這些數據，只會繼承人類的缺陷。

因此，Quilter選擇了強化學習（RL）結合物理仿真的路線。其中的邏輯倒也不復雜，硬件設計的正確性，最終必須由基本物理定律來判定。

于是，他們構建了一個高保真的虛擬物理仿真環境，其核心是編碼了麥克斯韋方程組、熱力學方程等定律的求解器。AI的每一次布局或布線決策，都被視為一個動作，仿真環境會即時反饋該動作下的物理狀態（如信號完整性、熱分布），并給予相應的獎勵或懲罰。這實際上構建了一個近乎零邊際成本的快速試錯系統。

通過數百萬次的自我修正，強化學習后的AI在沒有人類干預的情況下，學會了在物理定律的約束下，如何獲得最優的綜合性能。

于是，我們看到Quilter AI生成的設計，走線并不符合人類工程師的審美習慣，但電氣性能反而更優。它跳出了人腦處理幾何圖形時偏好橫平豎直的經驗，直接在物理定律允許的范圍內，探索出人類經驗都沒觸及的更優解。

這也印證了一點：在那些底層規則確定、容錯率極低的領域（如科學研究、工程設計等等），讓AI基于絕對正確的自然規律進行強化學習的訓練，可能反而是更好的方式。

范式改變

我們想強調的是，Quilter AI看似是一次工具升級，但更體現了一個超越硬件研發本身的成功規律。

在這場智能變革中，一個“新物種”能否崛起，關鍵在于它能否將某個領域依賴個體經驗、充滿不確定性的手藝活，變成在明確約束條件下可自動完成的工程問題。一旦完成這種轉換，行業的爆發點就可能到來。

與此同時，誰能把高昂的試錯成本，轉化為近乎為零的計算成本，誰就在重新定義行業的商業模式。

傳統電路設計是典型的手藝活，設計質量高度依賴工程師的個人經驗和難以言傳的直覺。盡管有EDA工具輔助，但核心決策仍由人腦完成，結果充滿變數。

Quilter AI正是試圖將這套依賴手感的過程，變為一個自動化流程：用戶輸入功能需求和性能、成本等約束條件，AI基于物理定律自動完成全局最優解的探索。

這實質上是將硬件開發從重復性體力勞動升級為創造性腦力勞動，工程師可以將精力投入到系統架構、交互邏輯等讓產品真正產生差異化競爭力的工作上。

這一轉變有望使得硬件研發的迭代成本急劇降低。過去，因為有動輒數月的研發周期和超十萬美元的人力成本，為了1000個用戶設計一款硬件設備都可能會虧本；但未來，當AI將研發周期壓縮到小時級，設計成本甚至只是軟件的訂閱費，那么為10個用戶定制專屬硬件也將變得有利可圖。

可以看出，Quilter無疑解決了一個萬億級別產業的核心痛點。很快，我們或許就將看到硬件創新的迅速爆發，而Quilter AI也將可能成為支撐這一爆發過程的關鍵基礎設施。

不僅是硬件研發設計，無數傳統行業，比如依賴名醫的醫療診斷、依賴名師的教育、依賴首席分析師的咨詢、甚至依賴教授的前沿科研等等，有許多環節本質上仍是低效且高成本的手藝活，創新的成本極高、效率也極低，等待著你去改造。

關鍵在于，你要進行一次選擇：是要當那個擁有資源最多、經驗最豐富，卻仍然堅持手搓精品的“舊物種”，還是那個能夠提出正確問題、構建低邊際成本迭代機制、并能用AI自動化創新的“新物種”。

在即將到來的CES展2026上，我要與中國的科技企業家一同在智能硬件的創新現場浸潤式地觀察和挖掘新物種。后續我也將在科技特訓營中第一時間分享所見所思，如果你也感興趣，歡迎加入科技特訓營，和我一起，先人一步，領先一路！

以上就是今天的內容，也在此向各位家長推薦前哨AI冬令營。我們認為，最好的學習不是學理論，而是親手實踐。想讓孩子能親自上手完成真實的AI項目，從理解AI到駕馭AI，就快快點擊鏈接了解詳情吧。

王煜全要聞評論，我們明天見。

↓長按圖片掃碼報名，先人一步，領先一路

最后， 鑒于公眾 號推送機制的改變，你未來刷 到要聞評論的機會可能沒那么多了，建議你加入粉絲群，第一時間 得到我的獨家前沿分析，而且我們還會每天在粉絲群里發布獨家資料，快快掃碼加入吧！

此外，我們還為您準備了一個思維導圖，掃描加群即可領取

“成為新物種”

↓點擊學習王煜全老師最新大師課，掌握馬斯克的賺錢底層邏輯！