最近被问得最多的一个问题“AI现在到底能不能设计电路板了”问这个话题的人有刚入行的学生也有干了十几年硬件的工程师。大家的潜台词其实不太一样新手希望AI能帮自己少走弯路资深硬件工程师则担心自己会不会被取代。我给不出一个简单的“能”或“不能”因为电路板设计这件事本身不是单一动作它是一条流水线。从需求拆分、原理图设计、仿真验证到PCB布局、布线、生产文件输出不同环节的自动化程度天差地别。这篇文章我就把“电路板设计全流程”掰开了讲每个环节都拿实际场景来验证看到底哪些部分AI已经能打哪些部分它还在“人工智障”的阶段。看完你应该心里有数了。1. 先把“设计电路板”拆开看AI到底在哪个环节干活1.1 电路板设计不只是“画板子”更是一条完整链路很多人以为设计电路板就是打开软件画个图然后导出文件交给工厂生产。这是天大的误解。一个靠谱的电路板设计流程至少包含以下环节需求分析与指标拆解输入电压范围、输出电流、通信接口、工作温度、尺寸限制、成本目标原理图设计选择芯片、搭建外围电路、定义引脚连接关系仿真与验证电源完整性、信号完整性、热仿真、功能逻辑仿真PCB布局器件摆位、分区、散热考量、结构干涉检查PCB布线走线宽度、间距、阻抗匹配、回流路径、电源层分割制造前检查DRC电气规则检查、DFM可制造性分析、Gerber文件输出、BOM整理。这七个环节AI参与度的差异非常大。我用一张表来定调流程环节AI当前参与度说明需求分析与指标拆解低有辅助价值大模型能帮忙整理需求清单但尚难独立完成指标计算原理图设计中辅助为主AI可生成参考电路、推荐芯片、解释Datasheet但生成完整工程文件仍不可靠仿真与验证中高工具智能化明显自动化仿真平台已引入AI辅助收敛、优化参数PCB布局低有研究方向业界有AI布局研究但工程落地尚浅PCB布线低工具内有自动布线传统自动布线已成熟AI驱动的智能布线仍在迭代制造前检查高规则引擎成熟DFM/DRC工具已高度自动化AI参与度稳步提升生产文件输出极高完全自动化一键输出Gerber、坐标文件、BOM不依赖AI也能做看到没AI能干的活集中在“知识检索、检查纠错、规则类任务”上而真正吃经验的“布局、布线决策”AI的参与度远没有想象中高。有人拿大模型聊了几句以为AI能直接吐出一块完整PCB工程文件这属于对技术现状的误解。1.2 “人工智能 skills”和电路板设计有什么关系这次热词里有个说法特别值得拿出来聊人工智能skills。在AI应用语境下skills可以理解成“技能包”也就是针对特定任务训练或配置好的能力模块让通用大模型在某个垂直领域变得能用。放到电路板设计场景里skills的落地形态通常是这样你让通用大模型去读一份几十页的芯片Datasheet它很容易答非所问因为数据手册里的电气参数表、引脚定义、参考电路图格式非常结构化对模型理解能力要求极高。但如果你把一份整理好的芯片选型知识库、一包经过标注的参考电路、一套规范化的设计检查清单喂给AI它就能在“给芯片选型”和“审核电路连接关系”这两个点上表现得像半个硬件工程师。我自己试过把一份完整的参考设计原理图转成文本描述配合BOM表一起当成“技能包”丢给AI让它做连接关系梳理。结果是它能快速发现电阻阻值标错、去耦电容数量不足这类低级问题速度比人肉核对快很多。这说明“skills”不是玄学本质是让AI用更结构化的方式处理工程信息。1.3 为什么不能直接问“AI能不能设计电路板”因为这个问题太粗了。你说“设计”是指画原理图是指撰写设计方案还是指最终拿到能生产的Gerber文件三层意思答案完全不同。如果指“设计方案”AI现在就能干。你告诉它想做一个太阳能电池板充电管理电路它能在几分钟内给出一个包含Buck降压、MPPT追踪、过充保护、电池电量指示的系统框图附带芯片型号和外围器件参数计算。方案有没有完全工程化未必但至少能当一份像样的第一版参考设计。如果指“画原理图”AI算半个能手。前提是你会用正确的提示词和它交互并且掌握了把AI输出转换成EDA工具操作的方法。如果指“拿到一块能直接量产、能过EMC认证、能在高低温环境下稳定工作的板子”那答案很残酷目前没有哪家大模型能做到。我后面会详细展开为什么。2. 真话时间哪些环节AI确实已经能干而且能干得不错2.1 用AI快速读懂原理图新手入门神器热词里有一个中文搜索短语特别高频“怎么读懂电路板原理图”。很多新手抱着厚厚一本《电路原理》啃到头来还是看不懂一块实际板子的工作原理。AI在这个场景下帮了大忙。操作方式非常简单把原理图截图或者转成PDF传给带视觉能力的大模型然后问它“请按模块分析这张原理图先给出整体功能判断然后逐模块说明核心器件和信号流向。”实测下来AI对主流电源芯片、MCU最小系统、接口保护电路的识别非常准。举一个具体例子。我把一块基于STM32F103的开发板原理图喂给AI它的分析逻辑是先从电源入口看到AMS1117-3.3稳压芯片判断这是5V转3.3V的电源模块顺着电源引脚找到每个芯片的供电网络检查去耦电容数量识别晶振电路8MHz主晶振、32.768kHz RTC晶振以及负载电容参数对Reset电路、Boot配置电阻、SWD调试接口做逐一说明。这种“从整体到局部”的分析方式新手靠自己翻书可能得一整天AI五分钟给你梳理完。它不保证完全正确但至少能把“读懂原理图”这道门槛大幅降低。再进阶一步你可以让AI按你的需求检查原理图里的潜在问题。比如问它“这个复位电路的上拉电阻取值合理吗结合芯片复位引脚内部结构分析一下。”这时候它能引用常见芯片参考设计经验给出“建议取值区间”和“为什么”的完整解释。虽然替代不了资深工程师的判断但对初级硬件工程师和新手学生已经很有价值。2.2 AI辅助元件选型几分钟出候选清单以前工程师选芯片路径通常是翻开参考设计方案去Digi-Key、Mouser、立创商城搜料翻Datasheet对比关键参数做降额分析最后再确认库存和价格。一整套下来大半天可能就没了。AI可以把“搜索-对比-初筛”这一段省掉。我平时会让AI做这样一件事输入需求输入电压范围、输出电压、最大电流、封装偏好、成本范围让AI推荐3-5款符合要求的电源芯片并给出每款芯片的典型应用拓扑和关键外围器件计算方式。比如做一块5V转3.3V、最大2A的DC-DC电路AI给我推荐过TI的TPS563201、MPS的MP2315、SGMICRO的SGM61410每款芯片都附带“输入电容推荐值”“电感感值计算公式”“反馈电阻分压计算”等工程信息。这个初筛过程以前要靠经验积累现在AI几秒钟就能把候选池子建好工程师只需要把精力花在最终验证上。这里有一个重要提醒AI选型时用的训练数据滞后于现实市场。它会优先推荐型号老、文档多、参考资料丰富的芯片但老型号经常面临停产、涨价、交期长的问题。所以AI给的候选清单一定要拿到立创商城、Digi-Key实时确认库存和价格不能闭着眼睛直接画进原理图。2.3 AI写设计检查清单比网上流传的版本更好用PCB设计里最费精力的是什么不是画板子本身而是检查。电源网络载流够不够去耦电容放得够不够近晶振底下的地平面是否完整差分对等长是否满足高压区域爬电距离是否足够——这些检查项每个工程师电脑里都有一份自己攒的清单。AI的价值在于它能结合你的具体设计场景生成个性化的检查清单。你告诉它“我有一块四层板主控是ESP32有一个USB接口电源输入是12V板上有两路DC-DC”它就能拉出一份覆盖电源、信号完整性、ESD防护、安规间距、结构装配的检查表。我自己实测过它生成的检查清单覆盖度能达到一个三年经验工程师的80%。尤其“DFM可制造性检查”部分它会提醒你“最小线宽线距是否满足板厂能力”“过孔到焊盘的距离是否足够”“拼板V-cut是否影响元器件”等制造端问题。这些内容新手根本想不到老工程师也常漏。AI虽然给不了最终裁决但当“第二双眼睛”完全够格。2.4 人工智能原理图生成能不能直接出电路聊到这里肯定会有人问“上面的都是辅助AI能不能直接生成一张原理图给我”我的答案是能但要分场景。用自然语言描述需求比如“做一个基于TP4056的锂电池充电电路带充电指示灯和MicroUSB输入”AI能把完整的元件清单、引脚连接关系、外围电路参数全部列出来。你把这些信息手动录入立创EDA或者KiCad几分钟就能把原理图复现出来。本质上AI帮你完成了“从需求到电路拓扑”的设计决策你只需要做“从文字到图形”的执行操作。再进阶一点一些EDA工具已经在探索AI辅助生成原理图。比如Altium Designer等主流工具陆续推出AI辅助功能可以根据设计约束条件自动布置电源树、分配引脚、检查连接关系。但坦白说这类功能目前更多停留在“辅助工具”层面离“一句话生成一张完整生产级原理图”差距还很大。我自己最常用的是“AI写连接关系文本再导入EDA”这个流程。让AI按“电源模块U1引脚1接VIN引脚2接GND引脚3经R1接EN”的格式输出我再按这个逻辑在原理图编辑器里操作出错率低很多效率也高。如果你用文本化的网络连接表Netlist格式配合脚本导入理论上可以做到半自动化但这需要对EDA二次开发有一定了解。3. 为什么AI还不能“独立设计电路板”卡脖子的地方在哪3.1 物理经验是AI最大的盲区电路设计不只是一堆逻辑连接最后是要落到一块真实的铜箔板上的。这里面的物理问题AI目前基本无能为力信号回流路径高速信号下方的地平面被切断信号回路面积变大EMI超标这种问题是AI靠训练数据学不出来的因为它依赖对具体PCB叠层结构的理解热耦合效应大功率器件旁边放了一个温漂敏感器件工作几分钟后参数漂移这是热场分布问题AI无法仅靠电路原理图感知电磁兼容板子做成成品后辐射超标整改手段是调整走线走向、改变器件位置、增加屏蔽罩这些动作的内在逻辑是“电磁场在三维空间中的相互作用”不是文字模型能cover的。拿过认证的工程师都清楚一块板子从“能跑”到“能过认证”中间要改好几轮每一轮都是靠经验试错调出来的。AI没有产线没有实验室没有频谱分析仪它拿什么去感知这些问题它只能告诉你“注意EMC设计规范”但具体到你的板子哪儿辐射超标它完全不知道。3.2 PCB布局的“玄学”部分恰恰是核心价值PCB布局是整个流程里最依赖经验的环节。同样的原理图新手和二十年老工程师布局出来的板子性能可能差一个量级。为什么因为布局里藏着大量“看不见”的知识时钟芯片离负载近一点、晶振底下不走线、模拟地和数字地单点连接功率电感的摆放方向是不是会干扰周围的敏感信号连接器的位置是不是方便装配极性器件方向和丝印是否清晰预留的测试点是否方便示波器探头夹取。这些要求没有一条是“数学上可证明”的全部来自大量实践积累的直觉。AI能学习规则但学不会“为什么这两个器件摆这样更好”背后那种潜意识的经验判断。业界确实有公司在做AI布局研究用强化学习去自动摆放器件但目前的成果大多还停留在简单模块或学术界Demo阶段没法处理一块混合信号电源MCU的复杂板子。还有个致命问题AI布局没有“审美”。好的PCB布局看起来是舒服的信号流从左到右电源从一侧进另一侧出功能模块分区清晰。这种空间组织的“工程美感”当前机器学习模型很难量化更难生成。3.3 布线的核心矛盾规则能教会但策略学不会布线自动化是EDA工具的老功能了上世纪就有自动布线器。但用过的人都知道自动布线布出来的效果往往离“可量产”有距离。因为自动布线本质是“在规定约束内找通路”它优化的是“能不能连通”而不是“连通之后信号质量好不好”。AI布线这几年有进展比如深度学习布线、基于强化学习的自动布局布线学术论文看起来很热闹。但工程落地为什么难因为一块真实板子的约束极度复杂阻抗控制要求线宽、差分对等长误差、电源通道载流、EMC屏蔽需求、制造工艺限制、成本控制这些约束相互制约牵一发而动全身。AI算法在简单约束条件比如两层板、低速信号下表现尚可一旦面对16层服务器主板级别的信号完整性需求训练数据根本不够用。我自己试过用开源布线器去跑一块带DDR内存接口的四层板结果布线器花两个小时跑完DRC报了两百多个错误。人工修的话可能需要一个下午。这种效率和可靠性决定了AI布线在高端设计领域替代不了专家。低端板子倒是可以用自动布线器凑合但那也不需要“人工智能”传统工具就够。3.4 关键原因AI生成的内容无法“背锅”这一点很少人提但工程领域特别重要AI设计方案出了问题责任谁担硬件产品的可靠性要求极高医疗设备、汽车电子、航空航天里的电路板每一块都要有完整的设计文档、计算过程、评审记录、测试报告。如果设计过程是AI“生成”的出了问题没法追溯“AI当时的决策依据”这对品控和评审体系是个巨大的挑战。在工业级设计里没人敢把一个关键电路的方案完全交给黑盒模型去决定。这也解释了为什么AI在“检查”和“辅助”环节落地快在“独立决策”环节落地慢。前者有人把关AI只是提高效率后者要承担最终责任AI还没建立起信任机制。4. 实操样本用AI辅助太阳能充电管理电路设计的全流程4.1 明确设计需求先让AI做方案分解我最近做了一个小项目需求是设计一块太阳能板给3.7V锂电池充电的管理电路要求有过充过放保护、最大功率点跟踪MPPT、充放电状态指示板子尺寸控制在40mm×30mm以内。如果是以前我会直接在搜索引擎里翻参考设计翻半天还不一定能找到合适的完整方案。这次我换了个做法第一步就丢给AI“帮我设计一个太阳能电池板充电管理电路方案太阳能板输出6V/2W电池3.7V锂电容量2000mAh要求MPPT、过充保护、过放保护、充电状态LED指示。”AI给出来的方案结构很清晰前端用BQ25570做能量收集和MPPT控制后端搭配TP4056做锂电池充电管理再加DW01A做电池保护以及LED指示电路。它甚至给出了每个模块的关键器件参数计算过程BQ25570的输入电压范围100mV到5.5V、最大输入功率限制、电感选型建议、输出电压设置电阻的计算公式等。4.2 用AI拆解太阳能电路板原理图逐模块核对方案到手后我没有直接画图而是让AI先输出完整的原理图文本描述按模块拆解每个模块包含元件清单、引脚连接关系、关键参数计算过程。以BQ25570模块为例AI输出的大致逻辑是输入侧太阳能板正极接VIN_DC经过输入电容和电感后进入芯片内部升压电路输出侧VSTOR引脚接储能电容BAT引脚接锂电池正极分压电阻从VSTOR和BAT取反馈电压通过外部电阻分压设定充电终止电压典型4.2VMPPT设置VIN_OC引脚通过分压电阻设定太阳能板开路电压参考点状态输出VOUT_BAT_OK引脚接LED驱动指示电池电压正常。这份文本描述我拿去做核对发现它对芯片外围电感的感值范围、储能电容容值的建议值和Datasheet推荐值一致。这为我减少了很多查资料的时间。以前设计这种电路至少得花半天到一天读Datasheet这次一个小时搞定了原理图阶段的核心计算。4.3 借助AI做PCB布局要点分析但最终由人工决策原理图确定后PCB布局是最考验功力的环节。我让AI先给一份“本设计布局注意事项”清单它在几秒钟内列出了以下关键点太阳能输入走线加粗建议1.5mm以上降低线阻压降BQ25570的外围电感和储能电容尽量靠近芯片引脚减少开关节点寄生电感锂电池正负极走线短而粗防止大电流充放电时温升过高LED限流电阻和指示灯靠近板边方便结构设计传感器采样走线远离电感等开关器件避免信号被污染。这些建议确实覆盖了本设计的关键风险点。但最终布板时器件到底怎么摆、地平面怎么切、哪根线走顶层哪根线走底层依然是我自己手工完成的。AI提供的是“知识补全”不是“替代执行”。我的体会是它相当于一个随时在线的“设计规范搜索引擎”能在我动手之前就把需要避的坑列清楚。4.4 制造文件输出前的AI辅助DRCDFM检查板子画完后我用AI做了一道“模拟评审”。我把设计中的关键参数层数、板厚、最小线宽线距、最小过孔尺寸、铜厚告诉了它让它分析这些参数是否适合小批量打样以及制造端可能出问题的点。它给出的建议包括两片板间距是否满足邮票孔桥连要求、板边留白是否够做V-cut、最小的0.3mm过孔对应板厂工艺能力是否可靠、BOM里电容容差是否会造成实际工作频率偏差等。这些检查点对新手很有价值。把AI的检查结果和板厂实际反馈对照后发现命中率还算不错。5. 实操中踩过的坑AI辅助电路设计要避开的几个雷区5.1 AI推荐芯片的“库存陷阱”前面提过AI训练数据是滞后的它经常会推荐一些已经停产、或者处于“最后购买”状态的芯片。我在做项目时就遇到过一次AI推荐了一款某大厂的LDO芯片参数确实漂亮但上立创商城搜料时发现库存只有几十片而且还不是现货。处理这种问题的方法很简单把AI的候选清单当成索引不要当成最终答案。每个型号都要到主流元器件商城确认真实库存、价格、交期。我后来的习惯是让AI推荐完芯片后紧接着补一句“帮我把这几款芯片的替代型号也列出来”以此扩大选择池再根据实际库存做最终决策。5.2 AI计算结果的“单位错位”AI在做电路参数计算时偶尔会出现低级错误最常见的就是单位搞错。比如算RC滤波器截止频率公式明明是对的但电容值它写成“0.1F”而不是“0.1μF”结果偏了几个数量级。还有一次它算Buck电路电感量输入输出参数都对最后感值算出来差了十倍原因是把频率单位kHz和MHz搞混了。遇到这种问题不要慌更不要盲目相信AI的计算结果。我的习惯是凡是AI给出的关键参数都自己手算一遍或者用在线计算工具交叉验证。计算过程虽然多花几分钟但能避免批量制板后发现参数错误的灾难性后果。5.3 AI对EMC/EMI问题的“空泛建议”问AI“我这块板子辐射超标怎么办”它大概率会给你一套放之四海而皆准的答案增加去耦电容、减小环路面积、加屏蔽罩、优化地平面——道理都对但完全没用因为这些是任何EMC整改报告里都会写的通用条目。原因在于EMC问题极度依赖具体的近场测试数据、频谱图和板子的物理结构AI看不到这些自然给不出针对性整改方案。正确的用法是把测试数据频谱图、超标频点、实测波形描述给AI让它基于这些信息给出原因假设和排查方向。实测下来AI能给出“疑似开关电源振铃耦合到USB线缆导致辐射超标”之类的合理推断方向性建议还是有价值的但操作层级的改动仍需工程师自己判断。5.4 大模型的“人工智能偏见”在电路设计里的具体表现“人工智能偏见”这个词大多数人是从算法公平性里听说的但放到电路设计场景里它有一个很具体的表现AI对数据中出现频率高的芯片和电路结构有强烈偏好对新的、冷门的方案天然不敏感。比如你想做一个低功耗蓝牙传感器节点AI大概率会首推Nordic nRF52832或nRF52840因为这类芯片在各种开源项目、设计教程里被反复提及训练数据里信息量巨大。但如果是一个刚发布两年、功耗更低、价格更优的新芯片AI可能压根不知道它的存在。这意味着完全依赖AI选型会错失很多新方案。要用好AI就得主动给它“喂”新信息把新芯片的Datasheet摘要、关键参数、参考设计发给它让它基于这些新知识重新做判断。这也是“人工智能skills”想解决的问题——把外部知识结构化成AI能用的“技能包”减少偏见对设计质量的影响。5.5 AI代画原理图的“格式晦涩”问题让AI直接输出原理图内容时它输出的文本格式可能多种多样有的给纯文字描述有的给类似Netlist的表格有的甚至给不完整的代码片段。直接把AI输出导入EDA是不可行的需要花时间整理。我的经验是明确要求AI按指定格式输出。比如给模板“请按以下格式输出元件列表[位号][封装][阻值/容值/型号][连接网络]”。加上格式约束后AI输出的内容虽然还需手动录入但整理成本大幅下降。如果你熟悉Python脚本甚至可以把AI输出的表格内容转换成KiCad的文本网络表格式实现半自动创建原理图。6. 人工智能训练师思维怎么把AI调教成你的电路设计助手6.1 把“AI问答”升级成“AI技能定制”从前面的内容你会发现AI在电路设计里是否能干活很大程度取决于使用者会不会“调教”。这就是“人工智能训练师”这个职业的价值所在。放在电路设计领域训练师思维体现在三个方面给AI喂高质量知识把你常用的芯片Datasheet、公司设计规范、历史评审问题整理成结构化文档让AI在回答问题前先参考这些资料制定输出模板规定AI的回答格式方案列表、参数计算过程、检查清单、风险提示保证输出内容可复用建立反馈闭环AI答错的地方要及时给出纠正让它在当轮对话中修正理解下一次提问时用更精确的措辞。这套方法论本质上和AI训练师的工作逻辑一致只不过“训练对象”从通用模型变成了你自己的项目助手。6.2 一个实用的提示词模板库我把自己常用的几个电路设计提示词模板分享出来你可以直接复制使用元件选型我需要选择一个[XX类型]芯片输入要求是[参数A]输出要求是[参数B]工作温度范围[xx℃到xx℃]优先考虑[成本/性能/封装尺寸]请推荐3-5款具体型号并说明每款的优缺点、典型应用电路和关键外围器件计算方式。原理图模块解读请按模块分析这份电路原理图先判断整体功能然后按电源/时钟/接口/存储/保护等模块拆分每个模块说明核心器件作用、关键信号流向和易错点。检查清单生成我正在设计一块[层数]层板主控芯片是[型号]板上有[接口类型/功能模块]电源输入是[电压]请生成一份设计检查清单覆盖电气规则、信号完整性、电源完整性、ESD防护、DFM可制造性按严重程度分级。参数验证帮我验证这个电路参数计算是否正确[贴出你的参数计算过程]请以Datasheet里的推荐值为基准指出可能的计算错误或单位错误。问题排查我设计了一个[电路描述]现在遇到[故障现象包括波形描述、测试数据、环境信息]请分析可能原因并给出排查实验建议按可能性从高到低排序。6.3 AI只能帮“快”不能保证“对”最后说一句泼冷水的话。AI能显著加快你的信息检索和初步设计速度但它在电路设计上不具备真正的“理解能力”——它不知道芯片内部硅片上的热分布不知道电感在饱和边缘时候的磁饱和行为也不知道EMI测试暗室里的天线接收到的噪音到底从哪根线缆辐射出去。工程上有一个残酷的现实你画一块电源板上电瞬间炸机AI不会替你承担损失客户催货、产线停线AI不会帮你救火。这些压力最终都落在工程师自己肩上。所以正确的姿势是把AI当“助理工程师”它能帮你查资料、做初稿、生成方案、执行检查但最终拍板、负责任的人必须是你。7. 我的最终结论与实践建议回到最初的标题人工智能现在能设计电路板了吗我的答案可以明确告诉你AI现阶段更像是“带了几十年杂书知识的新工程师”它读过的资料比任何人类都多检索速度快到离谱能给你各种设计方案和计算过程但它没有亲手焊过板子没有在EMC实验室熬过夜没有因为一块板子批量报废而被老板叫去会议室“喝茶”。所以让它独立设计电路板现阶段不现实让它当你的得力助手它已经非常合格。个人最近实践下来的一个强烈感受是用AI辅助电路设计效率提升最明显的不是“画图”环节而是“前期调研和信息整理”环节。以前选型要半天现在十分钟搞定初筛以前读Datasheet要一晚上现在让AI先提炼关键参数自己再针对性地看原文档以前画完板子提心吊胆怕漏检查项现在AI能帮你出一份覆盖较全的检查清单。这个趋势越往后走会越明显未来硬件工程师的竞争力可能不在于“你会不会画板子”而在于“你能不能把一个复杂需求准确描述给AI并且有能力验证它的输出为最终结果负责”。可以预见的是哪怕是更完善的“电路设计大模型”出现也只是让工具更好用设计决策的责任人仍然是人。从这个角度说AI没有让硬件工程师贬值反而把懂设计、会调教AI、能统筹全局的那批工程师的价值凸显出来了。如果你也想开始尝试我的建议是从一块简单的板子开始比如做一个USB转串口模块、一个锂电池充电板、一个LED调光电路。拿这些简单项目把“AI辅助设计流程”跑通再逐步增加复杂度。等你建立起自己的一套“AI技能包”工作流之后再回头面对复杂项目你会明显感觉到自己多了个得力的“数字同事”。
AI能不能设计电路板？从全流程拆解到实践验证的真实答案
最近被问得最多的一个问题“AI现在到底能不能设计电路板了”问这个话题的人有刚入行的学生也有干了十几年硬件的工程师。大家的潜台词其实不太一样新手希望AI能帮自己少走弯路资深硬件工程师则担心自己会不会被取代。我给不出一个简单的“能”或“不能”因为电路板设计这件事本身不是单一动作它是一条流水线。从需求拆分、原理图设计、仿真验证到PCB布局、布线、生产文件输出不同环节的自动化程度天差地别。这篇文章我就把“电路板设计全流程”掰开了讲每个环节都拿实际场景来验证看到底哪些部分AI已经能打哪些部分它还在“人工智障”的阶段。看完你应该心里有数了。1. 先把“设计电路板”拆开看AI到底在哪个环节干活1.1 电路板设计不只是“画板子”更是一条完整链路很多人以为设计电路板就是打开软件画个图然后导出文件交给工厂生产。这是天大的误解。一个靠谱的电路板设计流程至少包含以下环节需求分析与指标拆解输入电压范围、输出电流、通信接口、工作温度、尺寸限制、成本目标原理图设计选择芯片、搭建外围电路、定义引脚连接关系仿真与验证电源完整性、信号完整性、热仿真、功能逻辑仿真PCB布局器件摆位、分区、散热考量、结构干涉检查PCB布线走线宽度、间距、阻抗匹配、回流路径、电源层分割制造前检查DRC电气规则检查、DFM可制造性分析、Gerber文件输出、BOM整理。这七个环节AI参与度的差异非常大。我用一张表来定调流程环节AI当前参与度说明需求分析与指标拆解低有辅助价值大模型能帮忙整理需求清单但尚难独立完成指标计算原理图设计中辅助为主AI可生成参考电路、推荐芯片、解释Datasheet但生成完整工程文件仍不可靠仿真与验证中高工具智能化明显自动化仿真平台已引入AI辅助收敛、优化参数PCB布局低有研究方向业界有AI布局研究但工程落地尚浅PCB布线低工具内有自动布线传统自动布线已成熟AI驱动的智能布线仍在迭代制造前检查高规则引擎成熟DFM/DRC工具已高度自动化AI参与度稳步提升生产文件输出极高完全自动化一键输出Gerber、坐标文件、BOM不依赖AI也能做看到没AI能干的活集中在“知识检索、检查纠错、规则类任务”上而真正吃经验的“布局、布线决策”AI的参与度远没有想象中高。有人拿大模型聊了几句以为AI能直接吐出一块完整PCB工程文件这属于对技术现状的误解。1.2 “人工智能 skills”和电路板设计有什么关系这次热词里有个说法特别值得拿出来聊人工智能skills。在AI应用语境下skills可以理解成“技能包”也就是针对特定任务训练或配置好的能力模块让通用大模型在某个垂直领域变得能用。放到电路板设计场景里skills的落地形态通常是这样你让通用大模型去读一份几十页的芯片Datasheet它很容易答非所问因为数据手册里的电气参数表、引脚定义、参考电路图格式非常结构化对模型理解能力要求极高。但如果你把一份整理好的芯片选型知识库、一包经过标注的参考电路、一套规范化的设计检查清单喂给AI它就能在“给芯片选型”和“审核电路连接关系”这两个点上表现得像半个硬件工程师。我自己试过把一份完整的参考设计原理图转成文本描述配合BOM表一起当成“技能包”丢给AI让它做连接关系梳理。结果是它能快速发现电阻阻值标错、去耦电容数量不足这类低级问题速度比人肉核对快很多。这说明“skills”不是玄学本质是让AI用更结构化的方式处理工程信息。1.3 为什么不能直接问“AI能不能设计电路板”因为这个问题太粗了。你说“设计”是指画原理图是指撰写设计方案还是指最终拿到能生产的Gerber文件三层意思答案完全不同。如果指“设计方案”AI现在就能干。你告诉它想做一个太阳能电池板充电管理电路它能在几分钟内给出一个包含Buck降压、MPPT追踪、过充保护、电池电量指示的系统框图附带芯片型号和外围器件参数计算。方案有没有完全工程化未必但至少能当一份像样的第一版参考设计。如果指“画原理图”AI算半个能手。前提是你会用正确的提示词和它交互并且掌握了把AI输出转换成EDA工具操作的方法。如果指“拿到一块能直接量产、能过EMC认证、能在高低温环境下稳定工作的板子”那答案很残酷目前没有哪家大模型能做到。我后面会详细展开为什么。2. 真话时间哪些环节AI确实已经能干而且能干得不错2.1 用AI快速读懂原理图新手入门神器热词里有一个中文搜索短语特别高频“怎么读懂电路板原理图”。很多新手抱着厚厚一本《电路原理》啃到头来还是看不懂一块实际板子的工作原理。AI在这个场景下帮了大忙。操作方式非常简单把原理图截图或者转成PDF传给带视觉能力的大模型然后问它“请按模块分析这张原理图先给出整体功能判断然后逐模块说明核心器件和信号流向。”实测下来AI对主流电源芯片、MCU最小系统、接口保护电路的识别非常准。举一个具体例子。我把一块基于STM32F103的开发板原理图喂给AI它的分析逻辑是先从电源入口看到AMS1117-3.3稳压芯片判断这是5V转3.3V的电源模块顺着电源引脚找到每个芯片的供电网络检查去耦电容数量识别晶振电路8MHz主晶振、32.768kHz RTC晶振以及负载电容参数对Reset电路、Boot配置电阻、SWD调试接口做逐一说明。这种“从整体到局部”的分析方式新手靠自己翻书可能得一整天AI五分钟给你梳理完。它不保证完全正确但至少能把“读懂原理图”这道门槛大幅降低。再进阶一步你可以让AI按你的需求检查原理图里的潜在问题。比如问它“这个复位电路的上拉电阻取值合理吗结合芯片复位引脚内部结构分析一下。”这时候它能引用常见芯片参考设计经验给出“建议取值区间”和“为什么”的完整解释。虽然替代不了资深工程师的判断但对初级硬件工程师和新手学生已经很有价值。2.2 AI辅助元件选型几分钟出候选清单以前工程师选芯片路径通常是翻开参考设计方案去Digi-Key、Mouser、立创商城搜料翻Datasheet对比关键参数做降额分析最后再确认库存和价格。一整套下来大半天可能就没了。AI可以把“搜索-对比-初筛”这一段省掉。我平时会让AI做这样一件事输入需求输入电压范围、输出电压、最大电流、封装偏好、成本范围让AI推荐3-5款符合要求的电源芯片并给出每款芯片的典型应用拓扑和关键外围器件计算方式。比如做一块5V转3.3V、最大2A的DC-DC电路AI给我推荐过TI的TPS563201、MPS的MP2315、SGMICRO的SGM61410每款芯片都附带“输入电容推荐值”“电感感值计算公式”“反馈电阻分压计算”等工程信息。这个初筛过程以前要靠经验积累现在AI几秒钟就能把候选池子建好工程师只需要把精力花在最终验证上。这里有一个重要提醒AI选型时用的训练数据滞后于现实市场。它会优先推荐型号老、文档多、参考资料丰富的芯片但老型号经常面临停产、涨价、交期长的问题。所以AI给的候选清单一定要拿到立创商城、Digi-Key实时确认库存和价格不能闭着眼睛直接画进原理图。2.3 AI写设计检查清单比网上流传的版本更好用PCB设计里最费精力的是什么不是画板子本身而是检查。电源网络载流够不够去耦电容放得够不够近晶振底下的地平面是否完整差分对等长是否满足高压区域爬电距离是否足够——这些检查项每个工程师电脑里都有一份自己攒的清单。AI的价值在于它能结合你的具体设计场景生成个性化的检查清单。你告诉它“我有一块四层板主控是ESP32有一个USB接口电源输入是12V板上有两路DC-DC”它就能拉出一份覆盖电源、信号完整性、ESD防护、安规间距、结构装配的检查表。我自己实测过它生成的检查清单覆盖度能达到一个三年经验工程师的80%。尤其“DFM可制造性检查”部分它会提醒你“最小线宽线距是否满足板厂能力”“过孔到焊盘的距离是否足够”“拼板V-cut是否影响元器件”等制造端问题。这些内容新手根本想不到老工程师也常漏。AI虽然给不了最终裁决但当“第二双眼睛”完全够格。2.4 人工智能原理图生成能不能直接出电路聊到这里肯定会有人问“上面的都是辅助AI能不能直接生成一张原理图给我”我的答案是能但要分场景。用自然语言描述需求比如“做一个基于TP4056的锂电池充电电路带充电指示灯和MicroUSB输入”AI能把完整的元件清单、引脚连接关系、外围电路参数全部列出来。你把这些信息手动录入立创EDA或者KiCad几分钟就能把原理图复现出来。本质上AI帮你完成了“从需求到电路拓扑”的设计决策你只需要做“从文字到图形”的执行操作。再进阶一点一些EDA工具已经在探索AI辅助生成原理图。比如Altium Designer等主流工具陆续推出AI辅助功能可以根据设计约束条件自动布置电源树、分配引脚、检查连接关系。但坦白说这类功能目前更多停留在“辅助工具”层面离“一句话生成一张完整生产级原理图”差距还很大。我自己最常用的是“AI写连接关系文本再导入EDA”这个流程。让AI按“电源模块U1引脚1接VIN引脚2接GND引脚3经R1接EN”的格式输出我再按这个逻辑在原理图编辑器里操作出错率低很多效率也高。如果你用文本化的网络连接表Netlist格式配合脚本导入理论上可以做到半自动化但这需要对EDA二次开发有一定了解。3. 为什么AI还不能“独立设计电路板”卡脖子的地方在哪3.1 物理经验是AI最大的盲区电路设计不只是一堆逻辑连接最后是要落到一块真实的铜箔板上的。这里面的物理问题AI目前基本无能为力信号回流路径高速信号下方的地平面被切断信号回路面积变大EMI超标这种问题是AI靠训练数据学不出来的因为它依赖对具体PCB叠层结构的理解热耦合效应大功率器件旁边放了一个温漂敏感器件工作几分钟后参数漂移这是热场分布问题AI无法仅靠电路原理图感知电磁兼容板子做成成品后辐射超标整改手段是调整走线走向、改变器件位置、增加屏蔽罩这些动作的内在逻辑是“电磁场在三维空间中的相互作用”不是文字模型能cover的。拿过认证的工程师都清楚一块板子从“能跑”到“能过认证”中间要改好几轮每一轮都是靠经验试错调出来的。AI没有产线没有实验室没有频谱分析仪它拿什么去感知这些问题它只能告诉你“注意EMC设计规范”但具体到你的板子哪儿辐射超标它完全不知道。3.2 PCB布局的“玄学”部分恰恰是核心价值PCB布局是整个流程里最依赖经验的环节。同样的原理图新手和二十年老工程师布局出来的板子性能可能差一个量级。为什么因为布局里藏着大量“看不见”的知识时钟芯片离负载近一点、晶振底下不走线、模拟地和数字地单点连接功率电感的摆放方向是不是会干扰周围的敏感信号连接器的位置是不是方便装配极性器件方向和丝印是否清晰预留的测试点是否方便示波器探头夹取。这些要求没有一条是“数学上可证明”的全部来自大量实践积累的直觉。AI能学习规则但学不会“为什么这两个器件摆这样更好”背后那种潜意识的经验判断。业界确实有公司在做AI布局研究用强化学习去自动摆放器件但目前的成果大多还停留在简单模块或学术界Demo阶段没法处理一块混合信号电源MCU的复杂板子。还有个致命问题AI布局没有“审美”。好的PCB布局看起来是舒服的信号流从左到右电源从一侧进另一侧出功能模块分区清晰。这种空间组织的“工程美感”当前机器学习模型很难量化更难生成。3.3 布线的核心矛盾规则能教会但策略学不会布线自动化是EDA工具的老功能了上世纪就有自动布线器。但用过的人都知道自动布线布出来的效果往往离“可量产”有距离。因为自动布线本质是“在规定约束内找通路”它优化的是“能不能连通”而不是“连通之后信号质量好不好”。AI布线这几年有进展比如深度学习布线、基于强化学习的自动布局布线学术论文看起来很热闹。但工程落地为什么难因为一块真实板子的约束极度复杂阻抗控制要求线宽、差分对等长误差、电源通道载流、EMC屏蔽需求、制造工艺限制、成本控制这些约束相互制约牵一发而动全身。AI算法在简单约束条件比如两层板、低速信号下表现尚可一旦面对16层服务器主板级别的信号完整性需求训练数据根本不够用。我自己试过用开源布线器去跑一块带DDR内存接口的四层板结果布线器花两个小时跑完DRC报了两百多个错误。人工修的话可能需要一个下午。这种效率和可靠性决定了AI布线在高端设计领域替代不了专家。低端板子倒是可以用自动布线器凑合但那也不需要“人工智能”传统工具就够。3.4 关键原因AI生成的内容无法“背锅”这一点很少人提但工程领域特别重要AI设计方案出了问题责任谁担硬件产品的可靠性要求极高医疗设备、汽车电子、航空航天里的电路板每一块都要有完整的设计文档、计算过程、评审记录、测试报告。如果设计过程是AI“生成”的出了问题没法追溯“AI当时的决策依据”这对品控和评审体系是个巨大的挑战。在工业级设计里没人敢把一个关键电路的方案完全交给黑盒模型去决定。这也解释了为什么AI在“检查”和“辅助”环节落地快在“独立决策”环节落地慢。前者有人把关AI只是提高效率后者要承担最终责任AI还没建立起信任机制。4. 实操样本用AI辅助太阳能充电管理电路设计的全流程4.1 明确设计需求先让AI做方案分解我最近做了一个小项目需求是设计一块太阳能板给3.7V锂电池充电的管理电路要求有过充过放保护、最大功率点跟踪MPPT、充放电状态指示板子尺寸控制在40mm×30mm以内。如果是以前我会直接在搜索引擎里翻参考设计翻半天还不一定能找到合适的完整方案。这次我换了个做法第一步就丢给AI“帮我设计一个太阳能电池板充电管理电路方案太阳能板输出6V/2W电池3.7V锂电容量2000mAh要求MPPT、过充保护、过放保护、充电状态LED指示。”AI给出来的方案结构很清晰前端用BQ25570做能量收集和MPPT控制后端搭配TP4056做锂电池充电管理再加DW01A做电池保护以及LED指示电路。它甚至给出了每个模块的关键器件参数计算过程BQ25570的输入电压范围100mV到5.5V、最大输入功率限制、电感选型建议、输出电压设置电阻的计算公式等。4.2 用AI拆解太阳能电路板原理图逐模块核对方案到手后我没有直接画图而是让AI先输出完整的原理图文本描述按模块拆解每个模块包含元件清单、引脚连接关系、关键参数计算过程。以BQ25570模块为例AI输出的大致逻辑是输入侧太阳能板正极接VIN_DC经过输入电容和电感后进入芯片内部升压电路输出侧VSTOR引脚接储能电容BAT引脚接锂电池正极分压电阻从VSTOR和BAT取反馈电压通过外部电阻分压设定充电终止电压典型4.2VMPPT设置VIN_OC引脚通过分压电阻设定太阳能板开路电压参考点状态输出VOUT_BAT_OK引脚接LED驱动指示电池电压正常。这份文本描述我拿去做核对发现它对芯片外围电感的感值范围、储能电容容值的建议值和Datasheet推荐值一致。这为我减少了很多查资料的时间。以前设计这种电路至少得花半天到一天读Datasheet这次一个小时搞定了原理图阶段的核心计算。4.3 借助AI做PCB布局要点分析但最终由人工决策原理图确定后PCB布局是最考验功力的环节。我让AI先给一份“本设计布局注意事项”清单它在几秒钟内列出了以下关键点太阳能输入走线加粗建议1.5mm以上降低线阻压降BQ25570的外围电感和储能电容尽量靠近芯片引脚减少开关节点寄生电感锂电池正负极走线短而粗防止大电流充放电时温升过高LED限流电阻和指示灯靠近板边方便结构设计传感器采样走线远离电感等开关器件避免信号被污染。这些建议确实覆盖了本设计的关键风险点。但最终布板时器件到底怎么摆、地平面怎么切、哪根线走顶层哪根线走底层依然是我自己手工完成的。AI提供的是“知识补全”不是“替代执行”。我的体会是它相当于一个随时在线的“设计规范搜索引擎”能在我动手之前就把需要避的坑列清楚。4.4 制造文件输出前的AI辅助DRCDFM检查板子画完后我用AI做了一道“模拟评审”。我把设计中的关键参数层数、板厚、最小线宽线距、最小过孔尺寸、铜厚告诉了它让它分析这些参数是否适合小批量打样以及制造端可能出问题的点。它给出的建议包括两片板间距是否满足邮票孔桥连要求、板边留白是否够做V-cut、最小的0.3mm过孔对应板厂工艺能力是否可靠、BOM里电容容差是否会造成实际工作频率偏差等。这些检查点对新手很有价值。把AI的检查结果和板厂实际反馈对照后发现命中率还算不错。5. 实操中踩过的坑AI辅助电路设计要避开的几个雷区5.1 AI推荐芯片的“库存陷阱”前面提过AI训练数据是滞后的它经常会推荐一些已经停产、或者处于“最后购买”状态的芯片。我在做项目时就遇到过一次AI推荐了一款某大厂的LDO芯片参数确实漂亮但上立创商城搜料时发现库存只有几十片而且还不是现货。处理这种问题的方法很简单把AI的候选清单当成索引不要当成最终答案。每个型号都要到主流元器件商城确认真实库存、价格、交期。我后来的习惯是让AI推荐完芯片后紧接着补一句“帮我把这几款芯片的替代型号也列出来”以此扩大选择池再根据实际库存做最终决策。5.2 AI计算结果的“单位错位”AI在做电路参数计算时偶尔会出现低级错误最常见的就是单位搞错。比如算RC滤波器截止频率公式明明是对的但电容值它写成“0.1F”而不是“0.1μF”结果偏了几个数量级。还有一次它算Buck电路电感量输入输出参数都对最后感值算出来差了十倍原因是把频率单位kHz和MHz搞混了。遇到这种问题不要慌更不要盲目相信AI的计算结果。我的习惯是凡是AI给出的关键参数都自己手算一遍或者用在线计算工具交叉验证。计算过程虽然多花几分钟但能避免批量制板后发现参数错误的灾难性后果。5.3 AI对EMC/EMI问题的“空泛建议”问AI“我这块板子辐射超标怎么办”它大概率会给你一套放之四海而皆准的答案增加去耦电容、减小环路面积、加屏蔽罩、优化地平面——道理都对但完全没用因为这些是任何EMC整改报告里都会写的通用条目。原因在于EMC问题极度依赖具体的近场测试数据、频谱图和板子的物理结构AI看不到这些自然给不出针对性整改方案。正确的用法是把测试数据频谱图、超标频点、实测波形描述给AI让它基于这些信息给出原因假设和排查方向。实测下来AI能给出“疑似开关电源振铃耦合到USB线缆导致辐射超标”之类的合理推断方向性建议还是有价值的但操作层级的改动仍需工程师自己判断。5.4 大模型的“人工智能偏见”在电路设计里的具体表现“人工智能偏见”这个词大多数人是从算法公平性里听说的但放到电路设计场景里它有一个很具体的表现AI对数据中出现频率高的芯片和电路结构有强烈偏好对新的、冷门的方案天然不敏感。比如你想做一个低功耗蓝牙传感器节点AI大概率会首推Nordic nRF52832或nRF52840因为这类芯片在各种开源项目、设计教程里被反复提及训练数据里信息量巨大。但如果是一个刚发布两年、功耗更低、价格更优的新芯片AI可能压根不知道它的存在。这意味着完全依赖AI选型会错失很多新方案。要用好AI就得主动给它“喂”新信息把新芯片的Datasheet摘要、关键参数、参考设计发给它让它基于这些新知识重新做判断。这也是“人工智能skills”想解决的问题——把外部知识结构化成AI能用的“技能包”减少偏见对设计质量的影响。5.5 AI代画原理图的“格式晦涩”问题让AI直接输出原理图内容时它输出的文本格式可能多种多样有的给纯文字描述有的给类似Netlist的表格有的甚至给不完整的代码片段。直接把AI输出导入EDA是不可行的需要花时间整理。我的经验是明确要求AI按指定格式输出。比如给模板“请按以下格式输出元件列表[位号][封装][阻值/容值/型号][连接网络]”。加上格式约束后AI输出的内容虽然还需手动录入但整理成本大幅下降。如果你熟悉Python脚本甚至可以把AI输出的表格内容转换成KiCad的文本网络表格式实现半自动创建原理图。6. 人工智能训练师思维怎么把AI调教成你的电路设计助手6.1 把“AI问答”升级成“AI技能定制”从前面的内容你会发现AI在电路设计里是否能干活很大程度取决于使用者会不会“调教”。这就是“人工智能训练师”这个职业的价值所在。放在电路设计领域训练师思维体现在三个方面给AI喂高质量知识把你常用的芯片Datasheet、公司设计规范、历史评审问题整理成结构化文档让AI在回答问题前先参考这些资料制定输出模板规定AI的回答格式方案列表、参数计算过程、检查清单、风险提示保证输出内容可复用建立反馈闭环AI答错的地方要及时给出纠正让它在当轮对话中修正理解下一次提问时用更精确的措辞。这套方法论本质上和AI训练师的工作逻辑一致只不过“训练对象”从通用模型变成了你自己的项目助手。6.2 一个实用的提示词模板库我把自己常用的几个电路设计提示词模板分享出来你可以直接复制使用元件选型我需要选择一个[XX类型]芯片输入要求是[参数A]输出要求是[参数B]工作温度范围[xx℃到xx℃]优先考虑[成本/性能/封装尺寸]请推荐3-5款具体型号并说明每款的优缺点、典型应用电路和关键外围器件计算方式。原理图模块解读请按模块分析这份电路原理图先判断整体功能然后按电源/时钟/接口/存储/保护等模块拆分每个模块说明核心器件作用、关键信号流向和易错点。检查清单生成我正在设计一块[层数]层板主控芯片是[型号]板上有[接口类型/功能模块]电源输入是[电压]请生成一份设计检查清单覆盖电气规则、信号完整性、电源完整性、ESD防护、DFM可制造性按严重程度分级。参数验证帮我验证这个电路参数计算是否正确[贴出你的参数计算过程]请以Datasheet里的推荐值为基准指出可能的计算错误或单位错误。问题排查我设计了一个[电路描述]现在遇到[故障现象包括波形描述、测试数据、环境信息]请分析可能原因并给出排查实验建议按可能性从高到低排序。6.3 AI只能帮“快”不能保证“对”最后说一句泼冷水的话。AI能显著加快你的信息检索和初步设计速度但它在电路设计上不具备真正的“理解能力”——它不知道芯片内部硅片上的热分布不知道电感在饱和边缘时候的磁饱和行为也不知道EMI测试暗室里的天线接收到的噪音到底从哪根线缆辐射出去。工程上有一个残酷的现实你画一块电源板上电瞬间炸机AI不会替你承担损失客户催货、产线停线AI不会帮你救火。这些压力最终都落在工程师自己肩上。所以正确的姿势是把AI当“助理工程师”它能帮你查资料、做初稿、生成方案、执行检查但最终拍板、负责任的人必须是你。7. 我的最终结论与实践建议回到最初的标题人工智能现在能设计电路板了吗我的答案可以明确告诉你AI现阶段更像是“带了几十年杂书知识的新工程师”它读过的资料比任何人类都多检索速度快到离谱能给你各种设计方案和计算过程但它没有亲手焊过板子没有在EMC实验室熬过夜没有因为一块板子批量报废而被老板叫去会议室“喝茶”。所以让它独立设计电路板现阶段不现实让它当你的得力助手它已经非常合格。个人最近实践下来的一个强烈感受是用AI辅助电路设计效率提升最明显的不是“画图”环节而是“前期调研和信息整理”环节。以前选型要半天现在十分钟搞定初筛以前读Datasheet要一晚上现在让AI先提炼关键参数自己再针对性地看原文档以前画完板子提心吊胆怕漏检查项现在AI能帮你出一份覆盖较全的检查清单。这个趋势越往后走会越明显未来硬件工程师的竞争力可能不在于“你会不会画板子”而在于“你能不能把一个复杂需求准确描述给AI并且有能力验证它的输出为最终结果负责”。可以预见的是哪怕是更完善的“电路设计大模型”出现也只是让工具更好用设计决策的责任人仍然是人。从这个角度说AI没有让硬件工程师贬值反而把懂设计、会调教AI、能统筹全局的那批工程师的价值凸显出来了。如果你也想开始尝试我的建议是从一块简单的板子开始比如做一个USB转串口模块、一个锂电池充电板、一个LED调光电路。拿这些简单项目把“AI辅助设计流程”跑通再逐步增加复杂度。等你建立起自己的一套“AI技能包”工作流之后再回头面对复杂项目你会明显感觉到自己多了个得力的“数字同事”。
