前段时间OpenAI发布GPT-6 Astra，演示了AI设计电路板。

AI 在KiCad里面熟练操作拖拽器件、连接走线，着实让不少硬件打工人后脊发凉。

但会拉线不等于懂硬件。电路设计真正的深水区，从来不在画图本身，而在那些看不见的魔鬼细节里：元件容差漂移、电源纹波、温升，以及稍不留神就会炸掉的功率管。

为了测出AI到底是在“真搞设计”还是在“瞎画示意图”，业界首个硬核硬件基准测试EEBench诞生了。这个测试彻底摈弃了花哨的GUI图形界面，直接让AI写 atopile 声明式代码来设计电路，并用极其苛刻的物理标准给AI打分。

EEBench的打分逻辑堪称硬件大佬的现场监考：它不仅看原理图能不能跑通，还会将设计直接送入SPICE物理仿真，并在元件参数最恶劣的容差极限角下进行压测。

例如在其中一项掉电保护测试中，5V主电源瞬间断开，AI设计的电路必须依靠电容储能，硬生生维持MCU活过至少20毫秒以保存数据。在此期间，保护电压不仅不能掉到复位阈值以下，AI还要在电容体积、成本和充电速度之间做极限博弈。只要选型稍有偏差，模拟电源一切断，板子当场猝死。

在这套魔鬼考卷面前，行业顶尖大模型全部经历了硬件物理法则的毒打： 最新公布的实测成绩单里，Claude Opus 5 以 61.6% 的准确率勉强拔得头筹；Grok 4.6 拿到了 57.1% 屈居第二；Claude Fable 5.1 则以 56.4% 位列第三。

61.6分放在学校考试里算刚好及格，但在严丝合缝的电子工程领域，这套成绩单翻译过来就是：如果直接把AI设计交去厂里贴片生产，出厂产品有将近四成无法正常工作，甚至可能直接在客户桌上自燃。

AI现在确实能秒级帮你算好运放电路的电阻比值，也能写出优雅的 atopile 硬件代码，但它依然缺乏对真实物理世界的敬畏。软件报错顶多在终端里弹个 Exception，硬件报错那可是真的会冒黑烟、散发焦糊味的。

AI距离真正独立设计出一款合格的电子产品还有很长一段路要走。

不过它已经学会了像某些资深工程师一样，在BOM成本与物理极限之间疯狂画饼。对于现在的硬件人来说，相比担心被AI淘汰，一个更现实的问题是：下次让大模型帮你画板子烧录测试前，实验室的灭火器到底该放在左手边，还是右手边？