Perusahaan Perangkat Keras AI AWS Baru Mengajarkan AI untuk Berpikir dalam Fisika

Dengan ledakan AI, semua perhatian investor terkait perangkat keras komputasi telah terfokus pada chip ultra‑maju, GPU, dan memori.

Namun, untuk menghubungkan komponen‑komponen ini bersama dalam mesin dan barang konsumen, mulai dari mesin cuci hingga mobil hingga robot industri, diperlukan papan sirkuit tercetak (PCB). Mereka adalah papan datar yang digunakan untuk secara fisik mendukung dan menghubungkan secara listrik komponen elektronik.

Sumber: Quilter AI

Membuat PCB bukan hal yang sederhana, tetapi merupakan rantai pasokan yang matang, dipahami dengan baik, dan telah diskalakan, dengan proses manufaktur yang semakin otomatis sepenuhnya. Namun, merancang PCB baru tidaklah mudah dan sebenarnya merupakan salah satu langkah manual terakhir dalam pengembangan elektronik.

Seorang spesialis menggambar rencana secara manual dan menempatkan ratusan atau ribuan komponen serta merouting jejak tembaga yang menghubungkannya di beberapa lapisan. Untuk papan dengan kompleksitas sedang, tata letak memakan waktu empat hingga delapan minggu. Sistem canggih seperti elektronik otomotif atau komputer memerlukan tiga bulan atau lebih.

Hal ini dapat berubah sangat cepat karena sebuah startup baru bernama Quilter AI kini menggunakan AI untuk mengotomatisasi proses ini. Mereka dapat mengubah proses yang memakan waktu minggu atau bulan menjadi hanya beberapa hari, menghemat banyak jam kerja bagi perancang PCB.

Mengapa Desain PCB Begitu Sulit?

PCBs adalah sistem fisik 3D yang sangat kompleks yang perlu menyeimbangkan banyak kendala untuk desain yang baik:

• Batas ruang/mekanik: komponen tidak hanya perlu disusun bersama, tetapi juga harus muat dalam ruang yang sangat sempit.
• Gangguan listrik: aliran arus menghasilkan potensi kebocoran daya, transfer sinyal yang tidak diinginkan, dan interferensi elektromagnetik (EMI), sehingga diperlukan antisipasi efek listrik yang tidak diinginkan.
• Manajemen termal: komponen berdaya tinggi tidak boleh menghasilkan terlalu banyak titik panas; diperlukan heatsink tembaga untuk menyalurkan panas tersebut, dan aliran udara dari kipas tidak boleh terhalang.
• Batas manufaktur: kendala pada cara bahan kimia dan alat manufaktur bekerja berarti desain harus menghindari jejak tembaga yang bertemu pada sudut tajam atau mask solder yang terlalu tipis, memperhitungkan diameter lubang yang dapat dibuat, dll.

Menyelesaikan banyak masalah ini dapat memperburuk masalah lain, yang berarti desain PCB adalah sebuah aksi menyeimbangkan untuk memenuhi semua tujuan teknis sekaligus tetap berada dalam batas biaya, konsumsi daya, kinerja, dan ukuran yang dibutuhkan untuk sebuah PCB.

Akibatnya, sampai saat ini, sebagian besar alat bantu otomatis untuk desain PCB memang berguna, tetapi masih memerlukan sentuhan manusia yang signifikan untuk mendeteksi masalah yang mungkin muncul. Selain itu, sirkuit sensitif memerlukan tata letak khusus yang tidak standar.

Sumber: Cadence

Gambaran Umum Quilter AI

Sejarah Quilter

Quilter didirikan oleh Sergiy Nesterenko setelah lima tahun di SpaceX (SPCX ) sebagai Senior Radiation Effects Engineer, di mana ia mengembangkan elektronik untuk Falcon 9 dan Falcon Heavy, serta sebagai peneliti di California sebelumnya.

“Saya mengambil tiga jurusan sekaligus, matematika, fisika, dan kimia di Berkeley bukan karena ingin berspesialisasi, melainkan karena ingin menguasai dasar‑dasarnya. Itu membuat segala hal lain lebih mudah dipelajari.”

Tim perusahaan terdiri dari insinyur yang pernah bekerja di SpaceX, Apple (AAPL ), NASA, Johns Hopkins APL, dan MIT. Mereka juga merekrut pembangun Electronic Design Automation (EDA) dari perusahaan otomasi PCB Cadence dan Synopsys.

Perusahaan mengumpulkan $10 juta dalam Seri A pada tahun 2023, dan tambahan $25 juta pada tahun 2025, satu tahun setelah peluncuran Beta terbuka perangkat lunaknya. Perusahaan meluncurkan Tingkat Gratis pada Agustus 2025, di mana biaya solusi dihitung per penggunaan, meninggalkan model langganan perangkat lunak yang biasanya mahal di industri.

“Ketika Anda mengunggah sebuah papan ke Quilter, jumlah pin yang belum dirouting pada saat unggah adalah hitungan pin desain Anda. Anda membayar hanya untuk apa yang Quilter perlukan untuk mengompilasi, tidak lebih. Jika Anda melakukan pra‑routing sebagian papan sebelum mengunggah (jaringan RF, fan‑out, bagian tegangan tinggi), pin yang sudah dirouting tidak dihitung. Quilter merouting di sekitar pekerjaan Anda yang sudah ada dan hanya menagih pin yang perlu ditangani.”

Quilter juga tidak menggunakan format proprietari dan tidak mengunci pengguna, membantu proses onboarding perancang PCB serta integrasi ke dalam alur kerja dan alat manufaktur yang sudah ada.

Sumber: Quilter AI

Membawa Fisika ke AI

Secara umum, AI selama ini sebagian besar digunakan untuk menghasilkan teks dan gambar, termasuk kode komputer. Namun AI sering kesulitan dengan fisika dunia nyata, itulah mengapa fokus baru dalam pengembangan AI adalah AI fisik, terutama untuk aplikasi robotik (ikuti tautan untuk laporan lengkap kami tentang topik ini).

Quilter telah mengadopsi pendekatan yang menggabungkan reinforcement learning, machine learning, dan jaringan saraf untuk memberi AI mereka pemahaman yang lebih baik tentang bagaimana fisika nyata menciptakan kendala dalam desain PCB.

Sumber: Quilter AI

Akibatnya, AI Quilter tidak dirancang dengan meniru papan yang ada, tanpa “memahami” mengapa papan tersebut dibuat demikian dan belajar dari manusia. Pendekatan ini, mirip dengan cara kerja dasar kebanyakan LLM, sering kali menghasilkan masalah serius ketika banyak kendala terlibat.

“Quilter menghasilkan tata letak lengkap menggunakan AI yang dilatih pada fisika dunia nyata dan kendala manufaktur, bukan contoh manusia. Ini memungkinkan insinyur menjelajahi ruang desain yang ditutup oleh intuisi manusia, menampilkan solusi yang tidak akan terungkap tanpa komputasi berfokus pada fisika.”

Sebaliknya, AI perlu memahami fisika arus listrik, elektromagnetisme, dan ruang fisik yang digunakan komponen, serta merancang PCB sesuai.

Setiap agen subkomponen Quilter AI menempatkan komponen, merouting jejak, mengevaluasi fisika, dan belajar pilihan mana yang menghasilkan hasil lebih baik. Jutaan iterasi menyempurnakan strategi penempatan dan routing, menyeimbangkan kendala tanpa bias manusia, menghasilkan metode routing dan strategi penempatan yang tidak konvensional.

“Kami tidak berusaha meniru manusia. Kami berusaha melampaui mereka dengan menghindari seluruh kendala mereka.”

Ini berarti puluhan tata letak dihasilkan secara bersamaan, masing‑masing diberi peringkat berdasarkan kemampuan manufaktur dan cakupan kendala. Tim desain dapat menjelajahi dengan alat ini 100× lebih banyak varian desain tanpa penundaan atau kompromi. Pengguna juga dapat dengan cepat menguji seberapa kecil atau padat sebuah papan dapat secara realistis dengan mengunggah beberapa variasi secara paralel.

“Quilter menciptakan mesin desain PCB otonom pertama. Ini bukan autorouter, co‑pilot, atau LLM. Ini adalah sistem AI berfokus pada fisika yang belajar dari hukum alam itu sendiri, bukan dari jalan pintas manusia.”

Memberdayakan Keputusan Manusia

Quilter AI dapat menyelesaikan desain papan sederhana dalam waktu hanya 15 menit. Namun untuk desain yang lebih kompleks dengan ribuan pin, sistem akan berjalan semalaman.

Untuk setiap pengajuan, Quilter menjelajahi banyak kandidat penempatan dan routing di berbagai stack‑up secara paralel, memberikan insinyur berbagai opsi untuk dievaluasi. Mereka kemudian dapat mengunduh hasilnya ke dalam alat ECAD native mereka, meninjau dan menyempurnakan, serta mengirim ulang jika diperlukan.

Quilter menjalankan platform komersialnya “app.quilter.ai“, yang berada di wilayah US West AWS, dengan rencana untuk memperluas ke US East dan akhirnya Eropa. Ini memberi perusahaan cara yang kuat dan sederhana untuk meningkatkan operasi dengan mengandalkan kapasitas komputasi awan Amazon . Juga memungkinkan menjalankan lingkungan AWS yang dihosting sendiri sehingga data sensitif tidak pernah keluar dari infrastruktur perusahaan.

Fakta bahwa Quilter tidak melatih modelnya dengan data klien atau papan yang ada merupakan nilai tambah di sektor di mana perlindungan IP sangat penting, seperti dirgantara atau pertahanan.

Alur kerja mengubah insinyur dari penggambar jejak manual menjadi orkestrator yang dapat menjalankan banyak varian papan secara paralel, mengubah siklus desain kuartalan menjadi siklus mingguan eksperimen dan pembelajaran.

“Dunia dengan Quilter adalah dunia di mana papan sebanyak dan iteratifnya seperti build perangkat lunak, memberi kekuatan baru yang kami sebut Hardware‑Rich Development™. Quilter memberi perancang PCB teratas kemampuan super untuk mengubah minggu menjadi hari. Ini adalah pergeseran paradigma lengkap. Ketika Anda beriterasi lebih cepat, Anda dapat melampaui inovasi pesaing Anda.”

Proses ini menawarkan keuntungan bagi semua profesional yang terlibat dengan PCB, dengan hasil yang lebih cepat, desain baru, dan integrasi mudah dengan alat CAD yang ada.

Sumber: Quilter AI

Baru‑baru ini, Quilter melaksanakan proyek paling ambisiusnya hingga kini, Project Speedrun, merancang komputer Linux dengan 843 komponen (dua papan, 5.141 pin, DDR4 berkecepatan tinggi, eMMC, PCIe, CSI/DSI, GigE). Biasanya proses ini memerlukan 400–450 jam tata letak manual untuk mencapai hasil tersebut. Quilter menguranginya menjadi 38,5 jam kerja manusia, sisanya dilakukan secara otonom.

“Quilter menangani pekerjaan desain berulang sementara insinyur tetap mengendalikan. Otomatisasi menangani penempatan, routing, dan pemeriksaan fisika, membebaskan dia untuk fokus pada persiapan firmware, dokumentasi, dan penyempurnaan kendala.”

Berinvestasi dalam AI Fisik

NVIDIA

Berawal sebagai pembuat perangkat keras GPU untuk video game dan tugas rendering grafis lainnya, NVIDIA (NVDA ) telah berkembang menjadi perusahaan perangkat keras AI besar, menjadikan sahamnya memiliki kapitalisasi pasar terbesar di dunia.

NVIDIA menyadari potensi AI lebih awal, jauh sebelum siapa pun, bahkan peneliti khusus, peduli tentang jaringan saraf. Pada saat itu, langkah tersebut merupakan risiko masuk ke sektor yang belum terbukti dan hampir tidak ada, atau seperti yang dikatakan Jensen Huang:

“Kami berinvestasi di pasar nol miliar dolar.”

Pada 2016 & 2017, NVIDIA merilis arsitektur Pascal dan Volta, masing‑masing sebagai akselerator AI berbasis GPU pertama, sementara Volta memperkenalkan Tensor Cores, yang mempercepat tugas deep learning hingga 12 kali lipat pada tahun 2024.

Investor agak khawatir bahwa NVIDIA mungkin segera kehabisan pasar baru untuk membenarkan kelipatan valuasi yang tinggi. Pada CES 2026 (Consumer Electronics Show), NVIDIA mengumumkan fokus baru pada AI fisik.

Untuk melakukannya, NVIDIA merilis Cosmos, sebuah platform untuk mempercepat pengembangan AI fisik bagi kendaraan otonom (AV), robot, dan agen AI analitik video; Isaac GR00T N1.6, model visi‑bahasa‑tindakan yang dibangun khusus untuk robot humanoid; dan OSMO, perangkat lunak “orchestrator” yang dirancang khusus untuk AI fisik.

Penerapan fisik AI dalam robot, mobil self‑driving, dan sistem otonom lainnya akan memberi NVIDIA banyak pasar baru untuk menjual perangkat kerasnya. Dan tampaknya AI juga akan menjadi pendorong dalam merancang perangkat keras fisik, lebih meningkatkan potensi permintaan yang berkembang untuk kapasitas komputasi AI.

Berita dan Perkembangan Saham NVIDIA (NVDA) Terbaru