新しいAWS AIハードウェア企業がAIに物理学的思考を教える

AIブームに伴い、コンピューティングハードウェアに関する投資家の関心は、超高度なチップ、GPU、そしてメモリに集中しています。

しかし、洗濯機から自動車、産業用ロボットに至るまで、機械や消費財でこれらの部品を接続するには、プリント回路基板（PCB）が必要です。PCBは、電子部品を物理的に支え、電気的に接続するための平板です。

ソース： Quilter AI

PCBの製造は簡単ではありませんが、よく理解され、規模拡大された成熟したサプライチェーンがあり、実際の製造はますます完全に自動化されています。しかし、新しいPCBの設計は決して簡単ではなく、実際には電子機器開発における最後の手作業工程の一つです。

専門家が手作業で設計図を描き、何百、何千もの部品を配置し、複数層にわたってそれらを接続する銅配線を配線します。中程度の複雑さの基板では、レイアウトに4〜8週間かかります。自動車用エレクトロニクスやコンピュータのような高度なシステムでは、3か月以上かかります。

この状況は急速に変わりつつあり、Quilter AIという新興企業がAIを用いてこのプロセスを自動化しています。数週間または数か月かかっていた作業を数日で完了させ、PCB設計者の作業時間を大幅に削減できます。

PCB設計が難しい理由は何ですか？

PCBは非常に複雑な3次元物理システムであり、優れた設計のために複数の制約をバランスさせる必要があります。

• スペース/機械的制限：部品は単に配置するだけでなく、非常に狭いスペースに収める必要があります。
• 電気ノイズ：電流が流れることで電力漏れや意図しない信号伝達、電磁干渉（EMI）が発生し、不要な電気的影響を予測する必要があります。
• 熱管理：高出力部品が過度のホットスポットを作らないようにし、銅製ヒートシンクで熱を放散し、ファンからの気流が妨げられないようにする必要があります。
• 製造上の制限：製造用化学薬品やツールの動作に関する制約により、銅配線が鋭角で交差したり、はんだマスクが薄すぎる設計を避け、実現可能な穴径などを考慮しなければなりません。

これらの課題の多くを解決しようとすると別の課題が悪化することがあり、PCB設計はすべての技術的目標を満たしつつ、コスト、消費電力、性能、サイズの要件内に収めるバランス作業となります。

その結果、これまでのPCB設計向け自動支援ツールは有用でしたが、最終的な問題を検出するために多くの人間の介入が必要でした。さらに、敏感な回路は特殊で非標準的なレイアウトを必要とします。

ソース： Cadence

Quilter AI 概要

Quilter の歴史

Quilterは、SpaceXでシニア放射線影響エンジニアとして5年間勤務し、Falcon 9およびFalcon Heavyの電子機器を開発した後、カリフォルニアで研究者として活動していたSergiy Nesterenkoによって設立されました。

“私はバークレーで数学、物理学、化学を三重専攻しましたが、専門性を追求したからではなく、基礎をマスターしたいと思ったからです。これにより他のすべてが学びやすくなります。”

同社のチームはSpaceX、Apple (AAPL )、NASA、ジョンズ・ホプキンスAPL、MIT出身のエンジニアで構成されています。また、PCB自動化企業のCadenceとSynopsysからElectronic Design Automation（EDA）開発者も採用しています。

同社は2023年にシリーズAで1000万ドル、2025年にさらに2500万ドルを調達しました。これはソフトウェアのオープンベータ開始から1年後のことです。2025年8月にフリーティアを開始し、ソリューションの費用は使用量ベースとなり、業界を支配する高額なサブスクリプションモデルから脱却しました。

“Quilterに基板をアップロードすると、アップロード時点で未配線のピン数が設計ピン数となります。Quilterがコンパイルするために必要な分だけ支払うだけで、余計な費用はかかりません。アップロード前に基板の一部（RFネット、ファンアウト、高電圧セクションなど）を事前に配線しておくと、その配線済みピンはカウントされません。Quilterは既存の作業を考慮して配線し、必要なピン分だけ料金を請求します。”

Quilterは独自フォーマットやロックインを提供せず、PCB設計者の導入や既存のワークフロー・製造ツールへの統合を支援します。

ソース： Quilter AI

物理学をAIに取り入れる

これまで、AIは主にテキストや画像生成、さらにはコンピュータコードの生成に使用されてきました。しかし、実世界の物理に対しては苦手であり、そのためAI開発の新たな焦点として、特にロボティクス向けに物理AIが注目されています（このトピックに関する完全レポートはリンクをご覧ください）。

Quilterは、強化学習、機械学習、ニューラルネットワークを組み合わせたアプローチを採用し、AIが実際の物理がPCB設計にどのような制約をもたらすかをより深く理解できるようにしています。

ソース： Quilter AI

その結果、QuilterのAIは既存の基板を模倣して設計されているわけではなく、なぜそのように作られたかを「理解」せずに人間から学ぶこともありません。このアプローチは多くのLLMの基本的な動作方式に似ていますが、複数の制約が同時に存在すると深刻な問題を引き起こすことがあります。

“Quilterは、実世界の物理と製造制約で訓練されたAIを用いて完全なレイアウトを生成します。人間の例ではなく、これによりエンジニアは人間の直感で閉ざされた設計空間を探索でき、物理優先の計算なしでは発見されなかった解決策を浮かび上がらせます。”

代わりに、AIは電流の物理、電磁気学、部品が使用する物理空間を理解し、それに基づいてPCBを設計する必要があります。

Quilter AIの各サブコンポーネントエージェントは部品を配置し、配線をルーティングし、物理を評価し、どの選択がより良い結果をもたらすかを学習します。何百万もの反復により配置と配線戦略が洗練され、人間のバイアスなしに制約をバランスさせ、従来とは異なる配線方法や配置戦略を生み出します。

“私たちは人間に合わせようとしているのではありません。人間の制約を完全に回避することで、彼らを超えることを目指しています。”

これにより、数十のレイアウトが同時に生成され、製造可能性と制約カバレッジで評価されます。設計チームはこのツールを使って、遅延や妥協なしに100倍以上の設計バリエーションを探索できます。また、ユーザーは複数のバリエーションを同時にアップロードすることで、基板が実際にどれだけ小さく、密にできるかを迅速にテストできます。

“Quilterは初の自律型PCB設計エンジンを創り出しています。これはオートルーターでも、コパイロットでも、LLMでもありません。自然法則そのものから学ぶ物理優先のAIシステムであり、人間の近道から学んでいるわけではありません。”

人間の意思決定を支援する

Quilter AIは、シンプルな基板設計を最短で15分で完了できます。しかし、数千ピンを持つより複雑な設計では、システムは一晩かけて処理します。

各提出ごとに、Quilterは異なるスタックアップ間で複数の配置・配線候補を並行して探索し、エンジニアに評価用の選択肢を提供します。その後、結果をネイティブのECADツールにダウンロードし、レビュー・改良し、必要に応じて再提出できます。

Quilterは商用プラットフォーム「app.quilter.ai」をAWSの米国西部リージョンで運用しており、米国東部、最終的にはヨーロッパへの拡大を計画しています。これにより、Amazon のクラウドコンピューティング容量を活用して、事業を強力かつシンプルにスケールアップできます。また、自己ホスト型のAWS環境を運用すれば、機密データが企業のインフラを離れることはありません。

Quilterが顧客や既存の基板データで学習しないという事実は、航空宇宙や防衛など、知的財産保護が極めて重要な分野において大きな利点です。

このワークフローは、エンジニアを手動で配線を描く作業者から、複数の基板バリエーションを並行して実行できるオーケストレーターへと変革し、四半期ごとの設計サイクルを週単位の実験と学習のループに変えます。

“Quilterがある世界では、基板はソフトウェアビルドと同様に豊富で反復的に作られ、私たちが『ハードウェアリッチ開発™』と呼ぶ新たなパラダイムを推進します。QuilterはトップPCB設計者に週を日数に短縮する超能力を与えます。これは完全なパラダイムシフトです。より速く反復すれば、競合他社を上回るイノベーションが可能になります。”

このプロセスは、PCBに関わるすべての専門家に対し、より速い納期、新しい設計、既存のCADツールとの容易な統合という利点を提供します。

ソース： Quilter AI

最近、Quilterはこれまでで最も野心的なプロジェクトであるProject Speedrunを実施し、843コンポーネントのLinuxコンピュータ（2枚の基板、5,141ピン、高速DDR4、eMMC、PCIe、CSI/DSI、GigE）を設計しました。この結果を得るには通常、手動レイアウトで400〜450時間かかりますが、Quilterは人手による作業を38.5時間に削減し、残りは自律的に行いました。

“Quilterは反復的な設計作業を担当し、エンジニアはコントロールを保ちました。自動化が配置、配線、物理チェックを処理し、エンジニアはファームウェアの準備、ドキュメント作成、制約の洗練に集中できました。”

物理AIへの投資

NVIDIA

ビデオゲームやその他のグラフィックレンダリング向けGPUハードウェアメーカーとしての起源から、NVIDIA (NVDA ) は巨大なAIハードウェア企業へと進化し、同社の株式は世界最大の時価総額を誇ります。

NVIDIAは、専門研究者がニューラルネットワークに関心を持つずっと前に、AIの可能性に早くから気付いていました。当時、それは実証されていない、ほとんど存在しない分野へのリスクの高い進出でした。Jensen Huangが言うように：

“私たちはゼロ・ビリオンドル市場に投資しています。”

2016年と2017年に、NVIDIAはそれぞれPascalとVoltaアーキテクチャをリリースし、GPUベースのAIアクセラレータとして初めて登場させました。VoltaはTensor Coreを導入し、2024年までにディープラーニングタスクを最大12倍高速化しました。

投資家は、NVIDIAが高い評価倍率を正当化できる新市場がすぐに枯渇するのではないかと懸念しています。2026年のCES（コンシューマーエレクトロニクスショー）で、NVIDIAは物理AIへの新たな注力を発表しました。

そのために、NVIDIAはCosmos をリリースし、自律走行車（AV）、ロボット、ビデオ分析AIエージェント向けの物理AI開発を加速するプラットフォームとしました。また、ヒューマノイドロボット向けに特化したビジョン・言語・アクションモデルであるIsaac GR00T N1.6、そして物理AI専用に設計された「オーケストレーター」ソフトウェアOSMOを提供しました。

ロボットや自動運転車、その他の自律システムへのAIの実装は、NVIDIAに新たなハードウェア販売市場を多数提供します。また、AIは物理ハードウェアの設計支援にもなるようで、AIコンピューティング需要の増大の可能性をさらに高めています。

最新のNVIDIA（NVDA）株式ニュースと動向