Ny AWS AI-maskinvarebedrift lærer AI å tenke i fysikk

Med boomen i AI har all investoroppmerksomhet rundt datamaskinmaskinvare blitt rettet mot ultraavanserte brikker, GPU-er og minne.

Imidlertid er trykte kretskort (PCB-er) nødvendige for å koble disse komponentene sammen i maskiner og forbrukerprodukter, fra vaskemaskiner til biler til industrielle roboter. De er de flate brettene som fysisk støtter og elektrisk kobler elektroniske komponenter.

Kilde: Quilter AI

Produksjon av PCB-er er ikke trivielt, men det er en velforstått og oppskalert moden forsyningskjede, med selve produksjonen stadig mer fullstendig automatisert. Imidlertid er design av nye PCB-er alt annet enn enkelt og er faktisk et av de siste manuelle trinnene i elektronikkutviklingen.

En spesialist tegner planen for hånd og plasserer hundrevis eller tusenvis av komponenter og ruter kobbertrådene som kobler dem sammen over flere lag. For et kort med moderat kompleksitet tar layout fire til åtte uker. Sofistikerte systemer som bil-elektronikk eller datamaskiner tar tre måneder eller mer.

Dette kan endre seg veldig raskt ettersom en ny oppstart kalt Quilter AI nå bruker AI til å automatisere denne prosessen. Den kan gjøre en uke‑ eller månedslang prosess til bare noen få dager, og sparer mange arbeidstimer for PCB‑designerne.

Hvorfor er PCB-design så vanskelig?

PCB-er er svært komplekse 3D‑fysiske systemer som må balansere flere begrensninger for et godt design:

• Plass‑/mekaniske begrensninger: komponentene må ikke bare plasseres sammen, men også passe inn i et svært trangt rom.
• Elektrisk støy: strøm som passerer skaper potensiell kraftlekkasje, utilsiktet signaloverføring og elektromagnetisk interferens (EMI), noe som krever forutsigelse av uønskede elektriske effekter.
• Termisk håndtering: høy‑effekt‑komponenter bør ikke skape for mange varmepunkter; en kobberkjøler må legges til for å fjerne varmen, og luftstrøm fra vifter må ikke bli hindret.
• Produksjonsbegrensninger: begrensninger på hvordan produksjonskjemikalier og verktøy fungerer betyr at design må unngå ting som kobbertråder som møtes i spisse vinkler eller for tynne loddemasker, ta hensyn til mulige hulldiametre, osv.

Løsning av mange av disse problemene kan forverre andre, noe som betyr at PCB‑design er en balansegang for å oppfylle alle tekniske mål samtidig som man holder seg innen kostnads-, strømforbruk-, ytelses- og størrelseskravene for et gitt PCB.

Som et resultat var de fleste automatiserte assistentverktøy for PCB‑design frem til nå nyttige, men krevde en tung dose menneskelig innblanding for å oppdage eventuelle problemer. I tillegg krever følsomme kretser spesialiserte, ikke‑standard layout.

Kilde: Cadence

Quilter AI‑oversikt

Quilter‑historie

Quilter ble grunnlagt av Sergiy Nesterenko etter fem år i SpaceX (SPCX ) som senior strålings‑effekt‑ingeniør, hvor han utviklet elektronikk for Falcon 9 og Falcon Heavy, og som forsker i California før det.

“Jeg tok tredobbelt hovedfag i matematikk, fysikk og kjemi ved Berkeley, ikke fordi jeg ønsket å spesialisere meg, men fordi jeg ville mestre grunnprinsippene. Det gjør alt annet lettere å lære.”

Selskapets team består av ingeniører fra SpaceX, Apple (AAPL ), NASA, Johns Hopkins APL og MIT. Det har også ansatt Electronic Design Automation (EDA)‑byggere fra PCB‑automatiseringsselskapene Cadence og Synopsys.

Selskapet hentet 10 millioner dollar i sin Serie A i 2023, og ytterligere 25 millioner dollar i 2025, ett år etter lanseringen av den åpne betaversjonen av programvaren. Selskapet lanserte sin Gratis‑nivå i august 2025, hvor kostnaden for løsningen er per bruk, og bryter med den ofte kostbare programvareabonnementsmodellen som dominerer bransjen.

“Når du laster opp et kort til Quilter, er antallet uruterte pinner på tidspunktet for opplastingen ditt design‑pinnetall. Du betaler kun for det Quilter trenger å kompilere, ingenting mer. Hvis du forhåndsruter en del av kortet før opplasting (RF‑nett, fan‑outs, høyspennings‑seksjoner), teller ikke de rutede pinnene. Quilter ruter rundt ditt eksisterende arbeid og belaster kun for pinnene det må håndtere.”

Quilter tilbyr også ingen proprietære formater og ingen låsing, noe som hjelper med onboarding av PCB‑designere og integrering i eksisterende arbeidsflyter og produksjonsverktøy.

Kilde: Quilter AI

Bringe fysikk til AI

Generelt har AI hittil blitt brukt mest til tekst‑ og bildeskaping, inkludert datakode. Men den sliter ofte med virkelighets‑fysikk, noe som er grunnen til at et nytt fokus innen AI‑utvikling har blitt fysisk AI, spesielt for robotikk‑applikasjoner (følg lenken for vår fullstendige rapport om dette temaet).

Quilter har tatt i bruk en tilnærming som blander forsterknings‑læring, maskinlæring og nevrale nettverk for å gi AI‑en deres en bedre forståelse av hvordan reell fysikk skaper begrensninger i PCB‑design.

Kilde: Quilter AI

Som et resultat er ikke Quilters AI designet ved å etterligne eksisterende kort, uten å «forstå» hvorfor de ble laget på denne måten og lære av mennesker. Denne tilnærmingen, lik den grunnleggende måten de fleste LLM‑er fungerer på, vil ofte føre til et alvorlig problem når flere begrensninger er i spill.

“Quilter genererer komplette layout ved hjelp av AI trent på virkelighets‑fysikk og produksjonsbegrensninger, ikke på menneskelige eksempler. Dette lar ingeniører utforske designrom som er lukket av menneskelig intuisjon, og avdekker løsninger som ellers ville forblitt uoppdaget uten fysikk‑først‑beregning.”

I stedet må AI forstå fysikken bak elektrisk strøm, elektromagnetisme og det fysiske rommet komponentene bruker, og designe PCB‑en deretter.

Hver underkomponent‑agent i Quilter AI plasserer komponenter, ruter spor, evaluerer fysikken, og lærer hvilke valg som gir bedre resultater. Millioner av iterasjoner finjusterer plassering‑ og rutingsstrategier, balanserer begrensninger uten menneskelig bias, og produserer ukonvensjonelle rutingsmetoder og plasseringstrategier.

“Vi prøver ikke å matche mennesker. Vi prøver å overgå dem ved å unngå deres begrensninger fullstendig.”

Dette betyr at dusinvis av layout genereres samtidig, hver rangert etter produksjonsdyktighet og begrensningsdekning. Designteam kan utforske med dette verktøyet 100 × flere designvarianter uten forsinkelse eller kompromiss. Brukere kan også raskt teste hvor liten eller tett et kort realistisk kan være ved å laste opp flere varianter parallelt.

“Quilter skaper den første autonome PCB‑designmotoren. Den er verken en autorouter, en co‑pilot eller en LLM. Den er et fysikk‑først AI‑system som lærer fra naturlovene selv, ikke fra menneskelige snarveier.”

Styrke menneskelig beslutningstaking

Quilter AI kan fullføre enkle kortdesign på så lite som 15 minutter. Men for mer komplekse design med tusenvis av pinner vil systemet kjøre over natten.

For hver innsending utforsker Quilter flere plassering‑ og rutingskandidater på tvers av ulike stack‑ups parallelt, og gir ingeniører et spekter av alternativer å evaluere. De kan deretter laste ned resultatene inn i sitt native ECAD‑verktøy, gjennomgå og finjustere, og sende inn på nytt om nødvendig.

Quilter driver sin kommersielle plattform “app.quilter.ai” fra AWS sin US West‑region, med planer om å utvide til US East og etter hvert Europa. Dette gir selskapet en kraftig og enkel måte å skalere opp driften på ved å stole på Amazon sky‑datakapasitet. Det er også mulig å kjøre et selv‑hostet AWS‑miljø slik at sensitiv data aldri forlater selskapets infrastruktur.

Faktumet at Quilter ikke trener på sine kunder eller andre eksisterende kortdata er også et pluss i en sektor hvor IP‑beskyttelse er ekstremt viktig, som luftfart eller forsvar.

Arbeidsflyten gjør om ingeniører fra manuelle spor‑tegnere til orkestratorer som kan kjøre flere kortvarianter parallelt, og gjør en kvartalsvis designsyklus om til en ukentlig løkke av eksperimenter og læring.

“En verden med Quilter er en verden hvor kort er like rikelige og iterative som programvare‑bygg, og driver et nytt paradigme vi kaller Hardware‑Rich Development™. Quilter gir topp‑PCB‑designere superkraften til å gjøre uker om til dager. Det er et fullstendig paradigmeskifte. Når du itererer raskere, kan du over‑innovere konkurrentene dine.”

Prosessen gir fordeler for alle fagfolk som jobber med PCB‑er, med raskere leveranser, nye design og enkel integrering med eksisterende CAD‑verktøy.

Kilde: Quilter AI

Nylig gjennomførte Quilter sitt mest ambisiøse prosjekt hittil, Project Speedrun, der de designet en 843‑komponent Linux‑datamaskin (to brett, 5 141 pinner, høyhastighets‑DDR4, eMMC, PCIe, CSI/DSI, GigE). Dette ville normalt tatt 400–450 timer med manuell layout for å oppnå. Quilter reduserte dette til 38,5 timer med menneskelig arbeidskraft, mens resten ble gjort autonomt.

“Quilter tok seg av det repeterende designarbeidet mens ingeniøren holdt kontrollen. Automatiseringen håndterte plassering, ruting og fysikkontroller, og frigjorde ham til å fokusere på firmware‑forberedelser, dokumentasjon og begrensnings‑finjustering.”

Investere i fysisk AI

NVIDIA

Fra sin opprinnelse som GPU‑maskinvareprodusent for videospill og andre grafikkrenderingsoppgaver, har NVIDIA (NVDA ) utviklet seg til et enormt AI‑maskinvarefirma, og gitt aksjen verdens største markedsverdi.

NVIDIA innså AI‑potensialet tidlig, lenge før noen, selv spesialiserte forskere, brydde seg om nevrale nettverk. Dette var på den tiden et risikabelt steg inn i en uprøvd, knapt eksisterende sektor, eller som Jensen Huang uttrykte det:

“Vi investerer i null‑milliard‑dollar‑markeder.”

I 2016 og 2017 lanserte NVIDIA henholdsvis Pascal‑ og Volta‑arkitekturene, den første GPU‑baserte AI‑akseleratoren, mens Volta introduserte Tensor‑kjernene, som akselererte dyp‑læringsoppgaver med opptil 12 ganger innen 2024.

Investorer har vært noe bekymret for at NVIDIA snart kan gå tom for nye markeder som rettferdiggjør de høye verdsettelses‑multiplikatorene. På CES 2026 (Consumer Electronics Show) kunngjorde NVIDIA et nytt fokus på fysisk AI.

For å gjøre dette, lanserte NVIDIA Cosmos, en plattform for å akselerere utviklingen av fysisk AI for autonome kjøretøy (AV‑er), roboter og video‑analyse‑AI‑agenter; Isaac GR00T N1.6, en visjon‑språk‑handling‑modell bygget spesielt for humanoide roboter; og OSMO, en «orkestrator»-programvare, spesialbygd for fysisk AI.

Den fysiske implementeringen av AI i roboter, selvkjørende biler og andre autonome systemer vil gi NVIDIA mange nye markeder å selge maskinvaren sin til. Og det ser ut til at AI også vil være en muliggjører i design av fysisk maskinvare, noe som ytterligere forsterker potensialet for økende etterspørsel etter AI‑datakapasitet.

Siste NVIDIA (NVDA) aksjenyheter og utviklinger