Nytt AWS AI‑hårdvaruföretag lär AI att tänka i fysik

Med AI‑boomen har all investerarnas uppmärksamhet på beräkningshårdvara fokuserat på ultramoderna chip, GPU:er och minne.

Men för att koppla ihop dessa komponenter i maskiner och konsumentprodukter, från tvättmaskiner till bilar till industrirobotar, behövs tryckta kretskort (PCB). De är de platta korten som fysiskt stödjer och elektriskt ansluter elektroniska komponenter.

Källa: Quilter AI

Att producera PCB är inte trivialt, men det är en väl förstådd och uppskalad mogen leveranskedja, där själva tillverkningen blir alltmer helt automatiserad. Att designa nya PCB är dock långt ifrån enkelt och är faktiskt ett av de sista manuella stegen i elektronikutveckling.

En specialist ritar planen för hand och placerar hundratals eller tusentals komponenter samt rutar kopparspåren som förbinder dem över flera lager. För ett kort med måttlig komplexitet tar layouten fyra till åtta veckor. Avancerade system som fordons‑elektronik eller datorer tar tre månader eller längre.

Detta kan förändras mycket snabbt då en ny startup vid namn Quilter AI nu använder AI för att automatisera processen. Den kan omvandla en veck- eller månadslång process till bara några dagar, vilket sparar många arbetstimmar för PCB‑designers.

Varför är PCB-design så svårt?

PCB är mycket komplexa 3D‑fysiska system som måste balansera flera begränsningar för en bra design:

• Utrymmes-/mekaniska begränsningar: komponenterna måste inte bara placeras tillsammans, utan också få plats i ett mycket trångt utrymme.
• Elektriskt brus: ström som passerar skapar potentiell energiläckage, oavsiktlig signalöverföring och elektromagnetisk interferens (EMI), vilket kräver förutse oönskade elektriska effekter.
• Termisk hantering: högpresterande komponenter bör inte skapa för många heta punkter; en kopparvärmeavledare måste läggas till för att avleda värmen, och luftflöden från fläktar får inte hindras.
• Tillverkningsbegränsningar: begränsningar i hur tillverkningskemikalier och verktyg fungerar innebär att designen måste undvika exempelvis kopparspår som möts i spetsvinklar eller för tunna lödmasker, ta hänsyn till möjliga håldiametrar, etc.

Att lösa många av dessa problem kan göra ett annat värre, vilket betyder att PCB-design är en avvägning för att uppfylla alla tekniska mål samtidigt som man håller sig inom kostnads-, energiförbruknings-, prestanda- och storlekskraven för ett givet PCB.

Som ett resultat var de flesta automatiserade assistentverktyg för PCB-design fram till nu användbara, men krävde en kraftig mänsklig insats för att upptäcka eventuella problem. Dessutom kräver känsliga kretsar specialiserade, icke‑standardiserade layouter.

Källa: Cadence

Översikt av Quilter AI

Quilter-historia

Quilter grundades av Sergiy Nesterenko efter fem år på SpaceX (SPCX ) som senior strålnings‑effekt‑ingenjör, där han utvecklade elektronik för Falcon 9 och Falcon Heavy, samt som forskare i Kalifornien innan dess.

“Jag tog tre huvudämnen – matematik, fysik och kemi – på Berkeley, inte för att jag ville specialisera mig, utan för att jag ville behärska grunderna. Det gör allt annat lättare att lära sig.”

Företagets team består av ingenjörer från SpaceX, Apple (AAPL ), NASA, Johns Hopkins APL och MIT. Det har också anställt byggare av Electronic Design Automation (EDA) från PCB‑automatiseringsföretagen Cadence och Synopsys.

Företaget samlade in 10 M$ i sin Serie A 2023 och ytterligare 25 M$ 2025, ett år efter lanseringen av den öppna betaversionen av sin mjukvara. Företaget lanserade sin gratisnivå i augusti 2025, där kostnaden för lösningen är per användning, vilket avviker från den ofta dyra prenumerationsmodellen som dominerar branschen.

“När du laddar upp ett kort till Quilter är antalet orouterade stift vid uppladdningstidpunkten ditt design‑stiftsantal. Du betalar bara för det Quilter behöver kompilera, inget mer. Om du förrouter en del av kortet innan uppladdning (RF‑nät, fan‑outs, högspänningssektioner) räknas dessa routerade stift inte. Quilter ruter runt ditt befintliga arbete och debiterar endast för de stift som måste hanteras.”

Quilter erbjuder också inga proprietära format och ingen låsning, vilket underlättar onboarding av PCB‑designers och integration i befintliga arbetsflöden och tillverkningsverktyg.

Källa: Quilter AI

Att föra in fysik i AI

Generellt har AI hittills mest använts för text‑ och bildgenerering, inklusive dator­kod. Men den har ofta svårt med verklig fysik, vilket är anledningen till att ett nytt fokus inom AI‑utveckling har varit fysisk AI, särskilt för robotikapplikationer (följ länken för vår fullständiga rapport om detta ämne).

Quilter har antagit ett tillvägagångssätt som blandar förstärkningsinlärning, maskininlärning och neurala nätverk för att ge deras AI en bättre förståelse för hur verklig fysik skapar begränsningar i PCB‑design.

Källa: Quilter AI

Som ett resultat är Quilters AI inte designad genom att imitera befintliga kort, utan utan att “förstå” varför de byggdes på detta sätt och lära sig av människor. Detta tillvägagångssätt, likt de flesta LLM:ers grundläggande funktion, skulle ofta leda till allvarliga problem när flera begränsningar är i spel.

“Quilter genererar kompletta layouter med AI som tränats på verklig fysik och tillverkningsbegränsningar, inte på mänskliga exempel. Detta låter ingenjörer utforska designrum som är stängda av mänsklig intuition, och frambringar lösningar som annars skulle ha förblivit oupptäckta utan fysik‑först‑beräkning.”

Istället måste AI förstå fysiken bakom elektrisk ström, elektromagnetism och det fysiska utrymmet som komponenterna använder, och designa PCB därefter.
Varje delkomponent‑agent i Quilter AI placerar komponenter, rutar spår, utvärderar fysiken och lär sig vilka val som ger bättre resultat. Miljontals iterationer förfinar placerings‑ och ruttstrategier, balanserar begränsningar utan mänsklig bias och producerar okonventionella ruttmetoder och placeringsstrategier.

“Vi försöker inte matcha människor. Vi försöker överträffa dem genom att helt undvika deras begränsningar.”

Det betyder att dussintals layouter genereras samtidigt, var och en rankad efter tillverkningsbarhet och begränsningsomfång. Designteam kan med detta verktyg utforska 100 × fler designvarianter utan fördröjning eller kompromisser. Användare kan också snabbt testa hur liten eller tät ett kort realistiskt kan vara genom att ladda upp flera variationer parallellt.

“Quilter skapar den första autonoma PCB‑designmotorn. Det är ingen autorouter, ingen co‑pilot eller någon LLM. Det är ett fysik‑först AI‑system som lär sig från naturlagarna själva, inte från mänskliga genvägar.”

Stärka mänskligt beslutsfattande

Quilter AI kan slutföra enkla kortdesigner på så lite som 15 minuter. Men för mer komplexa designer med tusentals stift kör systemet över natten.

För varje inlämning utforskar Quilter flera placerings‑ och ruttkandidater över olika stack‑ups parallellt, vilket ger ingenjörer ett urval av alternativ att utvärdera. De kan sedan ladda ner resultaten till sitt inhemska ECAD‑verktyg, granska och förfina, och skicka in igen vid behov.

Quilter driver sin kommersiella plattform “app.quilter.ai“, från AWS:s US West‑region, med planer på att expandera till US East och så småningom Europa. Detta ger företaget ett kraftfullt och enkelt sätt att skala upp sin verksamhet genom att förlita sig på Amazon molnberäkningskapacitet. Det är också möjligt att köra en självhostad AWS‑miljö så att känslig data aldrig lämnar företagets infrastruktur.

Faktumet att Quilter inte tränar på sina kunder eller någon annan befintlig kortdata är också en fördel i en sektor där IP‑skydd är extremt viktigt, som rymd- eller försvarsindustrin.

Arbetsflödet förvandlar ingenjörer från manuella spårritare till orkestratörer som kan köra flera kortvarianter parallellt, vilket omvandlar en kvartalsvis designcykel till en veckovis loop av experiment och lärande.

“En värld med Quilter är en värld där kort är lika rikliga och iterativa som mjukvarubyggen, vilket driver ett nytt paradigm vi kallar Hardware‑Rich Development™. Quilter ger topp‑PCB‑designers superkraften att förvandla veckor till dagar. Det är ett fullständigt paradigmskifte. När du itererar snabbare kan du överträffa dina konkurrenter i innovation.”

Processen erbjuder fördelar för alla yrkesverksamma som arbetar med PCB, med snabbare leveranser, nya designer och enkel integration med befintliga CAD‑verktyg.

Källa: Quilter AI

Nyligen genomförde Quilter sitt mest ambitiösa projekt hittills, Project Speedrun, där de designade en Linux‑dator med 843 komponenter (två kort, 5 141 stift, hög hastighet DDR4, eMMC, PCIe, CSI/DSI, GigE). Det skulle normalt ta 400–450 timmar av manuell layout för att uppnå detta resultat. Quilter reducerade detta till 38,5 timmar mänskligt arbete, med resten gjort autonomt.

“Quilter tog hand om det repetitiva designarbetet medan ingenjören behöll kontrollen. Automatiseringen hanterade placering, routing och fysikkontroller, vilket frigjorde honom att fokusera på firmware‑förberedelser, dokumentation och förfining av begränsningar.”

Investera i fysisk AI

NVIDIA

Från sin början som GPU‑hårdvarutillverkare för videospel och andra grafiska renderingsuppgifter har NVIDIA (NVDA ) utvecklats till ett enormt AI‑hårdvaruföretag, vilket ger dess aktie världens största börsvärde.

NVIDIA insåg AI:s potential tidigt, långt innan någon, utanför specialiserade forskare, brydde sig om neurala nätverk. Detta var då en riskfylld satsning på en oprövad, knappt existerande sektor, eller som Jensen Huang uttryckte det:

“Vi investerar i noll‑miljard‑dollar‑marknader.”

År 2016 och 2017 släppte NVIDIA Pascal‑ och Volta‑arkitekturerna, respektive den första GPU‑baserade AI‑acceleratorn, medan Volta introducerade Tensor‑kärnorna, som accelererade djupinlärningsuppgifter med upp till 12 gånger år 2024.

Investerare har varit något oroade över att NVIDIA snart kan få slut på nya marknader för att rättfärdiga sina höga värderingsmultiplar. På CES 2026 (Consumer Electronics Show) annonserade NVIDIA ett nytt fokus på fysisk AI.

För att göra detta släppte NVIDIA Cosmos, en plattform för att påskynda utvecklingen av fysisk AI för autonoma fordon (AV), robotar och video‑analys‑AI‑agenter; Isaac GR00T N1.6, en vision‑språk‑aktionsmodell byggd specifikt för humanoida robotar; och OSMO, en ”orchestrator”-mjukvara, speciellt utvecklad för fysisk AI.

Den fysiska implementeringen av AI i robotar, självkörande bilar och andra autonoma system kommer att ge NVIDIA många nya marknader att sälja sin hårdvara till. Och det verkar som att AI också kommer att vara en möjliggörare i design av fysisk hårdvara, vilket ytterligare förstärker potentialen för den växande efterfrågan på AI‑beräkningskapacitet.

Senaste nyheter och utvecklingar för NVIDIA (NVDA)-aktien