Bagong Kumpanya ng AI Hardware ng AWS ay Nagtuturo sa AI na Mag-isip sa Pisika

Sa pag-usbong ng AI, ang buong atensyon ng mga mamumuhunan hinggil sa hardware ng pagkompyut ay nakatuon sa napaka-advanced na mga chip, GPU, at memorya.

Gayunpaman, upang pagdugtung-dugtungin ang mga komponenteng ito sa mga makina at consumer goods, mula sa mga washing machine hanggang sa mga kotse at mga industrial robot, kinakailangan ang printed circuit boards (PCBs). Ito ay mga patag na board na ginagamit upang pisikal na suportahan at electrically ikonekta ang mga elektronikong komponent.

Pinagmulan: Quilter AI

Ang paggawa ng PCBs ay hindi basta-basta, ngunit ito ay isang mahusay na nauunawaan at na-scale-up na mature supply chain, kung saan ang aktwal na pagmamanupaktura ay patuloy na ganap na automated. Gayunpaman, ang pagdidisenyo ng mga bagong PCB ay halos hindi simple at isa sa mga huling manu-manong hakbang sa pag-develop ng electronics.

Isang espesyalista ang gumuguhit ng plano nang mano-mano at naglalagay ng daan-daang o libu-libong mga komponent at nagra-route ng mga copper trace na nag-uugnay sa kanila sa maraming layer. Para sa isang board na may katamtamang komplikasyon, tumatagal ang layout ng apat hanggang walong linggo. Ang mga sopistikadong sistema tulad ng automotive electronics o mga computer ay tumatagal ng tatlong buwan o higit pa.

Maaaring magbago ito nang napakabilis dahil ang isang bagong startup na tinatawag na Quilter AI ay gumagamit na ng AI upang i-automate ang prosesong ito. Maaari nitong gawing ilang araw lamang ang proseso na dati ay tumatagal ng linggo o buwan, na nagliligtas ng maraming oras ng trabaho para sa mga PCB designer.

Bakit Mahirap ang Disenyo ng PCB?

Ang mga PCB ay napaka-komplikadong 3D na pisikal na sistema na kailangang magbalanse ng maraming limitasyon para sa isang magandang disenyo:

• Limitasyon sa Espasyo/Mekanikal: ang mga komponent ay kailangang hindi lamang ayusin nang magkasama, kundi magkasya rin sa napakaliit na espasyo.
• Ingay Elektrikal: ang pagdaan ng kuryente ay nagdudulot ng potensyal na pagtagas ng kapangyarihan, hindi sinasadyang paglipat ng signal, at electromagnetic interference (EMI), na nangangailangan ng pag-anticipate ng hindi gustong mga epekto elektrikal.
• Pamamahala ng Init: Ang mga high-power na komponent ay hindi dapat lumikha ng napakaraming hot spots; kailangan magdagdag ng copper heat sink upang ilipat ang init, at ang mga daloy ng hangin mula sa mga fan ay hindi dapat hadlangan.
• Limitasyon sa Paggawa: ang mga limitasyon sa kung paano gumagana ang mga kemikal at kasangkapan sa paggawa ay nangangahulugang ang disenyo ay dapat iwasan ang mga disenyo tulad ng copper trace na nagtatagpo sa matutulis na anggulo o napakakipot na solder mask, isaalang-alang ang mga posibleng laki ng butas, atbp.

Ang paglutas ng marami sa mga isyung ito ay maaaring magpalala ng iba pa, kaya ang disenyo ng PCB ay isang balanse na gawain upang matugunan ang lahat ng teknikal na layunin habang naaayon pa rin sa gastos, konsumo ng kapangyarihan, pagganap, at laki na kinakailangan ng isang partikular na PCB.

Bilang resulta, hanggang ngayon, karamihan sa mga automated assistant tool para sa disenyo ng PCB ay kapaki-pakinabang, ngunit kailangan pa rin ng matinding paghawak ng tao upang matuklasan ang mga posibleng problema. Bukod pa rito, ang mga sensitibong circuit ay nangangailangan ng espesyal na, di-pangkaraniwang mga layout.

Pinagmulan: Cadence

Pangkalahatang-ideya ng Quilter AI

Kasaysayan ng Quilter

Itinatag ang Quilter ni Sergiy Nesterenko matapos ang limang taon sa SpaceX bilang Senior Radiation Effects Engineer, kung saan nag-develop siya ng electronics para sa Falcon 9 at Falcon Heavy, at bilang mananaliksik sa California bago iyon.

“Triple kong pinag-aralan ang matematika, pisika, at kimika sa Berkeley hindi dahil gusto kong mag-specialize, kundi dahil gusto kong masterin ang mga pundasyon. Ginagawa nitong mas madali ang pag-aaral ng iba pang bagay.”

Ang koponan ng kumpanya ay binubuo ng mga inhinyero mula sa SpaceX, Apple (AAPL ), NASA, Johns Hopkins APL, at MIT. Nag-hire din ito ng mga tagapagtayo ng Electronic Design Automation (EDA) mula sa mga kumpanyang nag-a-automate ng PCB tulad ng Cadence at Synopsys.

Nangolekta ang kumpanya ng $10M sa Series A nito noong 2023, at karagdagang $25M noong 2025, isang taon matapos ilunsad ang open Beta ng kanilang software. Inilunsad ng kumpanya ang Free Tier noong Agosto 2025, kung saan ang gastos ng solusyon ay batay sa paggamit, na lumilihis sa karaniwang magastos na subscription model ng software na namamayani sa industriya.

“Kapag nag-upload ka ng board sa Quilter, ang bilang ng mga hindi pa na-route na pins sa oras ng pag-upload ay ang iyong design pin count. Nagbabayad ka lamang para sa kung ano ang kailangang i-compile ng Quilter, wala nang iba. Kung i-pre-route mo ang bahagi ng board bago mag-upload (RF nets, fan-outs, high-voltage sections), hindi isinasama ang mga na-route na pins. Ang Quilter ay nagra-route sa paligid ng iyong existing na trabaho at sinisingil lamang ang mga pins na kailangan nitong hawakan.”

Nag-aalok din ang Quilter ng walang proprietary na format at walang lock-in, na tumutulong sa pag-onboard ng mga PCB designer at integrasyon sa umiiral na workflow at mga kasangkapan sa paggawa.

Pinagmulan: Quilter AI

Pagdadala ng Pisika sa AI

Sa pangkalahatan, ang AI ay karamihan ginagamit hanggang ngayon para sa pagbuo ng teksto at imahe, kasama na ang computer code. Ngunit madalas itong nahihirapan sa totoong pisika, kaya’t isang bagong pokus ng pag-develop ng AI ang tinatawag na pisikal na AI, lalo na para sa mga aplikasyon ng robotics (sundan ang link para sa aming buong ulat tungkol sa paksa).

Nag-adopt ang Quilter ng isang approach na pinaghalo ang reinforcement learning, machine learning, at neural networks upang bigyan ang kanilang AI ng mas mahusay na pag-unawa kung paano nililikha ng totoong pisika ang mga limitasyon sa disenyo ng PCB.

Pinagmulan: Quilter AI

Bilang resulta, ang AI ng Quilter ay hindi dinisenyo sa pamamagitan ng pag-imitate ng mga umiiral na board, nang walang “pag-unawa” kung bakit ginawa ito sa ganitong paraan at natututo mula sa mga tao. Ang approach na ito, na katulad ng pangunahing paraan ng pag-andar ng karamihan sa LLMs, ay madalas magdulot ng seryosong problema kapag maraming limitasyon ang kasangkot.

“Ang Quilter ay lumilikha ng kumpletong layout gamit ang AI na sinanay sa totoong pisika at mga limitasyon sa paggawa, hindi sa mga halimbawa ng tao. Pinapayagan nito ang mga inhinyero na tuklasin ang mga design space na isinara ng human intuition, na nagdadala ng mga solusyon na hindi matutuklasan kung wala ang physics-first computation.”

Sa halip, kailangan ng AI na maunawaan ang pisika ng electrical current, electromagnetism, at ang pisikal na espasyo na ginagamit ng mga komponent, at idisenyo ang PCB alinsunod dito.

Ang bawat subcomponent agent ng Quilter AI ay naglalagay ng mga komponent, nagra-route ng mga trace, sinusuri ang pisika, at natututo kung aling mga pagpili ang nagbubunga ng mas magagandang resulta. Milyun-milyong iterasyon ang pinapino ang mga estratehiya sa paglalagay at routing, na nagbabalanse ng mga limitasyon nang walang bias ng tao, na nagreresulta sa hindi pangkaraniwang mga paraan ng routing at estratehiya sa paglalagay.

“Hindi namin sinusubukang tularan ang mga tao. Sinusubukan naming higitan sila sa pamamagitan ng ganap na pag-iwas sa kanilang mga limitasyon.”

Ibig sabihin nito, dose-dosenang layout ang nililikha nang sabay-sabay, bawat isa ay niraranggo para sa manufacturability at saklaw ng limitasyon. Maaaring mag-explore ang mga design team gamit ang tool na ito ng 100× na mas maraming variant ng disenyo nang walang pagkaantala o kompromiso. Maaari ring mabilis na subukan ng mga user kung gaano kaliit o kalakihan ang board na realistic na magagawa sa pamamagitan ng pag-upload ng maraming variation nang sabay.

“Ang Quilter ay lumilikha ng unang autonomous PCB design engine. Hindi ito isang autorouter, co-pilot, o LLM. Ito ay isang physics-first AI system na natututo mula sa mismong natural law, hindi mula sa mga shortcut ng tao.”

Pagpapalakas ng Desisyon ng Tao

Maaaring tapusin ng Quilter AI ang simpleng disenyo ng board sa loob lamang ng 15 minuto. Ngunit para sa mas komplikadong disenyo na may libu-libong pins, tatakbo ang sistema magdamag.

Para sa bawat pagsusumite, nag-eexplore ang Quilter ng maraming kandidato sa paglalagay at routing sa iba’t ibang stack-up nang sabay, na nagbibigay sa mga inhinyero ng hanay ng mga opsyon para suriin. Maaari nilang i-download ang mga resulta sa kanilang native ECAD tool, repasuhin at pinuhin, at magsumite muli kung kinakailangan.

Pinapatakbo ng Quilter ang komersyal na platform nito “app.quilter.ai”, mula sa US West region ng AWS, na may planong mag-expand sa US East at sa kalaunan ay Europe. Ito ay nagbibigay sa kumpanya ng makapangyarihan at simpleng paraan upang i-scale up ang operasyon sa pamamagitan ng pag-asa sa kapasidad ng cloud computing ng Amazon. Posible rin na magpatakbo ng self-hosted na AWS environment upang ang sensitibong data ay hindi umalis sa imprastruktura ng kumpanya.

Ang katotohanang ang Quilter ay hindi nagta-train gamit ang data ng kanilang mga kliyente o anumang umiiral na board data ay isa ring bonus sa isang sektor kung saan napakahalaga ng proteksyon ng IP, tulad ng aerospace o depensa.

Ang workflow ay nagbabago sa mga inhinyero mula sa mga manual trace-drawer tungo sa mga orchestrator na maaaring magpatakbo ng maraming board variant nang sabay, na nagiging isang lingguhang loop ng eksperimento at pagkatuto mula sa dating quarterly design cycle.

“Ang isang mundo na may Quilter ay isang mundo kung saan ang mga board ay kasing dami at iterative ng mga software build, na nagpapatakbo ng bagong paradigma na tinatawag naming Hardware-Rich Development™. Binibigyan ng Quilter ang mga nangungunang PCB designer ng superpower na gawing araw ang mga linggo. Ito ay isang ganap na pagbabago ng paradigma. Kapag mas mabilis kang nag-iiterate, maaari mong higitan ang iyong mga kakumpitensya sa inobasyon.”

Nag-aalok ang proseso ng mga benepisyo para sa lahat ng propesyonal na kasangkot sa PCBs, na may mas mabilis na turnouts, mga bagong disenyo, at madaling integrasyon sa umiiral na CAD tooling.

Pinagmulan: Quilter AI

Kamakailan, isinakatuparan ng Quilter ang pinaka-ambisyosong proyekto nito, ang Project Speedrun, na nagdidisenyo ng 843-component na Linux computer (dalawang board, 5,141 pins, high-speed DDR4, eMMC, PCIe, CSI/DSI, GigE). Karaniwan itong aabutin ng 400–450 oras ng manual layout upang makamit ang resulta. Binawasan ito ng Quilter sa 38.5 oras ng trabaho ng tao, habang ang natitira ay ginawa nang autonomous.

“Inalagaan ng Quilter ang paulit-ulit na trabaho sa disenyo habang nanatiling kontrolado ang inhinyero. Hinawakan ng automation ang paglalagay, routing, at mga pagsusuri ng pisika, na nagbigay daan sa kanya upang magpokus sa paghahanda ng firmware, dokumentasyon, at pag-pino ng mga limitasyon.”

Pamumuhunan sa Pisikal na AI

NVIDIA

Mula sa pinagmulan nito bilang tagagawa ng GPU hardware para sa video gaming at iba pang graphic rendering tasks, ang NVIDIA (NVDA ) ay nag-evolve tungo sa isang napakalaking AI hardware company, na nagbigay sa stock nito ng pinakamalaking market capitalization sa mundo.

Naunawaan ng NVIDIA ang potensyal ng AI nang maaga, bago pa man ang sinuman, mula sa mga espesyalistang mananaliksik, ay nagpakialam sa neural networks. Noon, ito ay isang mapanganib na hakbang papunta sa isang hindi pa napatunayang, halos hindi pa umiiral na sektor, o ayon kay Jensen Huang:

“Nag-iinvest kami sa mga zero-bilyong dolyar na merkado.”

Noong 2016 at 2017, inilabas ng NVIDIA ang Pascal at Volta architectures, na siyang unang GPU-based AI accelerator, habang ipinakilala ng Volta ang Tensor Cores, na nagpadali ng deep learning tasks nang hanggang 12 beses pagdating ng 2024.

Medyo nababahala ang mga mamumuhunan na maaaring maubos na ng NVIDIA ang mga bagong merkado upang patunayan ang mataas nitong valuation multiples. Sa CES 2026 (Consumer Electronics Show), inanunsyo ng NVIDIA ang bagong pokus sa pisikal na AI.

Upang gawin ito, inilabas ng NVIDIA ang Cosmos, isang platform upang pabilisin ang pag-develop ng pisikal na AI para sa autonomous vehicles (AVs), robot, at video analytics AI agents; Isaac GR00T N1.6, isang vision-language-action model na partikular na ginawa para sa humanoid robots; at OSMO, isang “orchestrator” software, na nilikha para sa pisikal na AI.

Ang pisikal na pag-deploy ng AI sa mga robot, self-driving na kotse, at iba pang autonomous system ay magbibigay sa NVIDIA ng maraming bagong merkado upang ibenta ang kanilang hardware. At tila ang AI ay magiging isang enabler din sa pagdidisenyo ng pisikal na hardware, na higit pang nagpapalakas ng potensyal ng lumalaking pangangailangan para sa kapasidad ng AI computing.

Pinakabagong Balita at Pag-unlad sa Stock ng NVIDIA (NVDA)