人工智能可以帮助您进行设计，这取决于您如何使用它。EE World 采访了 Allspice.io 的 Kyle Dumont，了解工程师如何通过一些努力学习使用人工智能做出设计决策。人工智能是一种可以缩短设计时间的工具，但您需要了解它的功能和局限性。这一切都是为了告诉人工智能该做什么。

人工智能正在颠覆一切，电子设计也不例外。软件编码员可能很快就会成为软件规范制定者，人工智能会编写实际的代码。我们已经看到了这一点。使用人工智能设计电路，尤其是模拟电路，更加困难。这是因为上下文包括理解物理和应用程序环境。成为一名 EE 本质上是一项多学科的工作;您可能认为人工智能可以完全理解您面临的设计限制。根据 Dumont 的说法，人工智能适用于狭窄的任务。“我们可能会实现这一目标，但现在我们更专注于狭隘的解决方案，这些解决方案正在为您的堆栈和当今的工作流程增加价值。”

硬件工程师已经拥有许多设计工具，现在正在将人工智能集成到其中。通用 AI 工具也可以提供帮助，但在许多情况下，您需要将专有或本地化数据添加到大型语言模型 （LLM） 中。难怪硬件工程师可能会犹豫是否使用基于人工智能的工具进行电路设计。与其回避人工智能，不如开始学习如何使用它。这就是视频和下面编辑后的文字记录中对话的重点。EE World 采访了 allspice.io 的首席技术官 Kile Dumont，该公司生产自动化电子设计流程的软件。

EE世界：欢迎来到 EE World。我是高级技术编辑 Martin Rowe。我们在这里与 Kyle Dumont 一起，他是 all spice.io 的首席技术官，这是一家专门从事工程项目管理软件的公司，特别是电气工程项目管理。我们将讨论硬件工程师和人工智能。我想知道是否有一种信念，即硬件工程师，甚至可能是特别模拟的，而不是数字工程师，我们将讨论可能会犹豫是否要使用。艾凯尔对此有一些想法。所以凯尔，你为什么不给我们一些背景知识，然后解释为什么你认为硬件工程师可能会有一些犹豫，至少在今天，使用人工智能是这样。

杜蒙：谢谢马丁，很高兴今天与大家交谈。首先，我将简要介绍一下我自己的背景。在我的职业生涯开始时，我是一名电气工程师。我从事机器人工作，包括消费品和工业产品。我在早期的职业生涯中获得了很多很棒的经历。电子设计如何创建、审查和发布的真正角色过程，整个端到端过程，这远远超出了电路输入和作理论。

设计和构建电子项目的现实复杂性意味着多学科的 QA 和测试团队以及制造团队。选择正确的组件并与软件团队合作，或者与固件团队合作，与机械团队合作，确保您适合外壳等等。我认为这开始导致我们作为硬件工程师开始感觉到，人工智能系统在这样一个具有许多物理限制的多方面、多学科环境中工作确实很困难。需要考虑许多不同的文件格式和集成。拥有完整的背景并了解电子设计的全貌。很高兴今天谈论其中的许多领域。

EE世界：您认为人工智能是什么让硬件工程师犹豫不决？我知道我们谈论了很多关于这个问题。刚才，您提到了诸如制造、获取和处理它的机械方面之类的事情，而且它是多学科的。您认为模拟工程师和数字工程师在使用 AI 方面是否存在差异，如果有，为什么？

杜蒙：我没有，在很大程度上不是。人工智能最有帮助的领域的一些背景是不同的，这将是任何可以节省您时间的东西。人工智能工具是帮助您更好地完成电气工程师工作的助手。例如，我们发现工具（甚至是通用工具）现在非常实用的领域之一是解析和理解 PDF 数据表。这是因为在工具上花费了大量专门的时间，以允许模型和 LLM 实际解析并从这些文件中获取数据。PDF 恰好是电气工程师经常使用的数据上下文之一。如果您与数字工程师交谈，这些 PDF 的上下文可能会有所不同，他们将查看寄存器图、时序、速度、上升时间、下降时间等，尽管这可能正在获得一点模拟世界。

我早期的一位导师曾经告诉我，所有模拟工程师在某个时候都是数字工程师，而所有数字工程师都是模拟工程师，因为这条界限肯定会变得模糊，这取决于你如何切割它。但是，但另一方面，模拟工程师可能会更多地关注仿真曲线和传输电容等。所以数据有点不同。但基本原则仍然是一样的。这实际上归结为您在人工智能工具中的效用，实际上将归结为人工智能代理是否能够理解您正在使用的数据。这是障碍之一。

我认为这是我们作为工程师假设的事情之一，所有这些不同的多方面工具都与我的工作流程非常具体。现成的工具在某些方面对我不起作用，这是事实。

有些公司正在开发这些翻译工具，以使这些系统更好地理解这些情况并更好地理解界面。如果你从大门开始思考，在过去六个月左右的时间里，最近出现了一种氛围编码和软件的现象，有人刚刚进入这种心流状态，他们只是在法学硕士面前把东西扔到墙上。在 15 或 20 分钟内，他们就可以进行端到端编码。Google Docs 或 Google Spreadsheets 或类似的东西需要几个月的时间，谷歌工程师可能需要数年时间才能在很短的时间内发布第一个版本。

如果你的愿景是这就是今天的硬件，我们当然必须在这里纠正，因为我们知道错误是非常非常关键的。即使在软件中，这种氛围编码也有其自身的问题。人们真的必须深入研究这一点才能理解。因此，如果您作为一名工程师的想法是，我们将能够把事情扔到墙上，您将带着这些多方面的解决方案回来，那么这不是目前最先进的水平。我们可能会实现这一目标，但现在我们更专注于狭隘的解决方案，这些解决方案正在为您的堆栈和当今的工作流程中增加价值。因此，了解您当前数据工作流程、了解 PDF、了解原理图和 PCB 的工具，如果您可以对这些工具具有读/写访问权限，然后开始添加组件库之类的东西。你给这个系统一个非常好的视野，让你的工作环境能够做出一些好的、本地化的决策，这对你有帮助。

EE世界：当你谈论人工智能时，你是在谈论世界上的聊天 GPT，还是在谈论一些模拟软件？据我所知，他们有很多，而且他们开始使用人工智能。您认为人工智能会赶上这些已经存在多年的软件程序吗？

杜蒙：工作流程将会发生变化。我的意思是，这里真正的魔力在于，当你开始将我们作为工程师使用的系统与法学硕士和代理配对时。LLM 真正理解文本表示，通常你可以让翻译人员从更具体的语言转换为那些更通用的工具。有时，这些高度专业化的模型仅在特定数据集上进行训练，可能没有任何真实的语言上下文。你可以使用这些。

这些不同的工具用于不同的方面。当你进入模拟时，他们可能会使用更专业的高度训练张量。但现实情况是，当你可以将工具中的日常工作与模型结合起来时，该模型将使一些非常重复和复杂的工作变得更快，这就是奇迹发生的地方。如果你重复做任何事情，如果你谈论的是系统和模拟，你正在微调，你试图通过反复试验来寻找，比如为网络找到合适的阻抗，你能够将一个具有模拟的系统交给一个人工智能工具，该工具将能够更容易地迭代和预测，并在一分钟内快速预测 1000 次，而不是你作为人类可以做的事情，你会得到一些很好的结果。你在另一边也看到了类似的事情，当你谈论像 ChatGPT 这样的东西时，上传一个正在查看的组件的数据表，并与之聊天，然后说，你正在寻找的给定特征的时间是什么时候，并告诉我它在电子表格的哪一页上，这样如果我想建立这种信任并去看看它，你可以获得那个工艺参考。这就是你谈论的那种乏味的工作，你可以开始在这些系统上卸载。

EE世界：假设您正在尝试决定在电路中设计哪个组件。您能否用它来比较数据表并给它一些参数，然后说“如果我使用这个零件与其他公司的零件相比，结果应该是什么？

杜蒙：我们已经看到了很多。你可以去 ChatGPT，你可以说，“我正在尝试评估最新的蓝牙模块”，然后问它，它会给你一些很棒的信息。因为有很多数据就在那里，有论坛，有博客文章。你必须认识到系统正在接收所有这些信息，所以这就是它给你的信息。如果这在某些方面有偏见，你就会得到这些结果。这就是我们生活的世界的现实。但即使是现在，您也可以从这些通用工具中获得有关工程建议的良好响应。我确实建议这样做。拥有这些和背景总是有帮助的。不过，就像在软件世界中一样，优秀的工程师与您可能不想与之合作的工程师的区别在于，工程师能够将好的反馈与坏的反馈区分开来，并使用这些工具并使用自己的知识，在工具中体现这一点。这不会消失。你需要为自己制定这些第一原则，让工程师利用这些东西，你给这些系统提供的数据就越多。因此，当你从这些非常有帮助的小任务开始时，你给它的背景越多，它就会变得越强大。例如，我们正在努力为设计和模拟提供更多背景信息，以扩大它可以做出的决策池。

例如，如果你问 ChatGPT“我可以用什么组件来解决这个问题”，它现在可以做出一些好的决定。如果它还可以访问您内部数据库中的所有组件，它将突出显示这些组件，并且它会确切地知道格式是什么，您希望看到这些结果的模式是什么。希望如果你做对了，选择你库中的东西。如果它超出了这个范围，它应该有一个很好的理由，并且基本上能够建议该组件的不同属性，这些属性将映射到你的库，这样如果某些东西不匹配，它就不会是一个大惊喜。

EE世界： 你提到了偏见的可能性。你能给我举一个例子来说明你的意思吗？

杜蒙：与许多事情一样，它归结为数据的访问，因此 LLM 的质量或您将从任何 AI 代理中获得的响应质量将取决于它可以访问的内容。如果您使用的是通用工具，那么大多数情况下，它有很多访问权限。我不知道 OpenAI 人员和人类人员为工具提供访问权限的一切，我认为没有人知道。这些文章时不时地弹出，但它可以访问很多很多的信息，从 Reddit 帖子到证券交易所文章，再到所有不同的论坛对话，再到制造商网站上提供的所有实际组件 PDF 信息。他们的爬虫正在继续收集所有这些信息。

现在有一些公司专门从事过去和现在的搜索工程优化。他们专注于人工智能结果优化，因此公司基本上可以专注于这些公司的爬虫。他们更优先考虑他们的组件和网页，这样，如果用户去搜索从电子组件到最好的 Ben and Jerry's 冰淇淋口味的任何东西，那么他们的东西就会首先出现。这些公司有能力对这些搜索结果进行优化。例如，你可以想象，如果一家公司在广告费上花更多的钱，并发布更多关于他们的新芯片的文章，那么这家公司和那个芯片可能会成为顶峰。但同样，如果您愿意的话，其中一些事情可以通过良好的提示工程来对抗它。通过专注于我正在回答的问题，仍然应该为您提供您所问问题的答案。您只需要识别信息来源的来源。但同样，如果您开始控制其中一些信息来源。因此，您可以优先访问您的原理图、过去的设计和库。当然，这需要您内部开发或与第三方公司合作开发的专用翻译工具。然后突然间，你开始真正给它清晰、明确的指示，说明它应该如何优先考虑返回的结果。

EE世界：有很多软件可以处理真实模拟的物理特性。现在这不仅仅是模拟，还有物理。我指的是 EMI、信号完整性或热问题。今天有很多可用的软件。多年来，我们一直在模拟这一点并尝试解决此类问题。你认为人工智能会改变这一点吗？或者，您认为我们仍然会有很多地方容纳很多顾问吗？

杜蒙：顾问总会有一席之地，但我绝对认为人工智能会改变这一点。我喜欢考虑一种非常务实的理解，并考虑到人工智能的世界，但我认为在硬件方面，毫无疑问，随着我们越来越擅长这些工具的沟通，它们将被整合到专门的工具中，以便更好地与法学硕士或其他代理进行沟通， 他们将被纳入该过程。我的意思是，具体来说，任何主要的 LLM 中都有添加工具的功能，它们有时被称为函数。这总是变化得非常快，但这本质上是你允许 LM 访问权限的能力，调用具有另一个 AI 代理的东西，但也许它是一个确定性的软件程序来返回结果。您可以使用它来基本上开始插入这些不同的工具，就像我们作为工程师一样，开始做出其中一些明智的决策。

我一直看到的仿真的主要问题不是仿真工具的功能、输出的质量或准确性或类似的东西。这是快速运行某事的能力。这是采用的障碍。您要么需要庞大的模型数据库，要么需要大量时间对该工具进行培训。您需要花时间重建并给出所有输入参数并适当地构建所有内容。这始终是我所说的仿真工程师的问题，如果你定义他们不经常使用，也许我们应该模拟事物。这是因为它们需要很多时间。有时，我们更容易说，“让我们把一块板运出去，然后把它拿回来，然后探测输出，看看是否有烟雾冒出来。好吧，如果你能降低这个障碍，如果你有一个人工智能代理开始做一些繁重的工作，比如在构建你的模型时大费力，或者输入一些输入参数。现在你谈论的是一些非常非常强大的结果，你可以用最少的输入获得这些结果。

EE世界：你对那些有点怀疑的人说些什么？您建议他们如何评估其中一些人工智能工具，看看它们如何让事情进展得更快或使设计变得更好？你会怎么做？您将如何评估您用人工智能所做的事情？

杜蒙：最大的答案是，尝试任何从对话开始的事情。最简单的事情总是最有帮助的，就是你有非常强大的现成通用聊天客户端，看看他们能做什么。有时你会很惊讶。

您可以输入特定的零件号。你说，“我正在寻找这种电路。有时通用工具肯定会回来，尤其是当他们尝试生成一些电路框图时，这些工具通常效果不佳。但是，如果您询问第一性原理，请尝试一下。如果你有一个文档，你没有经常浏览，你会花很多时间解析和试图弄清楚，然后你能够上传这些。

如果你所在的公司有一些本地化的 LLM 你准备工作，或者你有一些不起眼的数据被允许上传，也许是公开可用的数据表之类的东西，我想说最简单的起点就是上传。如果您有 PDF 解析器，或者您有 BOM，您可以上传并说，“为这些事情提出替代方案”。只要开始发挥一点创意，开始一点实验，看看这些工具能做什么。因为你要做的就是在这里学习。正如我所提到的，它们并不是要取代工程师正在提供和带来的环境。事实上，当你使用工具时，这些工程学的第一原则只会让你更有效率，这些工具只会增强你的能力。

EE世界： 凯尔，非常感谢你抽出时间。我很感激。我认为人工智能是工程师所擅长的，工程师在定义上持怀疑态度。我认为这只是另一个，另一个。我认为我们都倾向于尽可能长时间地让旧技术发挥作用，而不是只是去尝试新技术。我发现家里所有的旧电脑都可以继续工作。我一直在想办法让他们继续前进。再次感谢您抽出时间，希望以后能再次与您交谈。