AI设计出电子宠物，工厂为什么还要改？-火腾

两个人，用不到一周设计一台能和Codex对话的小设备。外壳、电路板、界面、固件，都交给模型参与完成。

这次交付的不只是一张效果图，后面真的有工厂接单。

但OpenAI在11月3日公布这个试验时，也写了后半段：代工厂不到一个月做出小批原型；进入制造前，仍然经过多轮审查和修改。模型没有稳定考虑好工厂的生产限制、公差与装配细节。

但“设计完成”，还没有得到工厂的最后认可。

一台样机，过了哪些关？

这个设备值得关注，因为它把几种通常分开进行的工作串到了一起：外壳要装得下电路板，元件和连接要适应空间，界面与固件还得驱动真实硬件。

对一个只有想法的人，跨过这些工具和文件格式的门槛，本来就不容易。模型如果能帮助协调这些工作，第一台样机的起点会改变。

但不要把几个验收阶段压成一个“成功”。

设计文件能打开，是文件有效；规则检查通过，是没有触发当前配置的规则；装配后能启动，是某台样机工作；不同批次持续达到要求，才开始涉及更完整的交付能力。

前一关通过，不能替后一关签字。一块板子点亮了，不能顺手推出它能稳定量产；一个漂亮外壳能打印出来，也不说明换一种工艺后仍然合适。

判断AI硬件演示时，最先该找的，是它把“完成”停在哪一关。

另一份来自NextPCB的测试，把这个问题拆得更细。

测试从一块元件已经摆好的电路板开始。允许使用外部工具时，Astra约12分钟拿到布线结果，走的是KiCad导出、Freerouting自动布线、再导回KiCad的流程。限制为只通过KiCad界面操作后，另一次运行一小时仅完成三段短走线，随后被人工停止。

这只是同一块板上的两次测试，不能当成模型布线能力的普遍结论，也不能据此推断OpenAI原演示的实现。

不过，区分工作是谁完成的，仍然很重要。调用一个专业求解器，与模型自己找到布线方案，说明的是两种能力。

工具调用并不减损自动化的价值。工程师本来也不需要徒手替代每一个求解算法。把文件在正确的格式之间转换、把约束传给合适的工具，再把结果带回来，可能就能省掉不少重复劳动。

但这份能力应该按“工作流能否可靠跑通”来评价。求解器算出的线路质量，不能全记在语言模型的推理能力上；模型会开软件，也不能推出它理解了所有电气约束。

对采用者来说，知道能力落在哪一层，才能判断出错后应该换模型、换工具，还是补规则。

为什么看起来完整的设计，到了工厂还要改？

假设电路板放得进去，固定它的螺丝也有位置，但装上另一块零件后，螺丝刀伸不进去。几何上没有重叠，装配顺序却出了问题。

再比如，两个零件的名义尺寸刚好相配，实际制造都会有偏差。把它们分别做到图纸允许的边缘时，还能不能装起来？仅看理想模型，答案不会自动出现。

这些是假设例子，并不是那台电子宠物被披露的具体故障。它们说明，制造要求不仅是“画得出来”，还包括工艺、偏差、装配、检查和返修。

如果这些要求没有进入设计输入，模型就可能交出一份在已知条件下很合理、但遗漏现场条件的方案。

反过来，只说“让AI再聪明一点”也不够具体。工厂能提供什么约束，工具能检查什么，哪些结果必须回到实物上验证，都会影响最终效果。

软件里修改一段代码，再跑一次测试，通常不需要等新的零件到货。硬件一旦进入制作，修改可能牵动采购、加工、装配与交付时间。

只报“画图从几天变成几小时”，容易漏掉后面的账。

如果生成速度提高后，团队一次提交了更多没有经过充分检查的版本，厂里的返工不一定减少。设计端省下的时间，也可能只是被转交给后面的工程师。

更有用的记录，是从第一份设计到可用样机之间，发生了几次修改，哪些修改来自制造问题，以及人花了多少时间排查和确认。

有了这些信息，才能判断AI是在缩短开发周期，还是只把第一份文件交得更快。

对想用AI试做硬件的团队，可以从约束清楚、容易测试的小项目开始。先定义通过条件，让模型整理检查项，再请专业人员核查关键设计，最后用实物结果修正下一版。

电子宠物的演示已经说明，通用模型可以把跨工具的设计推得很远。它还没有回答的是：这种能力能在多少种项目中稳定复现，交付前还需要多少人工工作。

我更愿意等到下一次演示里，除了成品，还能看到一份返工清单。那张不太好看的表，往往更接近AI改变硬件开发的真实程度。