人工智能可以幫助您進行設計，這取決于您如何使用它。EE World 采訪了 Allspice.io 的 Kyle Dumont，了解工程師如何通過一些努力學習使用人工智能做出設計決策。人工智能是一種可以縮短設計時間的工具，但您需要了解它的功能和局限性。這一切都是為了告訴人工智能該做什么。

人工智能正在顛覆一切，電子設計也不例外。軟件編碼員可能很快就會成為軟件規范制定者，人工智能會編寫實際的代碼。我們已經看到了這一點。使用人工智能設計電路，尤其是模擬電路，更加困難。這是因為上下文包括理解物理和應用程序環境。成為一名 EE 本質上是一項多學科的工作;您可能認為人工智能可以完全理解您面臨的設計限制。根據 Dumont 的說法，人工智能適用于狹窄的任務。“我們可能會實現這一目標，但現在我們更專注于狹隘的解決方案，這些解決方案正在為您的堆棧和當今的工作流程增加價值。”

硬件工程師已經擁有許多設計工具，現在正在將人工智能集成到其中。通用 AI 工具也可以提供幫助，但在許多情況下，您需要將專有或本地化數據添加到大型語言模型 （LLM） 中。難怪硬件工程師可能會猶豫是否使用基于人工智能的工具進行電路設計。與其回避人工智能，不如開始學習如何使用它。這就是視頻和下面編輯后的文字記錄中對話的重點。EE World 采訪了 allspice.io 的首席技術官 Kile Dumont，該公司生產自動化電子設計流程的軟件。

EE世界：歡迎來到 EE World。我是高級技術編輯 Martin Rowe。我們在這里與 Kyle Dumont 一起，他是 all spice.io 的首席技術官，這是一家專門從事工程項目管理軟件的公司，特別是電氣工程項目管理。我們將討論硬件工程師和人工智能。我想知道是否有一種信念，即硬件工程師，甚至可能是特別模擬的，而不是數字工程師，我們將討論可能會猶豫是否要使用。艾凱爾對此有一些想法。所以凱爾，你為什么不給我們一些背景知識，然后解釋為什么你認為硬件工程師可能會有一些猶豫，至少在今天，使用人工智能是這樣。

杜蒙：謝謝馬丁，很高興今天與大家交談。首先，我將簡要介紹一下我自己的背景。在我的職業生涯開始時，我是一名電氣工程師。我從事機器人工作，包括消費品和工業產品。我在早期的職業生涯中獲得了很多很棒的經歷。電子設計如何創建、審查和發布的真正角色過程，整個端到端過程，這遠遠超出了電路輸入和作理論。

設計和構建電子項目的現實復雜性意味著多學科的 QA 和測試團隊以及制造團隊。選擇正確的組件并與軟件團隊合作，或者與固件團隊合作，與機械團隊合作，確保您適合外殼等等。我認為這開始導致我們作為硬件工程師開始感覺到，人工智能系統在這樣一個具有許多物理限制的多方面、多學科環境中工作確實很困難。需要考慮許多不同的文件格式和集成。擁有完整的背景并了解電子設計的全貌。很高興今天談論其中的許多領域。

EE世界：您認為人工智能是什么讓硬件工程師猶豫不決？我知道我們談論了很多關于這個問題。剛才，您提到了諸如制造、獲取和處理它的機械方面之類的事情，而且它是多學科的。您認為模擬工程師和數字工程師在使用 AI 方面是否存在差異，如果有，為什么？

杜蒙：我沒有，在很大程度上不是。人工智能最有幫助的領域的一些背景是不同的，這將是任何可以節省您時間的東西。人工智能工具是幫助您更好地完成電氣工程師工作的助手。例如，我們發現工具（甚至是通用工具）現在非常實用的領域之一是解析和理解 PDF 數據表。這是因為在工具上花費了大量專門的時間，以允許模型和 LLM 實際解析并從這些文件中獲取數據。PDF 恰好是電氣工程師經常使用的數據上下文之一。如果您與數字工程師交談，這些 PDF 的上下文可能會有所不同，他們將查看寄存器圖、時序、速度、上升時間、下降時間等，盡管這可能正在獲得一點模擬世界。

我早期的一位導師曾經告訴我，所有模擬工程師在某個時候都是數字工程師，而所有數字工程師都是模擬工程師，因為這條界限肯定會變得模糊，這取決于你如何切割它。但是，但另一方面，模擬工程師可能會更多地關注仿真曲線和傳輸電容等。所以數據有點不同。但基本原則仍然是一樣的。這實際上歸結為您在人工智能工具中的效用，實際上將歸結為人工智能代理是否能夠理解您正在使用的數據。這是障礙之一。

我認為這是我們作為工程師假設的事情之一，所有這些不同的多方面工具都與我的工作流程非常具體。現成的工具在某些方面對我不起作用，這是事實。

有些公司正在開發這些翻譯工具，以使這些系統更好地理解這些情況并更好地理解界面。如果你從大門開始思考，在過去六個月左右的時間里，最近出現了一種氛圍編碼和軟件的現象，有人剛剛進入這種心流狀態，他們只是在法學碩士面前把東西扔到墻上。在 15 或 20 分鐘內，他們就可以進行端到端編碼。Google Docs 或 Google Spreadsheets 或類似的東西需要幾個月的時間，谷歌工程師可能需要數年時間才能在很短的時間內發布第一個版本。

如果你的愿景是這就是今天的硬件，我們當然必須在這里糾正，因為我們知道錯誤是非常非常關鍵的。即使在軟件中，這種氛圍編碼也有其自身的問題。人們真的必須深入研究這一點才能理解。因此，如果您作為一名工程師的想法是，我們將能夠把事情扔到墻上，您將帶著這些多方面的解決方案回來，那么這不是目前最先進的水平。我們可能會實現這一目標，但現在我們更專注于狹隘的解決方案，這些解決方案正在為您的堆棧和當今的工作流程中增加價值。因此，了解您當前數據工作流程、了解 PDF、了解原理圖和 PCB 的工具，如果您可以對這些工具具有讀/寫訪問權限，然后開始添加組件庫之類的東西。你給這個系統一個非常好的視野，讓你的工作環境能夠做出一些好的、本地化的決策，這對你有幫助。

EE世界：當你談論人工智能時，你是在談論世界上的聊天 GPT，還是在談論一些模擬軟件？據我所知，他們有很多，而且他們開始使用人工智能。您認為人工智能會趕上這些已經存在多年的軟件程序嗎？

杜蒙：工作流程將會發生變化。我的意思是，這里真正的魔力在于，當你開始將我們作為工程師使用的系統與法學碩士和代理配對時。LLM 真正理解文本表示，通常你可以讓翻譯人員從更具體的語言轉換為那些更通用的工具。有時，這些高度專業化的模型僅在特定數據集上進行訓練，可能沒有任何真實的語言上下文。你可以使用這些。

這些不同的工具用于不同的方面。當你進入模擬時，他們可能會使用更專業的高度訓練張量。但現實情況是，當你可以將工具中的日常工作與模型結合起來時，該模型將使一些非常重復和復雜的工作變得更快，這就是奇跡發生的地方。如果你重復做任何事情，如果你談論的是系統和模擬，你正在微調，你試圖通過反復試驗來尋找，比如為網絡找到合適的阻抗，你能夠將一個具有模擬的系統交給一個人工智能工具，該工具將能夠更容易地迭代和預測，并在一分鐘內快速預測 1000 次，而不是你作為人類可以做的事情，你會得到一些很好的結果。你在另一邊也看到了類似的事情，當你談論像 ChatGPT 這樣的東西時，上傳一個正在查看的組件的數據表，并與之聊天，然后說，你正在尋找的給定特征的時間是什么時候，并告訴我它在電子表格的哪一頁上，這樣如果我想建立這種信任并去看看它，你可以獲得那個工藝參考。這就是你談論的那種乏味的工作，你可以開始在這些系統上卸載。

EE世界：假設您正在嘗試決定在電路中設計哪個組件。您能否用它來比較數據表并給它一些參數，然后說“如果我使用這個零件與其他公司的零件相比，結果應該是什么？

杜蒙：我們已經看到了很多。你可以去 ChatGPT，你可以說，“我正在嘗試評估最新的藍牙模塊”，然后問它，它會給你一些很棒的信息。因為有很多數據就在那里，有論壇，有博客文章。你必須認識到系統正在接收所有這些信息，所以這就是它給你的信息。如果這在某些方面有偏見，你就會得到這些結果。這就是我們生活的世界的現實。但即使是現在，您也可以從這些通用工具中獲得有關工程建議的良好響應。我確實建議這樣做。擁有這些和背景總是有幫助的。不過，就像在軟件世界中一樣，優秀的工程師與您可能不想與之合作的工程師的區別在于，工程師能夠將好的反饋與壞的反饋區分開來，并使用這些工具并使用自己的知識，在工具中體現這一點。這不會消失。你需要為自己制定這些第一原則，讓工程師利用這些東西，你給這些系統提供的數據就越多。因此，當你從這些非常有幫助的小任務開始時，你給它的背景越多，它就會變得越強大。例如，我們正在努力為設計和模擬提供更多背景信息，以擴大它可以做出的決策池。

例如，如果你問 ChatGPT“我可以用什么組件來解決這個問題”，它現在可以做出一些好的決定。如果它還可以訪問您內部數據庫中的所有組件，它將突出顯示這些組件，并且它會確切地知道格式是什么，您希望看到這些結果的模式是什么。希望如果你做對了，選擇你庫中的東西。如果它超出了這個范圍，它應該有一個很好的理由，并且基本上能夠建議該組件的不同屬性，這些屬性將映射到你的庫，這樣如果某些東西不匹配，它就不會是一個大驚喜。

EE世界： 你提到了偏見的可能性。你能給我舉一個例子來說明你的意思嗎？

杜蒙：與許多事情一樣，它歸結為數據的訪問，因此 LLM 的質量或您將從任何 AI 代理中獲得的響應質量將取決于它可以訪問的內容。如果您使用的是通用工具，那么大多數情況下，它有很多訪問權限。我不知道 OpenAI 人員和人類人員為工具提供訪問權限的一切，我認為沒有人知道。這些文章時不時地彈出，但它可以訪問很多很多的信息，從 Reddit 帖子到證券交易所文章，再到所有不同的論壇對話，再到制造商網站上提供的所有實際組件 PDF 信息。他們的爬蟲正在繼續收集所有這些信息。

現在有一些公司專門從事過去和現在的搜索工程優化。他們專注于人工智能結果優化，因此公司基本上可以專注于這些公司的爬蟲。他們更優先考慮他們的組件和網頁，這樣，如果用戶去搜索從電子組件到最好的 Ben and Jerry's 冰淇淋口味的任何東西，那么他們的東西就會首先出現。這些公司有能力對這些搜索結果進行優化。例如，你可以想象，如果一家公司在廣告費上花更多的錢，并發布更多關于他們的新芯片的文章，那么這家公司和那個芯片可能會成為頂峰。但同樣，如果您愿意的話，其中一些事情可以通過良好的提示工程來對抗它。通過專注于我正在回答的問題，仍然應該為您提供您所問問題的答案。您只需要識別信息來源的來源。但同樣，如果您開始控制其中一些信息來源。因此，您可以優先訪問您的原理圖、過去的設計和庫。當然，這需要您內部開發或與第三方公司合作開發的專用翻譯工具。然后突然間，你開始真正給它清晰、明確的指示，說明它應該如何優先考慮返回的結果。

EE世界：有很多軟件可以處理真實模擬的物理特性。現在這不僅僅是模擬，還有物理。我指的是 EMI、信號完整性或熱問題。今天有很多可用的軟件。多年來，我們一直在模擬這一點并嘗試解決此類問題。你認為人工智能會改變這一點嗎？或者，您認為我們仍然會有很多地方容納很多顧問嗎？

杜蒙：顧問總會有一席之地，但我絕對認為人工智能會改變這一點。我喜歡考慮一種非常務實的理解，并考慮到人工智能的世界，但我認為在硬件方面，毫無疑問，隨著我們越來越擅長這些工具的溝通，它們將被整合到專門的工具中，以便更好地與法學碩士或其他代理進行溝通， 他們將被納入該過程。我的意思是，具體來說，任何主要的 LLM 中都有添加工具的功能，它們有時被稱為函數。這總是變化得非常快，但這本質上是你允許 LM 訪問權限的能力，調用具有另一個 AI 代理的東西，但也許它是一個確定性的軟件程序來返回結果。您可以使用它來基本上開始插入這些不同的工具，就像我們作為工程師一樣，開始做出其中一些明智的決策。

我一直看到的仿真的主要問題不是仿真工具的功能、輸出的質量或準確性或類似的東西。這是快速運行某事的能力。這是采用的障礙。您要么需要龐大的模型數據庫，要么需要大量時間對該工具進行培訓。您需要花時間重建并給出所有輸入參數并適當地構建所有內容。這始終是我所說的仿真工程師的問題，如果你定義他們不經常使用，也許我們應該模擬事物。這是因為它們需要很多時間。有時，我們更容易說，“讓我們把一塊板運出去，然后把它拿回來，然后探測輸出，看看是否有煙霧冒出來。好吧，如果你能降低這個障礙，如果你有一個人工智能代理開始做一些繁重的工作，比如在構建你的模型時大費力，或者輸入一些輸入參數。現在你談論的是一些非常非常強大的結果，你可以用最少的輸入獲得這些結果。

EE世界：你對那些有點懷疑的人說些什么？您建議他們如何評估其中一些人工智能工具，看看它們如何讓事情進展得更快或使設計變得更好？你會怎么做？您將如何評估您用人工智能所做的事情？

杜蒙：最大的答案是，嘗試任何從對話開始的事情。最簡單的事情總是最有幫助的，就是你有非常強大的現成通用聊天客戶端，看看他們能做什么。有時你會很驚訝。

您可以輸入特定的零件號。你說，“我正在尋找這種電路。有時通用工具肯定會回來，尤其是當他們嘗試生成一些電路框圖時，這些工具通常效果不佳。但是，如果您詢問第一性原理，請嘗試一下。如果你有一個文檔，你沒有經常瀏覽，你會花很多時間解析和試圖弄清楚，然后你能夠上傳這些。

如果你所在的公司有一些本地化的 LLM 你準備工作，或者你有一些不起眼的數據被允許上傳，也許是公開可用的數據表之類的東西，我想說最簡單的起點就是上傳。如果您有 PDF 解析器，或者您有 BOM，您可以上傳并說，“為這些事情提出替代方案”。只要開始發揮一點創意，開始一點實驗，看看這些工具能做什么。因為你要做的就是在這里學習。正如我所提到的，它們并不是要取代工程師正在提供和帶來的環境。事實上，當你使用工具時，這些工程學的第一原則只會讓你更有效率，這些工具只會增強你的能力。

EE世界： 凱爾，非常感謝你抽出時間。我很感激。我認為人工智能是工程師所擅長的，工程師在定義上持懷疑態度。我認為這只是另一個，另一個。我認為我們都傾向于盡可能長時間地讓舊技術發揮作用，而不是只是去嘗試新技術。我發現家里所有的舊電腦都可以繼續工作。我一直在想辦法讓他們繼續前進。再次感謝您抽出時間，希望以后能再次與您交談。