AI PCB设计正在进入可测量阶段
AI PCB设计已经不再只是演示中的概念。EEBench围绕电源、模拟和数字电路建立了一套公开评测，尝试回答一个比“模型能否在KiCad里操作”更实际的问题：模型产出的电路是否满足明确的工程要求。OpenAI展示GPT-6 Astra在KiCad中工作的演示后，这个问题获得了更多关注，但现有证据仍主要集中在仿真和设计验证，而不是完整产品交付。
EEBench如何检验电路，而不只看图纸
EEBench把设计写成声明式代码，让智能体直接处理元件、连接和电气约束。提交结果会被构建成电路图和物料清单，再运行确定性的SPICE仿真与设计检查。评测可以测量电压、增益、阈值、纹波和瞬态响应，并把每项结果与规格上下限比较。这样，模型不能仅凭一张“看起来合理”的原理图获得高评价。
一个住宅电表任务说明了这种差异。输入的5伏电源断开后，电路需要让处理器继续工作20毫秒，并在这段时间保持电压高于3.0伏的掉电复位阈值。模型通常会想到增加电容，但真实陶瓷电容在偏压下可能只有标称容量的一部分，还要面对容差、额定电压、封装、成本以及重新充电速度。某次提交使用标称22微法的电容，仿真发现4.7伏偏压下有效容量只有11.4微法，电压在0.85毫秒后就低于要求。电路虽然成功构建，仍然没有完成任务。
从理想参数到器件取舍
更复杂的任务会要求智能体合成运算放大器滤波器，控制增益、截止频率和Q值，并在最坏容差角落重新运行交流与瞬态分析。EEBench还使用真实制造商器件，把数据手册中的规格带入SPICE模型。因此，成功不只是解出教科书公式，还要找到存在、可订购、价格合理，并且在多个工作条件下仍满足指标的组合。这种电气性能、成本和供应之间的权衡，更接近硬件工程的实际。
成绩显示进展，也暴露边界
来源给出的9月1日榜单中，Claude Opus 5在13项任务上的得分为61.6%，Grok 4.6为57.1%，Claude Fable 5.1为56.4%。这些分数说明模型已经能在一组不断扩展的电路问题上完成有用工作，但不能直接等同于“会设计完整电路板”。EEBench V1目前主要评估仿真中的模拟和数字设计，还没有覆盖完整布局、制造和实物调试。Grok 4.6的模型卡引用了EEBench，表明这类工程评测开始进入模型能力报告，但不同模型的运行设置和结果仍需要谨慎比较。
对工程团队而言，仿真驱动的智能体适合承担方案探索、约束检查和失败定位等工作，尤其是在每个要求都能被明确测量时。它不应替代资深工程师对安全、可靠性、EMI、热、制造可行性和实物样机的判断。EEBench最有价值的方向，可能是把失败转化为可学习的反馈：哪个电压越界、哪个容差角落失效，以及是否为了通过测试付出了不必要的成本。下一步真正值得观察的是，模型能否从声明式电路和仿真结果走向布局、制造、测量与迭代闭环。
结论：能设计部分电路，但还不能盲目交付
谨慎的答案是：部分模型已经能够设计一批电路，但“设计电路”与“交付可靠硬件”之间仍有明显距离。EEBench把这个距离变成了可重复的测量，也提醒我们，构建成功并不代表功能成功。随着任务覆盖更多真实器件、工作角落和后续硬件流程，AI PCB设计的能力边界会比单次演示更清楚。现阶段，最合理的定位是让模型参与可验证的工程循环，并把最终责任保留在人类审查和实物验证环节。