AI designade en dator med 843 komponenter

En AI tog ett schema till en fungerande Linux-enkortsdator

Den 10 december 2025 publicerade Quilter AI en detaljerad redogörelse för Project Speedrun: en NXP 8M Mini-baserad Linux-dator uppdelad på två mönsterkort, innehållande 843 diskreta komponenter och 5 141 pinnar, som företaget uppger att deras fysikdrivna AI lade ut och validerade innan designen tillverkades. Quilter publicerade rå AI-utdata, de städade produktionsfilerna och en steg-för-steg-genomgång av valideringsstegen som kulminerade i en lyckad första uppstart av Debian på den monterade hårdvaran. Företaget gjorde även designfilerna tillgängliga för ingenjörer att ladda ner och granska.

Hur Quilters system skiljer sig från autoroutrar och LLM-copilots

Quilter positionerar sin motor som ett fysik-först-generativt system: snarare än att efterlikna mänskliga layouter eller fungera som en stor språkmodell som förutsäger sannolika placeringar, använder plattformen förstärkningsinlärning och inbäddade fysikkontroller för att utforska många kandidatplaceringar och rutter parallellt. Målet, säger Quilter, är att baka in signalintegritet, impedansmål, DDR-längdmatchning och tillverkningsrestriktioner i själva genereringen snarare än att korrigera dem i efterhand i ett konventionellt CAD-arbetsflöde. Detta tillvägagångssätt är avsett att låta team snabbt producera flera tillverkningsklara kandidater för att sedan välja eller finjustera det bästa alternativet i interna CAD-verktyg.

Från veckor av manuellt arbete till en vecka och en första uppstart

Quilter rapporterar att Project Speedrun gick från kretsschema till ett fungerande Linux-system på under en vecka, där människor spenderade ungefär 38,5 timmar på konfiguration och finputsning medan resten av layout och ruttering genererades av AI:n. Quilter kontrasterade detta med en uppskattad tidsåtgång på 428 timmar för en konventionell manuell layout av liknande komplexitet. Efter tillverkning och montering startade kortet med dubbla mönsterkort upp och laddade Debian vid första försöket, och körde därefter vanliga arbetsbelastningar som videouppspelning, ett enkelt speldemo och produktivitetsapplikationer under valideringen. Dessa påståenden har rapporterats brett i branschmedia och finns dokumenterade i Quilters projektmaterial.

Vad framgången vid första uppstarten faktiskt bevisar

Att lyckas med uppstarten vid första försöket är en användbar och konkret milstolpe i hårdvaruutveckling eftersom det visar att strömförsörjningsruttering, spänningsmatningar och grundläggande enhetsinitiering är på plats och korrekta. Men en lyckad uppstart i sig är inte ett fullständigt godkännande av långsiktig tillförlitlighet, termiskt beteende under ihållande belastning eller signalproblem i gränsfall som vanligtvis dyker upp under omfattande uthållighetstestning eller i höghastighetsgränssnitt. Branschanalyser har noterat både betydelsen av en lyckad första uppstart och gränserna för denna milstolpe: den bevisar konceptet och minskar riskerna tidigt i cykeln, men den ersätter inte fullständig validering och kvalificering i fält. Quilters egen dokumentation visar uppföljande stresstester och noterar var ingenjörer utförde en manuell städning innan filerna skickades till tillverkaren.

Tekniska val och begränsningar: 8M Mini-plattformen

Project Speedrun-systemet använder en NXP 8M Mini-applikationsprocessor som sitt beräkningshjärta – en utbredd inbäddad ARM SoC-familj med upp till fyra Cortex-A53-kärnor, multimediaacceleration och ett urval av kringutrustningsgränssnitt. Detta val formar layoutregler för kraftöar, DDR-ruttering och höghastighetsgränssnitt som PCIe och Gigabit Ethernet, och det ger valideringsteamet en väl dokumenterad uppsättning begränsningar att mata in i AI:n. Att använda en känd, välkarakteriserad SoC bidrar till att göra automatiserad verifiering hanterbar eftersom fysikkontrollerna och tidsbudgetarna har tydliga mål att uppfylla.

Vad som förändrades i arbetsflödet — och varför det spelar roll

Traditionella PCB-arbetsflöden lägger stor vikt vid mänsklig layoutexpertis: komponentklustring, avkopplingsgeometri, returvägar, ruttering av differentiella par och avvägningar för tillverkningsbarhet är alla skicklighetskrävande och tidskrävande manuella uppgifter. Quilters tes är att genom att automatisera de repetitiva och regelstyrda delarna av det arbetet kan systemingenjörer iterera betydligt fler designer inom ett givet tidsfönster, upptäcka layouter som mänsklig intuition skulle missa, och fokusera mänsklig tid på systemfrågor med högre värde – firmware, testplaner och diagnostik på kortnivå. För team som levererar flera kortvarianter eller bygger utvärderingsplattformar kan denna komprimering av ledtiden väsentligt förändra produktplaner och minska kostnaden för experimenterande.

Checks, trust and the need for third‑party validation

Implikationer för leveranskedjor, små team och halvledarlandskapet

Om automatiserade layoutverktyg på ett tillförlitligt sätt komprimerar layouttiden från månader till dagar kan mindre team iterera hårdvara snabbare och påbörja produktvalidering tidigare – ett skifte med uppenbara konsekvenser för startups och företag som är beroende av snabb prototyptillverkning. Det skulle också kunna förändra var och hur specialistarbete inom layout köps in: rutinmässig layout kan bli en bulkvara medan experter på layout fokuserar på de svåraste utmaningarna inom signalintegritet och systemoptimering. Å andra sidan ökar snabbare iterationer efterfrågan på snabb tillverkning och tillförlitlig komponentförsörjning, så logistik och inköp kommer att förbli kritiska flaskhalsar även om layout upphör att vara det.

Var verifiering, reglering och säkerhet kommer in i bilden

Att automatisera layout tar inte bort regulatoriskt ansvar. Produkter inom medicinteknik, fordonsindustri eller flyg- och rymdteknik kräver formell konstruktionssäkring, spårbarhet och ibland ackrediterade verifieringsprocesser. Varje arbetsflöde som inför automatiserad generering måste bevara ursprung: vem som fastställde begränsningar, vilka regler som tillämpades och vilka kontroller som utfördes före tillverkning. Quilters dokumentation och filsläpp är ett steg mot transparens, men reglerade industrier kommer att kräva processrevisioner och reproducerbarhet innan de anammar autonoma layoutmotorer för säkerhetskritiska kretskort.

Vad man bör hålla utkik efter härnäst

Project Speedrun är en tidig offentlig demonstration snarare än en implementering i industriell skala, men den tydliggör vart innovationen är på väg: fysikmedvetna generativa system kopplade till konventionella CAD-verktygskedjor. De kortsiktiga milstolparna att hålla utkik efter är oberoende tredjepartsverifieringar av AI-genererade kort över ett urval av formfaktorer; publicerade fallstudier inom reglerade domäner; och konkurrenssvar från etablerade CAD-leverantörer. Hur snabbt organisationer inför autonom layout kommer att bero på resultatens repeterbarhet, kostnaden och kapaciteten hos tillverkningspartners, samt i vilken utsträckning team anammar nya verifieringsmetoder.

Project Speedrun skriver inte om hårdvarukonstruktion över en natt, men det komprimerar ett steg i arbetsflödet som präglats av hög friktion till något som mer liknar mjukvaruiteration: snabbare kandidater, fler tester och tidigare inlärningsloopar. Detta är en betydelsefull utveckling för alla som levererar kretskort – från hobbyister och universitetslaboratorier upp till industriella designteam och hårdvarustartups. Det praktiska värdet kommer att bli tydligare allt eftersom fler organisationer kör Quilters filer genom sina egna valideringskedjor och publicerar resultaten.

Källor

• Quilter AI — Project Speedrun designfiler och teknisk dokumentation (Projektsida och nedladdningar)
• Quilter AI — Teknisk bloggserie om fysikdriven layout och plattformsjämförelser
• NXP — 8M Mini produktsida och datablad