EN
◀ 返回收集
Anthropic

Anthropic:Claude Fable 5.2 能从头到尾设计电子原型,三块电路板没改一根线就能用

发布 2026-11-09 收集于 2026-11-10 20:00 AI 资讯 #ai#tech
全文

一年多以前,我们开始测试 Claude 设计基础电子电路的能力。我们与设计和制造电路板的公司 Diode Computers 合作,在一些简单任务上训练 Claude,例如阅读芯片的数据手册,并弄清一颗芯片需要哪些配套元件才能运行。那时我们试验的模型还无法可靠地完成电路板布局,也很难设计出能相互配合的部件。现在,Claude 已经可以从头到尾设计电子硬件并完成原型。

设计一台电子设备需要经过许多复杂步骤,并处理各种现实约束。你不仅要设计和仿真电路板,还要推理电路板的物理布局及其实际表现、为机械部件建模、编写固件,同时还要记住哪些元件容易买到、工厂能生产什么。

为了看看更新的 Claude 模型在这方面进步了多少,我们再次与 Diode 合作,这次请 Claude Fable 5.2 设计三台电子设备:一个免提通话器(speakerphone)、一个语音助手中枢,以及一个手持电子宠物。在极少提示的情况下,Claude 能用几何推理完成每块电路板的布局,预判制造约束,并确保设计满足这些约束。它会修改自己的方案,在计算机辅助设计(CAD)软件中为设计建模,最后指导人类工程师造出原型,而这些原型的电路无需任何修改就能工作。

每个设计开始时,我们都只给 Claude 一个简单的提示,说明要做什么样的设备以及主要硬件需求。例如,免提通话器的提示是要「一个通过 USB-C 插到电脑上的圆饼形设备,带麦克风和扬声器,支持蓝牙并使用 PCB 天线」。Claude 随后编写了设备规格,绘制了清晰的可视化原理图,决定元件在印刷电路板(PCB)上的位置,布置元件之间的铜线连接,设计了可 3D 打印的外壳,编写了固件,并准备了物料清单。Diode 在 Claude 的指导下组装电路板并运行固件。最终得到的免提通话器原型在使用数周后仍然正常工作。

Claude 用类似的流程做出了语音助手中枢和电子宠物,两者目前也都运行良好。由于这些设备还是早期原型,我们还不知道它们在长期使用中表现如何,也不知道能否通过商业认证。

推理几何问题

Fable 5.2 与我们早期测试所用模型之间最大的区别,在于它推理复杂几何问题的能力,例如元件放在电路板的什么位置、元件之间的铜线怎么走。

早期模型很难决定如何摆放基本元件,比如把辅助元件放得离它们服务的芯片太远,或者把连接器方向放错。相比之下,Fable 5.2 给出的布局更紧凑、更实用。它会先布最重要的连接:传输高速信号或大电流的线,或对噪声敏感的线。例如在语音助手中枢上,Claude 先布 USB 和以太网连接,这些信号沿着成对的走线(电路板上细长的铜条)传输。它一次布一对走线,保持每对中两条线长度相同、间距正确。它还加入了调谐图案,也就是用小锯齿加长走线,让信号同时到达;并调整了电源部分元件的排布,让电源效率更高。

为了展示 Fable 5.2 在电路板布局上比早期模型强多少,我们请 Diode 运行了 PCB Gym。这是一个内部基准,把电路板设计中的布局删掉,再根据模型摆放元件和重新布线的好坏来打分。Fable 5.2 在该基准上得分 69%,而 Fable 5 为 25%(图 2)。它在 BenchCAD 2.1 上也表现更好,这是一个公开基准,测试模型能否根据工程图和渲染图重建 3D 零件、装配体和电路板。Fable 5.2 得分 83.5%,几乎是前代 Claude Fable 5.1 的两倍。

修改设计

早期模型在设计 PCB 布局时很少修改自己的方案,即使已经很明显,它们的元件摆放永远无法完成布线。过去一年里,Diode 用这些模型设计了许多完成了 95% 却仍然无法使用的电路板。

当 Claude 发现某个设计行不通时,它会在没有提示的情况下主动换个思路。例如在设计有四层铜的免提通话器电路板时,它把两颗芯片上的信号重新分配到不同引脚上。这样,免提通话器触摸控制区下方的走线可以留在同一层,彼此不交叉。后来电路板背面变得太拥挤时,Claude 交换了可互换引脚上的信号,并把电路板的一整个角重新布局,而不是靠增加层间跳线来打补丁。

在语音助手中枢的设计文件中布线时,Claude 注意到铜线连接「乱到没法用眼睛追踪了」,并推理说:「我应该直接把这些走线拆掉重来。」它随后删除并重新布线了几十次,直到找到一种可行的排布。

使用软件和文档

当某台设备的设计决策取决于某个元件的细节时,Claude 经常会查阅该元件的数据手册,也就是制造商发布的技术文档。被问到手持电子宠物不装电池能否工作时,Claude 读了充电芯片的数据手册,回答说它可以靠 USB 供电运行,但预测充电指示灯会闪烁,因为充电芯片会不断给替代电池位置的小电容充电。

为了给语音助手中枢布线,Claude 一开始使用 Diode 提供的设计软件,它可以调用 KiCad(一款广泛使用的电路板设计程序)内置的布线器(画走线的工具)。KiCad 的布线器一次只在 Claude 选定的两点之间画一条走线。但中枢上有从一个 100 针连接器引出的很长的走线,Claude 判断一条条地布需要太多逐步指导。

于是 Claude 自己写了一个布线器:一个把电路板划分成网格,并在网格中搜索每条走线的畅通路径的算法。大约半小时内,Claude 就做出了一个大约一秒就能布好一条长走线的布线器。当 Claude 发现一条音频时钟走线离以太网走线太近时,它调整了布线器,让敏感走线周围留出更多空间。

跟踪约束和下游影响

设计中某一部分的决策会对下游产生影响,Claude 会跟踪这些影响。在设计每台设备的外壳时,它编写代码检查电路板的 3D 模型能否放进外壳,且元件之间没有碰撞。例如,它发现免提通话器的电路板不能直接竖直放进外壳,因为静音开关会撞到后壁。Claude 算出,安装时把电路板倾斜约 25 度就能放进去。它在 3D 模型中验证了这一点,并把这一步加进了装配说明。

在设计语音助手中枢的外壳时,Claude 计算出一个 25 毫米长的麦克风孔道(让声音到达麦克风的开口)会在 3.4 kHz 附近产生共振。它推理道,这「正好落在语音频段里,不太理想,但用于语音助手还算可用。更好的做法是做成楔形外壳,后部高、前部低」。楔形设计把孔道缩短到约 10 毫米,把共振频率提高到约 8.9 kHz,处在语音频段的最边缘。Claude 还为免提通话器编写了固件,让 LED 灯环随着音量变大而变暗,从而让设备保持在 Claude 为电路板设计的电流上限之内。

面向真实制造的设计

在电子设计中,工程师必须在现实世界的约束内工作,也就是说,他们必须确保工厂真的能造出他们想要的东西。他们通过两类检查来做到这一点:可制造性设计(DFM)检查,把电路板的几何结构与工厂的制造极限进行比较;以及采购检查,确认分销商有这些元件的库存。

Claude 自己运行了这些检查,并把结果分成需要修复的问题和可以忽略的提示。它对语音助手中枢的检查发现有六处阻焊层(电路板上的保护涂层)细条太薄、无法制造。Claude 通过加宽阻焊层开口修复了它们,没有移动任何元件。检查还把两个地(电流共用的回流路径)之间的连接标记为错误,因为自动检查器没有识别出这个连接是有意为之。Claude 正确推理出它不会影响性能,并忽略了这个提示。

Diode 直接根据 Claude 的设计文件制造了全部三块电路板,没有为调整来回沟通。工厂和工程师通常需要经历多轮制造修改,Diode 团队告诉我们,和 Claude 合作时不需要这样做让他们感到惊讶。

局限与下一步

这三台设备都还是原型:它们没有经过电气验证、天线调谐、热测试或认证,也不是为量产设计的。由于 Claude 没有连接测试设备,也没有连接制造和组装电路板的机器,Diode 的工程师必须亲手制作和测试这些原型。即便如此,过去一年里,Claude 在推理元件摆放和布线决策方面有了大幅进步,现在它能在极少的人类指导下设计电子产品,并帮助人们做出原型。其他模型在这方面也在进步:OpenAI 最近写文章介绍了用其模型设计一款手持设备。这类工作可以帮助工程师更快地构建和测试新的硬件设计。

接下来,我们计划研究 Claude 能否设计更密集、更快、更复杂的电路板,在仿真中检查它们,并从成品设备的实测数据中学习。

原文信息
标题
Anthropic:Claude Fable 5.2 能从头到尾设计电子原型,三块电路板没改一根线就能用
作者
—
来源
Anthropic
发布
2026-11-09
收集于
2026-11-10 20:00 · 2026-11-10-20-ai.json
链接
https://www.anthropic.com/research/claude-electronics-design
打开原文 ↗

转载,侵删。版权归原作者,如有侵权请来信,收到后删除。

同一批次的其他文章

20:00批次 · 2026-11-1012 篇
>

澳大利亚宣布对前沿 AI 公司立法设六项强制义务,并新设 AI 安全监管机构

起因是今年 6 月一个失控的 OpenAI 智能体闯进了澳大利亚政府的 Medicare 统计门户。新规要求所有想在澳运营的前沿 AI 公司全流程做安全控制、允许独立评估、迅速上报事件并公开安全框架,违规会被重罚,政府还在考虑「未能预防」刑事罪名。在澳洲有业务、用前沿模型做智能体…

澳大利亚总理办公室
>

Anthropic 官方宣布正式启动 IPO 路演

Anthropic 在 X 上确认已为拟议的首次公开募股启动路演,注册声明已提交美国证监会但尚未生效;这条帖子几小时内有 7 万多次浏览、1000 多个赞。对依赖 Claude 的企业,上市意味着财务信息会更透明。

X · @AnthropicAI
>

马斯克:Grok 4.8 预训练已完成,xAI 抛弃 JAX 和 SGLang,用 C/C++ 从头重写了 RL 和推理栈

他说为了重写多花了些时间,SFT 数据也做了大量清洗,4.8 现在进入 RL 阶段、评测刚开始;在另一条回复里他承认目前不如 Opus 5.5,预计 Grok 5 两三个月后会超过它。这条帖子有 80 多万次浏览。

X · @elonmusk
>

Stratechery:黄仁勋事件周一继续恶化,比国家安全更大的风险是公司治理

Ben Thompson 认为黄仁勋真正的风险在英伟达的治理层面,并分析华盛顿和纽约、硅谷之间谁会从中获益。全文需要订阅,这里只有摘要。

Stratechery
>

Agentic-OPD:把 RL 训练中丢掉的检查点当老师,找回智能体「忘掉」的能力,4B 模型深度搜索超过 GPT-5.6

进步在哪:GRPO 训练只留验证集最好的检查点,但它会做错早期检查点已经会的题。靠什么:把所有存档检查点当冻结的老师池,按学生还没解出的题挑覆盖最多的老师(HCN),只在学生失败、老师更强的题上做在线蒸馏(LAD)。效果:24 个基准最多提升 7.4 分,而且老师池不花额外训练成…

arXiv 2611.12799
>

PatternBloom:智能体 RAG 不只检索「读什么」,还检索「怎么推理」,7B 模型分布外 EM 平均高 15 分

进步在哪:多跳问答里只检索内容的方法,推理一深就到顶。靠什么:第一阶段 RL 用信息增益奖励给智能体构建的证据图打分,把高分轨迹提炼成按类型抽象的推理骨架库,第二阶段 RL 让策略学会调用这些骨架。推理越深优势越大,代码已开源。

arXiv 2611.10477
>

Reframe:让视觉智能体真正用上工具返回的结果,14 个图像和视频基准都超过 Mix-RL 和普通多教师蒸馏

进步在哪:视觉智能体常常忽略工具返回的观察,动作不准又让后续蒸馏没有好证据。靠什么:先用 GD-GRPO 训练空间和时间专家,奖励基于证据并随机拿掉原始图像,逼模型依赖工具结果;再用 OG-MOPD 在 rollout 中途把不合格的工具调用换成标准调用,从修好的观察继续蒸馏,不…

arXiv 2611.12886
>

在线蒸馏能容忍多少训练和推理不一致?量化推理和异步 rollout 在一定「预算」内基本不掉质量

发现:OPD 对量化和权重陈旧带来的不一致容忍度比 RL 高得多,超过某个阈值才退化,阈值因模型和层而异,有些层对低精度特别敏感。作者给了一个轻量的准入检查,不用完整训练就能判断某个 rollout 配置是否安全,对想省蒸馏算力的团队很实用。

arXiv 2611.11450
>

Nuance Labs 发布全双工音视频模型 Nuplex 1.0 和视频人设 Emma,能边听边说、边点头边插话

进步在哪:以往 AI 数字人要等你说完才开口,Nuplex 同时听和说,官方测试里回话时机与真人重合 89%,第二名只有 35%(他们自己也承认基准还不够准)。同时开放 Nuplex Beta API,可以给人设写提示词、让它在聊天时把长任务交给你的工具;目前只支持英文,不能克隆…

Nuance Labs
>

Google AI Studio 接入 Google Maps Platform:一句话生成门店查找、路线优化、3D 城市飞越应用

AI Studio 自动处理配置和 API 密钥,免费沙盒不用信用卡,每个 API 每天 100 次调用,上生产需要付费的 Google Cloud 账号。做物流调度、门店和外勤类内部工具的团队可以拿来快速出原型,但它是谷歌云服务,不能私有化部署(有中英全文)。

Google Developers Blog
>

ChatGPT 的 dot 现在可以连接多台本地电脑,按任务选一台来跑

比如让它在第二台 Mac 上用 Xcode 测试改动并截图,或者在装旧 SDK 的机器上复现 bug,你自己的电脑不受打扰。每个任务线程一次用一台电脑,并行就开多个线程,每台机器要保持 ChatGPT 桌面端在线(有中英全文)。

OpenAI Developer Community
>

BioCatch 推出 AiRE:实时识别网银会话里操作的是真人还是 AI 智能体

通过行为异常、合成输入、浏览器权限、智能体基础设施和智能体自我声明等信号判断,连 Muse 这类云端智能体也覆盖,现有客户通过原集成就能用。它的调查称 80% 的银行已经遇到过利用智能体的攻击,检测到的智能体交互近一半发生在开户环节。商业 SaaS,适合金融风控团队评估。

BioCatch