當 AI 終於學會「動原子」：兩個 a16z 創辦人聊怎麼讓蓋房子跟設計電路板像寫程式一樣快
TL;DR
- 過去三年 AI 把寫程式這件事壓縮到接近零成本，但蓋一座資料中心、設計一塊電路板，時間軸還是用「年」在算。這集 podcast 在問同一個問題：當智慧變便宜，實體世界憑什麼還這麼慢？
- 兩家公司用的是同一招：把硬體問題重寫成「程式碼」。模型不會設計電路板，但模型超會寫 code，那就騙它，讓它以為自己在寫 Python。
- Diode 賭兩年內某一類電路板設計可以完全自動化，核心不是讓 AI 設計得多漂亮，而是讓它產出「機器能直接生產」的設計，因為產線機器人早就在那了。
- Unlimited 賭十年內工程營造全自動化，關鍵卡點不在技術，在錢的誘因結構，整個產業被設計成「不獎勵採用新技術」。
- 兩邊共同的最後一道牆都是同一個字：資料。實體世界沒有 common crawl，怎麼無中生有把資料長出來，才是真正的勝負手。
這集是 2026 年 6 月 11 日上線的 a16z Podcast，主題叫「Designing the Physical World with AI」。a16z 是矽谷最大的創投之一，這個 podcast 基本上是他們的對外情報站，常找自家投資組合的創辦人來聊最前線的趨勢。這集主持人是 a16z 的 general partner Aaron Price Wright，找來兩位創辦人對談。
一位是 Davide Asnaghi，Diode Computers 的共同創辦人兼 CEO。Diode 是一家在 Brooklyn 的新創，用 AI 在美國設計並製造客製化的 circuit board（電路板）。Davide 之前待過 Apple 的 Special Projects Group 做機器人，也在 Butterfly Network 這類醫療科技新創做過硬體，Berkeley 工程碩士，還在香港跟深圳待過一段時間研究亞洲的電子製造生態。Diode 剛拿了 a16z 領投的一千一百四十萬美金 A 輪，客戶包括 Physical Intelligence 跟 Saronic，還跟 Anthropic 合作讓 Claude 變成更好的電機工程師。
另一位是 Alex Modon，Unlimited Industries 的共同創辦人兼 CEO。這家 2025 年才成立的公司在做「AI 原生的工程營造」，把設計、工程、採購、施工垂直整合起來，專門接電力基礎建設、資料中心、關鍵礦產、先進製造這類大型專案，剛拿了 a16z 跟 CIV 共同領投的一千兩百萬美金種子輪。
先講為什麼這兩家放在一起聊很有意思。一個做的是手掌大的電路板，一個做的是占地一整塊空地的工業設施，尺度差了不知道幾個數量級，結果他們的解法幾乎一模一樣。這件事本身就值得記下來。
蓋一座電廠，光是「設計」就要燒掉一年半
先說營造這邊有多原始。Alex 描述一個典型專案：有個開發商手上有一塊空地，想蓋個大東西，可能是電廠、醫院或大型廠房。光是設計階段就要花將近一年，有時一年半，幾百個工程師摸過這個案子，機械、製程、電機、土木、結構的人馬全部要橋在一起，最後產出一包叫 IFC（issued for construction，發包施工用）的東西。說白了就是一套巨大的施工說明書，交給營造商照著買料、照著蓋。
Unlimited 想做的，是把這整段壓成一個按鈕。你餵進去一塊基地、一堆需求、還有任何你想規定的施工方式，AI 去跑幾萬種排列組合，吐回一份全域最佳化的施工包。
最佳化什麼？這題很關鍵。最直覺的是 CapEx，這東西要花多少錢。但 Alex 說更好的想法是 total cost of ownership，整個生命週期的總持有成本，包含後續營運維護好不好搞、這設施本身好不好蓋。產業現在的問題，正是每一段、每一刀的人，optimize 的目標都不一樣，沒有人在看整體。
這個跟軟體的 parametric（參數化）思維其實一樣。我之前在一家你大概沒聽過的 150 億美元公司，正在幫全世界的車子寫作業系統裡聊過 Physical AI 怎麼把實體世界軟體化，這裡是同個邏輯的營造版。
Diode 的賭注：別讓 AI 設計得漂亮，讓它設計得「能生產」
Davide 一開口就先自嘲，說我的領域比 Alex 簡單多了，我只是做電子，我做簡單的事。然後他丟出一個很反直覺的判斷：電路板設計兩年內某一類會完全自動化。他特別強調這不是對所有電子設計的全稱判斷，是其中他真正在乎的一個子集。
更有意思的是製造這端。Alex 那邊還要等一堆機器人成熟，Davide 說我們電子業早就有機器人了。問題在哪？卡在一個八二法則。
有個製程叫 SMT（surface mount technology，表面黏著），一台機器把每個零件貼到板子上，進烤箱烤一下就完成。但有 20% 的零件不吃這套，可能是一顆很大的變壓器要用不同方式焊、可能是某個緊貼板子的元件、甚至連把板子裝進外殼這步都還沒自動化。過去像 Foxconn 幫 Apple、或 Pegatron，都是用人力把這 20% 補起來。
問題是,你沒辦法靠純人力把美國資料中心的產能翻倍,也沒辦法把蓋一座資料中心的週期從四年砍到兩年。所以 Diode 的賭注不是 AI 把設計工作整個取代掉,而是 AI 專門產出那種「製造起來超順」的設計。只要設計被約束在能自動化生產的範圍內,今天的機器人就能做到百分之百自動化。用 Davide 的話講:我根本不用等機器人變強,機器人已經在這了。
兩家公司的共同密技:everything is code
接下來這段是整集的核心。實體世界最大的難題是沒資料,construction design 沒有 common crawl,電路板的數位化資料也少得可憐,差了人家訓練 foundation model 需要量的兩三個數量級。怎麼辦?
Diode 的解法是作弊。與其硬湊資料,不如把問題重新框成一個「有海量訓練資料」的東西,也就是 code。傳統電子設計根本不是用程式碼在做的,而且很多很有品味的電機工程師打從心底排斥寫 code。Davide 說沒關係,我們不要任何不想寫 code 的人寫 code,讓模型去寫,模型超會寫,它懂這些概念。
他們做了一個 compiler,給模型足夠的提示,讓它感覺自己在寫一個 Python 程式,而不是在設計一塊電路板。這招把 schematic(電路圖)的問題繞過去了。
Alex 那邊講的話幾乎一字不差:everything is code。只要你能用模型已經聽得懂的語言去玩,你的人生就輕鬆一百萬倍。Unlimited 的做法是提供一個環境,讓 agent 跟 LLM 生成一堆符合框架的程式碼,再去呼叫那些已經存在幾十年的模擬軟體當工具,就像一個正常工程師那樣。
這帶來一個對客戶超有感的好處。傳統流程裡,你花六個月設計完,如果做到一半想改一個東西,基本上要重來,Alex 說那是一場徹頭徹尾的惡夢。但在 code 化的版本裡,那只是改一個變數而已。整套東西既能全域最佳化,又能隨時迭代。這個「把一次性的客製品變成可迭代的參數」的轉變,跟我在OpenAI 工程師的 Harness Engineering 實戰紀錄裡寫過的那種「把工程師變成設計 harness 的人」是同一個味道。
為什麼這兩個產業這麼難被改變?答案在錢
主持人問了一個我覺得最有價值的問題:軟體工程師天生就愛換框架、愛玩新工具,但你怎麼改變一整個守舊產業的工作方式?
Alex 的答案很犀利。營造業的不情願,根源在誘因結構,而誘因是從資金源頭一路往下設定的。一個專案要被蓋出來,得先走過一套層層除風險的階段審查,最後變成一個讓投資人覺得「可融資」的東西。而這種投資人要的跟創投完全相反,他們要的是穩定的 IRR、固定的報酬率,完全不能接受歸零,甚至連上檔的暴利都不在乎。
於是這套誘因把採用新技術的動機一路往下壓。當技術走到最末端那個拿著新工具的人面前,他完全沒有動力,因為沒有上檔可言,沒人會因為冒這個險而贏。Alex 說這看起來跟 Anduril 出現之前的國防產業超像,有人有預算,我付錢請你做,然後四家公司告政府。整個產業就卡在那,你走進這些公司看他們的電腦,會覺得自己穿越回 90 年代末。
Davide 從文化面補了一刀。他說亞洲電子設計跟美國最大的脫節,是「設計的人」跟「製造的人」之間那條斷掉的連結。在美國,你在 ivory tower(象牙塔)裡設計,然後把檔案丟到別的地方去製造,你感受不到那個痛,於是 design for manufacturing(為製造而設計)這條肌肉就萎縮了。
他講了一個很生動的故事。他在香港有個朋友,板子設計得超擠,Davide 問你幹嘛不做雙面、做寬鬆一點?朋友看著他說:那 SMT 產線就要跑兩次,我的板子會晚到、會更貴。Davide 說可是又不是你自己做。朋友回:不是,但我認識那個要做的人,他是我朋友。這種「設計的人跟製造的人是朋友」的視覺化連結,在美國早就斷了,而 Davide 認為唯一補回來的方式,是 the only way is through,直接教設計者(這次不一定是人類)自己把這件事做好。順帶一提,你可以叫 Claude 一直改,跟它說這很好但給我更能製造一點,它不會生氣。
模擬是訓練時的工具,不是推理時的拐杖
兩家都用大量模擬,但 Davide 講了一個我覺得很漂亮的觀念。現在的電機工程師大多不靠純模擬去設計板子,他們有很強的內在直覺知道為什麼要這樣設計,模擬只是最後一步拿來驗證。
所以他的目標是讓模擬變成「訓練時」的工具,用來幫模型養出那種直覺跟品味,而不是「推理時」每次都跑一遍。模擬慢,你不會想在出貨前每次都等它。他說已經看到模型在訓練資料夠多時長出這種品味,95% 的情況下這就是你要的:產品出得超快。剩下那 5%,就交給物理告訴你對還是錯,因為再強的工程師花三週模擬,最後還是會說我不裝進外殼實際做出來就是不信。
最後一道牆,還是資料
Diode 現在能把做板子的效率提升 90%,但還有 10% 要靠他們那群電機工程師人工收尾。要不要關掉這最後 10%,需不需要 AI 研究的根本突破?
Davide 老實說他跟共同創辦人 Lenny 在這題上有哲學分歧。他自己認為積木都已經在桌上了,最後一道牆純粹是資料不夠。電路板資料存在,但被鎖在 Apple、Meta、SpaceX 這些公司的穀倉裡,他們不可能交出來,單獨任何一家也不夠。所以要嘛大家開源(他覺得不太可能),要嘛想辦法自己把資料長出來。
他們的 bootstrap 邏輯很聰明:先用 code 建一個經過驗證的「積木庫」,這些積木變成下一輪模型的訓練資料,形成複利。而且如果你變成那條大家都能免費設計的軌道,資料就會自己流向你。只要給夠誘因,說我在美國用跟亞洲拚的成本製造、而且還能賺錢,你就能生出讓模型準確度暴衝的資料量。這也是為什麼他們把核心 compiler 開源放在 GitHub 上(diode/PCB),要的是擁有基礎設施,不是擁有設計原語。
Alex 那邊資料更稀疏,連這個選項都沒有,但他反而樂觀。因為營造業有大量現成標準在規範東西該怎麼蓋,而且現狀的標準低到誇張,要打敗 status quo 那個門檻低得不可思議。他甚至說要刻意把系統設計成「全自動、不留 human in the loop」,因為一旦你預設要有人在迴圈裡,你會長出一個完全不同、而且更糟的架構。
第二序效應:讓開硬體公司像開 SaaS 一樣簡單
收尾兩個人都回到了使命感。Davide 說他想要能像朋友開 B2B SaaS 那樣開一家硬體公司,你應該能說「我想做一件大家公認很難的事」,然後就去做。他形容現在的 AI 在軟體上強到像在治療癌症,三年前你給人 Claude Code 他會以為你是巫師,但它在交付實體產品上爛到不行。他要的第二序效應,是讓美國的青少年能因為「我想做一顆 CubeSat 丟上軌道」而熱血,而且因為板子明天就能做出來所以真的辦得到。
Alex 的版本更沉重。他說美國過去 50 年幾乎每一個營造指標,勞動生產力也好、調整後的 CapEx 也好,都在變差。他來自軟體世界,那裡的預設是一切都會變好、永遠有進步,但這個產業明顯不是。你把那條線往外延伸,結論就是我們正在喪失「知道怎麼蓋大型、有野心的專案」的能力。這是他每晚閉上眼睛會看到的那張圖。
關於這種「美國正在喪失製造肌肉記憶」的焦慮,我在美國忘了怎麼濃縮鈾,前 SpaceX 工程師決定自己幹裡也寫過一個幾乎一樣的劇本,那是核燃料版,這是電路板跟營造版。同一個時代焦慮,不同人從不同切面在補。
我自己聽完最大的 takeaway 是這個:大家都在等人形機器人來救實體世界,但這兩家根本沒在等。他們的判斷是,瓶頸從來不是機器人不夠強,而是「設計」沒有被約束在機器人做得到的範圍內。把問題重新框成 code,把模擬挪到訓練時,把資料用複利長出來,這三招本質上都是在繞過「實體世界沒資料」這個死結。能不能成還很難說,但這個思路比「再等等通用機器人」務實太多了。
這類把 AI 真正推進實體世界的產業觀察我會持續寫,如果這篇對你有幫助,訂閱 wilsonhuang.xyz 就不會漏掉後面的更新。
Sources:
推薦閱讀
喜歡這篇文章嗎？
訂閱電子報，每週收到精選技術文章與產業洞察，直送你的信箱。
💌 隨時可以取消訂閱，不會收到垃圾郵件