AI提效，不只是写代码，硬件工程师怎么把AI用起来

这当然有用。

但如果你是硬件工程师，可能会有一个疑问：我平时又不是天天写代码，AI 对我到底有多大帮助？

我的看法是：硬件工程师用 AI，提效点不在“让它替你画板”，而在那些信息量大、重复检查多、容易漏项的环节。

比如读 datasheet、做器件选型对比、整理原理图评审清单、准备 bring-up 步骤、记录测试问题、写验证报告。

这些工作不一定有技术难度，但很耗时间，也很容易在赶项目的时候漏掉细节。

AI 最适合做的，正是这些事。

1

先说边界：AI 不替你确认电气事实

硬件工程和纯软件不太一样。

软件 bug 再糟糕，大多数时候还能改版本、打补丁。

硬件如果电源余量没算好、上电时序错了、封装焊盘画错了、关键器件停产了，代价就不是改几行代码那么简单。

所以硬件工程师用 AI，第一件事不是学提示词，而是建立边界感。

AI 可以帮你整理资料，但不能替你确认绝对最大额定值。

AI 可以帮你列原理图 review 清单，但不能替你保证这块板一定能过 EMC。

AI 可以帮你做选型对比表，但不能替你确认今天的库存、交期和生命周期状态。

AI 可以帮你分析调试现象，但不能替你拿万用表、示波器和热像仪去量。

把它当成一个反应很快的助理，而不是最终负责人，用起来就会舒服很多。

2

读 datasheet：让 AI 先帮你把重点拎出来

硬件工程师每天都在和 datasheet 打交道。

一个电源芯片几十页，一个 MCU 几百页，一个高速接口规范可能上千页。

真正痛苦的不是看不懂，而是信息太散。

你要在电气特性、典型应用、layout guide、封装尺寸、时序图、寄存器说明之间来回跳。

这时可以让 AI 做第一轮整理。

比如你在看一个 Buck 芯片，可以把 datasheet 里“输入范围、输出范围、电流能力、使能脚、软启动、补偿、layout 注意事项”相关段落贴进去，然后这样问：

下面是某电源芯片 datasheet 的部分内容。

请只基于我提供的文字，整理硬件设计检查清单。

输出格式：
1. 关键电气参数表；
2. 原理图设计必须确认项；
3. PCB layout 必须注意项；
4. 需要我回到 datasheet 再确认的地方。

要求：
不要补充资料里没有出现的参数；
不确定的地方标注“需要人工确认”；
不要直接给最终结论。

这样问，比“这个芯片怎么用”靠谱很多。

因为你不是让 AI 帮你设计电路，而是让它把资料里的重点整理出来。

最终参数怎么选、余量留多少、环路稳不稳，还是你自己判断。

3

器件选型：AI 适合做对比，不适合直接拍板

选型阶段也很适合用 AI。

比如要选一个 LDO、TVS、MOS 管、运放、隔离芯片，工程师通常要在几个维度里反复比较：

• 输入输出范围；
• 电流、电压、功耗和温升；
• 精度、噪声、带宽、响应速度；
• 封装、成本、可替代性；
• 推荐外围电路和 layout 要求；
• 供货风险和生命周期。

AI 可以帮你把这些信息整理成表格，尤其是当你已经准备好几个候选型号时。

可以这样问：

我在为 24V 工业控制板选择输入防护 TVS。

候选型号如下：A、B、C。

下面是它们 datasheet 中的关键参数。

请帮我做一个选型对比表，重点比较：
1. 工作电压和钳位电压；
2. 峰值脉冲功率；
3. 漏电流；
4. 封装和热能力；
5. 适合/不适合的场景；
6. 仍需要人工确认的风险。

注意这里有一个坑：
库存、价格、交期、停产状态，这类信息变化很快，不能直接信 AI 的历史知识。

一定要回到供应商官网、代理商、立创商城、Digi-Key、Mouser 或公司内部物料库确认。

AI 在选型里的角色，是帮你把“比较过程”做快，不是帮你把“最终型号”拍死。

4

原理图设计前：让 AI 先列一份检查清单

很多原理图问题不是不会设计，而是漏项。

比如 MCU 最小系统，大家都知道要看电源、复位、时钟、启动脚、调试口。

但项目一忙，很容易漏掉某个 BOOT 引脚上下拉、某个模拟电源滤波、某个未用引脚处理。

我的习惯是在画关键电路前，先让 AI 帮我列检查清单。

例如：

我要设计一块 STM32 主控板，应用在工业现场。

供电为 24V 输入，板上有 5V、3.3V 两路电源。

外设包括 RS485、CAN、以太网、一路模拟采样和 SWD 调试口。

请帮我列原理图设计前检查清单。

重点关注：
1. 电源树和上电顺序；
2. 时钟、复位、启动模式；
3. 通信接口保护；
4. 模拟采样抗干扰；
5. 调试和量产测试点；
6. 需要查具体芯片手册确认的地方。

这份清单不一定完美，但它能提醒你先把问题想全。

尤其是做新平台、新接口、新器件时，AI 给出的 checklist 很适合拿来做设计评审的底稿。

5

原理图 review：让 AI 当“第二双眼睛”

原理图 review 是硬件工程里非常值得用 AI 的场景。

如果工具支持图片或 PDF 输入，可以把局部原理图截图给 AI，让它按指定角度看。

即使不上传图，也可以把网络表、BOM、接口定义、关键芯片连接说明贴进去，让它帮你列风险。

不要问：帮我看看这个原理图有没有问题。

这个问题太泛，AI 很容易给你一堆正确但没用的话。

更好的问法是：

请按硬件 review 的方式检查下面这部分原理图说明。

只关注以下问题：
1. 电源引脚是否都有对应去耦；
2. 复位、使能、启动脚是否有确定电平；
3. 通信接口是否需要上拉、终端、电平转换或保护；
4. 模拟信号是否可能被数字噪声影响；
5. 量产测试是否缺少测试点。

输出格式：
- 风险等级：高 / 中 / 低
- 可能后果
- 建议检查的位置
- 需要查手册确认的内容

这样 AI 会更像一个有方向的评审助理。

它不一定能发现所有问题，但经常能提醒一些容易被忽略的点，比如：

• EN 脚悬空；
• I2C 上拉阻值没结合速率和总线电容；
• ADC 前端没有考虑源阻抗；
• RS485 终端电阻和偏置电阻位置不清楚；
• 电源芯片反馈电阻精度没和输出精度一起考虑；
• 连接器没有防呆、ESD 或测试点。

这些提醒不一定都是结论，但很适合放进 review 会议里逐条确认。

6

PCB layout：AI 不会替你走线，但能帮你检查思路

PCB layout 是很多硬件工程师最不放心交给 AI 的地方，这个判断是对的。

高速线的回流路径、电源环路面积、开关节点铜皮、差分阻抗、隔离间距、热路径，这些东西不能靠 AI 一句话保证。

但 AI 可以在 layout 前后做两件事。

第一，layout 前列约束。比如电源模块，你可以让 AI 按“输入电容、功率回路、开关节点、反馈线、地平面、散热过孔”的顺序列注意事项。

第二，layout 后做自查表。

比如：

我正在检查一块 4 层板 layout。

板上有 Buck 电源、MCU、RS485、CAN、以太网 PHY 和模拟采样。

请帮我生成 PCB 自查清单。按模块分类：
1. 电源；
2. 高速/通信接口；
3. 模拟采样；
4. EMC/ESD；
5. 可制造性；
6. 可测试性。

每一项请写明：检查点、为什么要检查、常见问题。

这类清单非常适合在发板前过一遍。

它不能代替经验，但能减少“忙中漏项”。

7

Bring-up：AI 可以帮你把现场信息整理成排查路径

硬件调试最怕信息散。

板子上电以后，可能同时有这些信息：

• 各路电源电压；
• 上电时序；
• 芯片温度；
• 复位脚波形；
• 晶振是否起振；
• 通信接口有没有波形；
• MCU 是否能下载；
• 某个芯片电流是否异常；
• 原理图和 PCB 刚刚改过哪里。

如果这些信息只在脑子里，很容易越查越乱。

可以让 AI 充当调试记录整理员。比如：

下面是某块新板 bring-up 的现象记录。

请不要直接下结论，先按排查路径整理。

请输出：
1. 已知事实；
2. 还缺哪些测量数据；
3. 最可能的 5 个方向；
4. 每个方向建议测哪里；
5. 哪些操作有损坏风险，需要谨慎。

这个用法我觉得很实用。

AI 不一定知道真因，但它能帮你把“下一步该量什么”列清楚。

尤其是遇到电源异常、芯片发热、接口不通、晶振不起振这种问题时，先把现场信息结构化，再动手，会少走很多弯路。

8

测试和文档：这是 AI 最容易稳定提效的地方

硬件项目后期有大量文档工作：

• bring-up checklist；
• DVT 测试计划；
• EVT/DVT/PVT 问题记录；
• 设计变更说明；
• 失效分析报告；
• 量产测试项；
• 客诉问题复盘；
• 认证整改记录。

这些文档很重要，但写起来费时间。

AI 在这里非常合适。

比如你做完一次温升测试，可以把原始记录、环境温度、负载条件、测点位置、异常现象给 AI，让它整理成报告初稿。

你也可以让它把“工程师口头描述”变成更清楚的测试项：

请把下面的硬件验证需求整理成 DVT 测试表。

每一项包含：
1. 测试目的；
2. 测试条件；
3. 测试步骤；
4. 判定标准；
5. 需要记录的数据；
6. 风险备注。

这类任务的好处是：结果很容易检查，也不会直接影响电路安全。

它能把工程师从大量格式化文字里解放出来。

9

硬件工程师的提示词，其实就四个要素

我不太喜欢把提示词搞得很玄。

硬件场景里，只要讲清楚四件事，效果通常就不差。

第一，项目背景：产品场景、供电、接口、环境、成本、体积限制。

第二，资料边界：告诉 AI 只能基于你提供的 datasheet、原理图说明、测试记录，不要自行脑补。

第三，具体任务：整理参数、做选型对比、列 review 清单、分析调试路径、生成测试表。

第四，输出格式：表格、风险等级、待确认项、下一步动作。

我经常在最后加一句：不确定的地方请标注“需要人工确认”，不要自行假设。

这句话很重要。

硬件设计里，最怕的不是“不知道”，而是“不知道但说得很像真的”。

10

我建议的实际工作流

如果你是刚开始用 AI 的硬件工程师，可以不用一上来就追求复杂玩法。

先从这几个场景开始。

第一，把 datasheet 片段整理成设计检查清单。

第二，把候选器件整理成选型对比表。

第三，把原理图 review 变成按模块检查的 checklist。

第四，把 bring-up 现象整理成排查路径。

第五，把测试记录整理成 DVT 表和问题复盘。

这些场景有一个共同点：AI 做的是整理和辅助判断，最终确认权还在工程师手里。

用顺以后，你会发现 AI 对硬件工程师的价值并不比软件小。

只是它的价值不一定体现在“生成代码”，而是体现在减少资料处理、减少重复检查、减少文档负担、减少调试时的混乱。

AI 对硬件工程师有没有用？

有用，而且很实用。

但用法不是让它替你画原理图、替你走 PCB、替你保证板子一次点亮。硬件设计的责任，最后还是落在工程师身上。

更靠谱的方式，是把 AI 放在工程流程里：让它先整理资料、列清单、做对比、写记录、帮你从另一个角度看风险。关键电气参数、器件余量、时序、热、EMC、可制造性，再由工程师自己确认。

这样用，AI 不会变成一个危险的“自动设计师”，而会变成一个很顺手的工程助理。

它不替你拍板，但能让你更快、更稳地走到拍板那一步。