最近聊 AI 提效，很多文章都在講代碼：讓 AI 寫函數、補單測、解釋報錯、改腳本。
這當然有用。
但如果你是硬件工程師，可能會有一個疑問：我平時又不是天天寫代碼，AI 對我到底有多大幫助？
我的看法是：硬件工程師用 AI，提效點不在“讓它替你畫板”，而在那些信息量大、重復檢查多、容易漏項的環節。
比如讀 datasheet、做器件選型對比、整理原理圖評審清單、準備 bring-up 步驟、記錄測試問題、寫驗證報告。
這些工作不一定有技術難度，但很耗時間，也很容易在趕項目的時候漏掉細節。
AI 最適合做的，正是這些事。
1
先說邊界：AI 不替你確認電氣事實
硬件工程和純軟件不太一樣。
軟件 bug 再糟糕，大多數時候還能改版本、打補丁。
硬件如果電源余量沒算好、上電時序錯了、封裝焊盤畫錯了、關鍵器件停產了，代價就不是改幾行代碼那么簡單。
所以硬件工程師用 AI，第一件事不是學提示詞，而是建立邊界感。
AI 可以幫你整理資料，但不能替你確認絕對最大額定值。
AI 可以幫你列原理圖 review 清單，但不能替你保證這塊板一定能過 EMC。
AI 可以幫你做選型對比表，但不能替你確認今天的庫存、交期和生命周期狀態。
AI 可以幫你分析調試現象，但不能替你拿萬用表、示波器和熱像儀去量。
把它當成一個反應很快的助理，而不是最終負責人，用起來就會舒服很多。
2
讀 datasheet：讓 AI 先幫你把重點拎出來
硬件工程師每天都在和 datasheet 打交道。
一個電源芯片幾十頁，一個 MCU 幾百頁，一個高速接口規范可能上千頁。
真正痛苦的不是看不懂，而是信息太散。
你要在電氣特性、典型應用、layout guide、封裝尺寸、時序圖、寄存器說明之間來回跳。
這時可以讓 AI 做第一輪整理。
比如你在看一個 Buck 芯片，可以把 datasheet 里“輸入范圍、輸出范圍、電流能力、使能腳、軟啟動、補償、layout 注意事項”相關段落貼進去，然后這樣問：
下面是某電源芯片 datasheet 的部分內容。請只基于我提供的文字，整理硬件設計檢查清單。輸出格式：1. 關鍵電氣參數表；2. 原理圖設計必須確認項；3. PCB layout 必須注意項；4. 需要我回到 datasheet 再確認的地方。要求：不要補充資料里沒有出現的參數；不確定的地方標注“需要人工確認”；不要直接給最終結論。
這樣問，比“這個芯片怎么用”靠譜很多。
因為你不是讓 AI 幫你設計電路，而是讓它把資料里的重點整理出來。
最終參數怎么選、余量留多少、環路穩不穩，還是你自己判斷。
3
器件選型：AI 適合做對比，不適合直接拍板
選型階段也很適合用 AI。
比如要選一個 LDO、TVS、MOS 管、運放、隔離芯片，工程師通常要在幾個維度里反復比較：
輸入輸出范圍；
電流、電壓、功耗和溫升；
精度、噪聲、帶寬、響應速度；
封裝、成本、可替代性；
推薦外圍電路和 layout 要求；
供貨風險和生命周期。
AI 可以幫你把這些信息整理成表格，尤其是當你已經準備好幾個候選型號時。
可以這樣問：
我在為 24V 工業控制板選擇輸入防護 TVS。候選型號如下：A、B、C。下面是它們 datasheet 中的關鍵參數。請幫我做一個選型對比表，重點比較：1. 工作電壓和鉗位電壓；2. 峰值脈沖功率；3. 漏電流；4. 封裝和熱能力；5. 適合/不適合的場景；6. 仍需要人工確認的風險。注意這里有一個坑：庫存、價格、交期、停產狀態，這類信息變化很快，不能直接信 AI 的歷史知識。一定要回到供應商官網、代理商、立創商城、Digi-Key、Mouser 或公司內部物料庫確認。
AI 在選型里的角色，是幫你把“比較過程”做快，不是幫你把“最終型號”拍死。
4
原理圖設計前：讓 AI 先列一份檢查清單
很多原理圖問題不是不會設計，而是漏項。
比如 MCU 最小系統，大家都知道要看電源、復位、時鐘、啟動腳、調試口。
但項目一忙，很容易漏掉某個 BOOT 引腳上下拉、某個模擬電源濾波、某個未用引腳處理。
我的習慣是在畫關鍵電路前，先讓 AI 幫我列檢查清單。
例如：
我要設計一塊 STM32 主控板，應用在工業現場。供電為 24V 輸入，板上有 5V、3.3V 兩路電源。外設包括 RS485、CAN、以太網、一路模擬采樣和 SWD 調試口。請幫我列原理圖設計前檢查清單。重點關注：1. 電源樹和上電順序；2. 時鐘、復位、啟動模式；3. 通信接口保護；4. 模擬采樣抗干擾；5. 調試和量產測試點；6. 需要查具體芯片手冊確認的地方。
這份清單不一定完美，但它能提醒你先把問題想全。
尤其是做新平臺、新接口、新器件時，AI 給出的 checklist 很適合拿來做設計評審的底稿。
5
原理圖 review：讓 AI 當“第二雙眼睛”
原理圖 review 是硬件工程里非常值得用 AI 的場景。
如果工具支持圖片或 PDF 輸入，可以把局部原理圖截圖給 AI，讓它按指定角度看。
即使不上傳圖，也可以把網絡表、BOM、接口定義、關鍵芯片連接說明貼進去，讓它幫你列風險。
不要問：幫我看看這個原理圖有沒有問題。
這個問題太泛，AI 很容易給你一堆正確但沒用的話。
更好的問法是：
請按硬件 review 的方式檢查下面這部分原理圖說明。只關注以下問題：1. 電源引腳是否都有對應去耦；2. 復位、使能、啟動腳是否有確定電平；3. 通信接口是否需要上拉、終端、電平轉換或保護；4. 模擬信號是否可能被數字噪聲影響；5. 量產測試是否缺少測試點。輸出格式：- 風險等級：高 / 中 / 低- 可能后果- 建議檢查的位置- 需要查手冊確認的內容
這樣 AI 會更像一個有方向的評審助理。
它不一定能發現所有問題，但經常能提醒一些容易被忽略的點，比如：
EN 腳懸空；
I2C 上拉阻值沒結合速率和總線電容；
ADC 前端沒有考慮源阻抗；
RS485 終端電阻和偏置電阻位置不清楚；
電源芯片反饋電阻精度沒和輸出精度一起考慮；
連接器沒有防呆、ESD 或測試點。
這些提醒不一定都是結論，但很適合放進 review 會議里逐條確認。
6
PCB layout：AI 不會替你走線，但能幫你檢查思路
PCB layout 是很多硬件工程師最不放心交給 AI 的地方，這個判斷是對的。
高速線的回流路徑、電源環路面積、開關節點銅皮、差分阻抗、隔離間距、熱路徑，這些東西不能靠 AI 一句話保證。
但 AI 可以在 layout 前后做兩件事。
第一，layout 前列約束。比如電源模塊，你可以讓 AI 按“輸入電容、功率回路、開關節點、反饋線、地平面、散熱過孔”的順序列注意事項。
第二，layout 后做自查表。
比如：
我正在檢查一塊 4 層板 layout。板上有 Buck 電源、MCU、RS485、CAN、以太網 PHY 和模擬采樣。請幫我生成 PCB 自查清單。按模塊分類：1. 電源；2. 高速/通信接口；3. 模擬采樣；4. EMC/ESD；5. 可制造性；6. 可測試性。每一項請寫明：檢查點、為什么要檢查、常見問題。
這類清單非常適合在發板前過一遍。
它不能代替經驗，但能減少“忙中漏項”。
7
Bring-up：AI 可以幫你把現場信息整理成排查路徑
硬件調試最怕信息散。
板子上電以后，可能同時有這些信息：
各路電源電壓；
上電時序；
芯片溫度；
復位腳波形；
晶振是否起振；
通信接口有沒有波形；
MCU 是否能下載；
某個芯片電流是否異常；
原理圖和 PCB 剛剛改過哪里。
如果這些信息只在腦子里，很容易越查越亂。
可以讓 AI 充當調試記錄整理員。比如：
下面是某塊新板 bring-up 的現象記錄。請不要直接下結論，先按排查路徑整理。請輸出：1. 已知事實；2. 還缺哪些測量數據；3. 最可能的 5 個方向；4. 每個方向建議測哪里；5. 哪些操作有損壞風險，需要謹慎。
這個用法我覺得很實用。
AI 不一定知道真因，但它能幫你把“下一步該量什么”列清楚。
尤其是遇到電源異常、芯片發熱、接口不通、晶振不起振這種問題時，先把現場信息結構化，再動手，會少走很多彎路。
8
測試和文檔：這是 AI 最容易穩定提效的地方
硬件項目后期有大量文檔工作：
bring-up checklist；
DVT 測試計劃；
EVT/DVT/PVT 問題記錄；
設計變更說明；
失效分析報告；
量產測試項；
客訴問題復盤；
認證整改記錄。
這些文檔很重要，但寫起來費時間。
AI 在這里非常合適。
比如你做完一次溫升測試，可以把原始記錄、環境溫度、負載條件、測點位置、異常現象給 AI，讓它整理成報告初稿。
你也可以讓它把“工程師口頭描述”變成更清楚的測試項：
請把下面的硬件驗證需求整理成 DVT 測試表。每一項包含：1. 測試目的；2. 測試條件；3. 測試步驟；4. 判定標準；5. 需要記錄的數據；6. 風險備注。
這類任務的好處是：結果很容易檢查，也不會直接影響電路安全。
它能把工程師從大量格式化文字里解放出來。
9
硬件工程師的提示詞，其實就四個要素
我不太喜歡把提示詞搞得很玄。
硬件場景里，只要講清楚四件事，效果通常就不差。
第一，項目背景：產品場景、供電、接口、環境、成本、體積限制。
第二，資料邊界：告訴 AI 只能基于你提供的 datasheet、原理圖說明、測試記錄，不要自行腦補。
第三，具體任務：整理參數、做選型對比、列 review 清單、分析調試路徑、生成測試表。
第四，輸出格式：表格、風險等級、待確認項、下一步動作。
我經常在最后加一句：不確定的地方請標注“需要人工確認”，不要自行假設。
這句話很重要。
硬件設計里，最怕的不是“不知道”，而是“不知道但說得很像真的”。
10
我建議的實際工作流
如果你是剛開始用 AI 的硬件工程師，可以不用一上來就追求復雜玩法。
先從這幾個場景開始。
第一，把 datasheet 片段整理成設計檢查清單。
第二，把候選器件整理成選型對比表。
第三，把原理圖 review 變成按模塊檢查的 checklist。
第四，把 bring-up 現象整理成排查路徑。
第五，把測試記錄整理成 DVT 表和問題復盤。
這些場景有一個共同點：AI 做的是整理和輔助判斷，最終確認權還在工程師手里。
用順以后，你會發現 AI 對硬件工程師的價值并不比軟件小。
只是它的價值不一定體現在“生成代碼”，而是體現在減少資料處理、減少重復檢查、減少文檔負擔、減少調試時的混亂。
AI 對硬件工程師有沒有用？
有用，而且很實用。
但用法不是讓它替你畫原理圖、替你走 PCB、替你保證板子一次點亮。硬件設計的責任，最后還是落在工程師身上。
更靠譜的方式，是把 AI 放在工程流程里：讓它先整理資料、列清單、做對比、寫記錄、幫你從另一個角度看風險。關鍵電氣參數、器件余量、時序、熱、EMC、可制造性，再由工程師自己確認。
這樣用，AI 不會變成一個危險的“自動設計師”，而會變成一個很順手的工程助理。
它不替你拍板，但能讓你更快、更穩地走到拍板那一步。
