¿Ya puede la IA diseñar placas de circuito?

Artículo original ↗ Discusión en Hacker News ↗

Las herramientas de IA están empezando a encargarse de partes significativas del diseño de PCB — desde la captura de esquemas, la gestión de BOM y el análisis de hojas de datos hasta el ruteo básico —, pero todavía tienen dificultades con diseños complejos, matices analógicos/RF y la fiabilidad en casos límite. Los participantes describen el uso de modelos como Claude, GPT y agentes especializados con KiCad, EAGLE y DSL personalizados para co-diseñar placas, revisar footprints e incluso operar equipos de laboratorio, a menudo logrando hardware de aficionado funcional en la primera iteración. Benchmarks como EEbench sugieren un progreso rápido, especialmente con modelos más recientes como GPT-6 Astra, pero la mayoría de los ingenieros ve valor a corto plazo en la IA como un asistente y verificador potente, no como un diseñador de hardware plenamente autónomo.

Panorama general

  • Muchos comentaristas informan que los modelos de frontera actuales pueden ayudar de forma significativa en el diseño de PCB, especialmente en placas digitales simples o de señal mixta.
  • Ya están ocurriendo en la práctica placas de “prompt a producción”, pero casi siempre con supervisión humana, simplificaciones y múltiples comprobaciones.
  • El consenso: la IA ya es muy útil como copiloto; todavía no es un ingeniero de PCB plenamente autónomo y fiable, especialmente para diseños complejos, analógicos, de RF o de gama alta.

Lo que la IA hace bien hoy

  • Ayuda con esquemas: generar circuitos de estilo de libro de texto, especialmente con componentes conocidos (lógica 74xx, microcontroladores, reguladores comunes), y verificar contra hojas de datos y erratas cuando se proporcionan.
  • Revisión de diseño: detectar errores de footprint, pines intercambiados, clasificaciones de componentes poco razonables, interfaces mal configuradas y problemas de nombres de red o terminación.
  • Trabajo de BOM: selección de piezas, alternativas, explicación de la función de los componentes, conocimiento básico de la cadena de suministro (por ejemplo, piezas básicas vs extendidas de JLC) y sugerencias sensibles al coste.
  • Flujos de trabajo basados en texto: generar y manipular SKiDL, XML de KiCad/EAGLE, diseños basados en DSL y netlists de SPICE; scripting de autorrouters y APIs de EDA.
  • Integración de laboratorio/pruebas: controlar osciloscopios, fuentes de alimentación, cargas, programadores, hacer simulaciones e iterar según la retroalimentación de pruebas en bucles de agentes.

Dónde tiene dificultades la IA

  • Diseño y ruteo de PCB:
    • Placas simples y art/flex: cierto éxito, a veces funcional a la primera.
    • Placas densas, multicapa, de RF, térmicas o con restricciones mecánicas: todavía flojas; requieren mucha guía humana y correcciones posteriores.
  • Problemas analógicos/RF y sutiles: fallos dependientes de la temperatura, control de resonancia, juicio sobre “¿es esto suficiente?” y comportamiento no documentado de componentes siguen siendo puntos débiles.
  • Razonamiento visual/espacial: el uso directo de GUI y el modelado CAD o 3D complejo es frágil; las representaciones en texto/geometría funcionan mejor.
  • Hojas de datos: está mejorando, pero los PDFs complejos, tablas, notas al pie y piezas bajo NDA pueden romper la fiabilidad.

Benchmarks, herramientas y metodología

  • Benchmarks dedicados (por ejemplo, EEbench, harnesses basados en atopile) muestran grandes diferencias de rendimiento entre modelos; algunos son robustos pero ocasionalmente fallan de forma catastrófica.
  • Herramientas como solucionadores de restricciones, DSLs y agentes integrados (servidores de KiCad/EDA, Jitx, Konnect, tscircuit, etc.) se ven como clave para hacer que los diseños con IA sean verificables y repetibles.
  • Varios usuarios enfatizan patrones multiagente (diseñador frente a revisor adversarial) y comprobaciones automatizadas repetidas (ERC/DRC, simulación, revisores externos) como esenciales.

Perspectivas y escepticismo

  • Los entusiastas esperan flujos de trabajo de prompt a ensamblaje a corto plazo para complejidad modesta.
  • Los escépticos señalan datos limitados, erratas ocultas, silicio bajo NDA y la necesidad de prototipos físicos como restricciones fundamentales.
  • La expectativa general: el trabajo de PCB se desplazará hacia la especificación y la verificación, con la IA asumiendo más del trabajo de diseño mecánico con el tiempo.