起因

我画 PCB 的手艺一直不算好，而且说实话不太喜欢这件事——摆元件、拉线、改规则，枯燥又费时间。这几年断断续续找过不少"让机器帮我画板子"的路子：EDA 软件自带的自动布线器效果一般，走线经常绕远路、打孔乱放，事后还是要手动清理；市面上零星几个主打"AI 画 PCB"的工具试下来也没找到特别满意的，直到 GPT 系列模型能力上来之后，这件事才算真正看到希望。

最近看到一篇文章，说 OpenAI 9 月 3 日发布的 GPT-6 Astra 演示里直接在 KiCad 里操作布局布线。这个具体演示我没能在 OpenAI 官方渠道核实到——官方对 GPT-6 Astra 的宣传重点其实是通用智能水平和安全评估（被官方列进了 Preparedness Framework 的"关键"网络安全能力档），没查到一个可对得上号的 KiCad 现场操作视频或官方文章。但这不影响"GPT+KiCad"这个组合本身能不能跑起来——因为让 AI 操作 KiCad 早就有现成的技术路径，不需要等 OpenAI 官方出手。

为什么是"GPT 的 API + 本地 KiCad"，不是整套搬上云

用纯云端托管的 AI 设计工具，我是有顾虑的：原理图和 PCB 文件放在别人的服务器上长期托管，心里总是不踏实，尤其是涉及一点自己的设计思路，不想让数据全程跑在别人的闭环里。

GPT 的 API 模式刚好绕开了这个顾虑：KiCad 本身还是装在本地、工程文件还是存在本地磁盘上，AI 只是通过 API 调用被"喊过来"做具体的决策——读一下当前原理图/布局的状态，给出下一步该怎么摆、怎么走线的建议或者直接执行操作，执行的动作还是在本机的 KiCad 进程里完成。API 只是问答通道，不是把整个设计过程托管出去。

这套本地 KiCad + 云端模型 API 的架构，技术上已经有现成载体了：MCP（Model Context Protocol）。GitHub 上已经有一批开源的 KiCad MCP Server，作用是把 KiCad 的操作能力（摆放元件、连线、跑 ERC/DRC、导出 Gerber、生成 BOM）包装成一组工具接口，暴露给任何支持 MCP 的 AI 助手调用，Claude、GPT 系列模型都可以接。看了几个项目：

  • kicad-mcp-pro：覆盖原理图、PCB、ERC/DRC、DFM、BOM 和生产文件导出
  • mcp-server-kicad：号称 100 多个 MCP 工具，从摆件、走线到导出 Gerber/3D 模型都有
  • Konnect：KiCad 10 的原生插件，单个 Rust 二进制程序，暴露 171 个原理图/布局/走线/设计审查/生产工具
  • kicad-mcp：跨 Mac/Windows/Linux，文档里专门有一份 DRC 使用指南

这几个项目都不是 OpenAI 或 KiCad 官方出的，是社区自己拼出来的桥——但恰恰是这类工具，才是普通人现在就能用上"AI+KiCad"的真实入口，不用等哪家大厂官方发布会。

效果好不好，拼的是 Skill 定义和规则文件，不是随便聊两句

试下来最大的体会是：直接跟 GPT 说"帮我画个板子"，出来的东西基本没法用。真正决定布线质量的，是喂给它的人设和规则，不是模型本身聊得多顺。至少要把这两块喂扎实：

  • 人设：明确告诉它扮演一个有经验的硬件工程师，不是通用聊天助手——这决定了它会不会主动考虑高速信号要不要做等长、大电流走线要不要加粗、模拟地和数字地要不要分割这些"工程师本能会想到但普通提示词不会写"的东西
  • 规则和边界：线宽线距、过孔尺寸、叠层定义、阻抗控制目标、器件间距、丝印层规范——这些数字不写清楚，AI 只能瞎猜一个"看起来合理"的值，等 DRC 跑起来才发现一堆违规

前面提到的 kicad-mcp 项目专门配了一份 DRC 指南文档，就是冲着这个问题去的——把设计规则变成机器可读、可强制检查的一层，而不是指望模型自己"心里有数"。这个思路和写代码时给 AI 定 Skill 文件、定编码规范是一回事：模型能力是底座，真正决定产出质量的是你有没有把行业的隐性规则显性地写下来喂给它。

大厂也在往这个方向卷，但没那么快"全自动"

这半年主流 EDA 厂商基本都在往 AI Agent 方向发布产品，核实下来靠谱的信息大致是这样：

Cadence 官方确认最新的 AuraStack AI Super Agent（跑在 Allegro AI Studio 平台上）宣称能带来"最高 2 倍更快的上市时间、15 倍生产力提升"（Cadence 官方新闻稿）。自主等级的说法出现了两种口径：Cadence 自己在 Computex 2026 发布会上说面向芯片设计的 ChipStack AI Super Agent 达到"Level-5 全自主"；但第三方研究机构 Moor Insights & Strategy 的分析报告里，把面向 PCB 布局的 AuraStack 归类在 Level 4 附近——也就是能自己接需求、自己规划、给出工程结果，但人还是要审核结果、做关键决策。两边对"到底几级自主"的定义不完全一致，别拿厂商自己喊的等级当行业标准。

Siemens 今年 3 月正式发布了 Fuse EDA AI Agent，官方定位是一个跨半导体/3D IC/PCB 多工具多 Agent 的自主编排系统，联合 NVIDIA 做底层算力支持，负责协调 Xpedition（PCB 设计）和 HyperLynx（信号完整性仿真）这些既有工具协同工作，这个是有官方新闻稿实锤的。

Quilter 是一家专门做 AI 原生 PCB 布局的创业公司，用强化学习在几个小时内生成多个候选布局方案，还带一层"物理规则审查"，官方博客自己给出的说法是能把布局速度提到传统方式的 10 倍，且支持本地私有化部署（对信任云端有顾虑的团队算是个选项）。已验证案例里做过 843 元件、8 层板的完整布局。

Altium 官方资料里确实提到了"通过系统需求集成提供 AI 支持"这类描述，但没查到一个具体叫"Altium 365 Copilot"的独立发布物或官方公告，这条我没法坐实，暂且存疑。芯和科技和联想在 DAC 2026 上具体合作的库创建效率、SERDES 仿真效率提升数字，同样没查到官方来源，这条也存疑，不引用具体数字。

行业数据：规模是真的在涨，但具体数字要纠偏

流传的说法是"2026 年 Q1，PCB 设计 EDA 工具收入达 42 亿美元，连续 20 个季度同比增长"。查了 ESD Alliance（电子系统设计产业联盟，行业官方统计口径）自己发的新闻稿，实际数字是：

  • 2026 年 Q1，整个电子系统设计产业（EDA + 半导体 IP + 相关服务）总收入 57.48 亿美元，同比增长 12.7%
  • 其中 PCB 和多芯片模块（MCM）设计工具这一细分，收入是 4.192 亿美元，同比增长 4.8%

“42 亿美元"这个数字看起来是把"整个产业"的规模级别和"PCB 设计工具"这个细分领域的说法混到一起了，实际 PCB 设计工具这一项一个季度是 4 亿美元级别，不是 42 亿——差了一个量级。连续同比增长的趋势是真的（2025 年 Q4 到 2026 年 Q1，PCB/MCM 这块连续正增长），但"连续 20 个季度"这个具体季度数我没有查到官方口径的确认，不敢把这个数字坐实。

对普通工程师意味着什么

从查到的这些信息拼起来看，眼下这个阶段比较靠谱的判断是：

  • AI 现在能接的是"执行层”，不是"判断层"：摆件、走线、跑 DRC 这些体力活可以交出去，但阻抗预算怎么定、叠层怎么分、EMC 边界怎么留，还是要工程师自己把规则想清楚写下来，AI 才有的可依
  • 本地工具+API 调用的架构值得关注：不放心把设计文件整个托管到云端的话，KiCad 本地跑、通过 MCP 接 AI API 这条路是现实可行的折中方案，Quilter 这类支持私有化部署的产品也是照顾这个诉求
  • 别被"全自主"的宣传带偏：几家大厂的说法本身口径都不统一，实际落地程度大概率是"人机协作、AI 干体力活"，不是"发个需求 AI 全包"

总结

GPT 让我看到"AI 画 PCB"这件事终于有点靠谱的苗头，但真正能用起来靠的不是模型聊得多顺，是有没有把"专业硬件工程师该守的规则"显式地喂给它——线宽线距、叠层、阻抗边界这些东西写清楚，AI 才干得像样。技术路径上，本地 KiCad 配合 MCP 桥接 GPT/Claude 这类模型的 API，是现在就能落地、又不用把设计文件整个交给云端的现实方案。整个 EDA 行业确实在往 AI Agent 方向卷，但具体到"多自主"“多少倍效率"这些数字，各家口径不一，查证下来不少细节和坊间传的版本有出入，拿这类文章当参考的时候，建议先查一下官方一次信源再当结论用。

参考链接