從電路板到發電廠：AI 自動化「最後 20%」的攻防戰

本文整理自 a16z Podcast 2026 年 6 月播出的單集。

---

一塊拇指大的電路板和一座足球場大的發電廠，看起來是完全不同的工程問題。但在 a16z Podcast 上，Diode Computers 執行長 Davide Asnaghi 和 Unlimited Industries 共同創辦人暨執行長 Alex Modon 不約而同描述了驚人相似的瓶頸：自動化已經走了大半路，但「最後一段」卡住了，而這最後一段恰恰是決定成敗的關鍵。

主持人、a16z 合夥人 Erin Price-Wright 把兩人拉在一起，正是為了探討這個問題：AI 到底能不能跨過那道看似只剩一點的門檻？兩位創辦人的技術路徑截然不同，但都直接對準了實體世界自動化最頑固的死角。

PCB 的 80/20 陷阱

Asnaghi 用一組數字概括了電路板製造的現狀：大約八成的組裝已經由機器人完成，透過一套叫做 SMT（Surface Mount Technology，表面黏著技術）的標準流程。機器人把每顆元件放到板子上，送進回焊爐烘烤，完成。這部分早就自動化了，效率極高。

真正的問題藏在剩下的兩成。有些元件太大、太重或形狀太不規則，塞不進標準的 SMT 流程。大型變壓器需要不同的焊接方式。有些零件直接「抱住」電路板，沒辦法從上面放下去。最後還有板子裝進外殼的步驟，通常也是手工。鴻海和和碩這些公司過去用大量勞動力解決這兩成，在特定地區和特定規模下這行得通。但要在美國把資料中心的電路板產能翻倍，光靠人力是不可能的。

Asnaghi 的核心洞見是：不需要等機器人變得更厲害。如果板子從設計階段就被嚴格限制在「可全自動製造」的範圍內，現有的機器人今天就能做到百分之百自動化。瓶頸不在機器人的能力，而在設計端沒有把製造限制當成最高優先。這就是為什麼 Diode 把 AI 的核心任務定位為產生「DFM（Design for Manufacturing）就緒」的設計，而不是產生最漂亮或最有巧思的設計。

他也透露了一個更前瞻的技術方向：他看好 VLA（Vision-Language-Action，視覺語言行動模型）在產線上的應用。具備即時電腦視覺的機械手臂，能夠辨識和處理那些不符合標準流程的異形元件。但他坦承，更立即的機會其實更樸素。他去歐洲拜訪製造商，發現有些工廠的波焊爐根本不開，因為加熱那一大池熔錫的能源成本太高，量又不夠大，乾脆讓工人手焊。這種場景不需要什麼突破性的機器人，只需要能做選擇性焊接的標準設備加上合理的產量。

營建業的設計黑洞

Modon 面對的是一個完全不同尺度的問題。一座大型設施從概念到動工之前，光是設計階段就要消耗一年到一年半的時間，涉及機械、製程、電氣、土木、結構等跨領域的數百位工程師。這些人各自用各自的工具，各自最佳化各自負責的部分，最後拼出一份施工文件包。每個專案都被當成獨一無二的個案處理，沒有從上一個案子學到的東西能直接用在下一個案子。Modon 把這個現象總結得很犀利：這個行業沒有學習曲線。

Unlimited Industries 的設計框架試圖從根本上改變這一點。他們建立了一套把所有工程關係都編碼進去的參數化模型，AI 代理可以在裡面寫程式碼來操作設計。當你要模擬流體在特定溫度、壓力下通過管路的質量流率，AI 會啟動相應的模擬工具，就像工程師已經用了幾十年的那些計算軟體一樣。差別在於 AI 可以同時探索上萬種排列組合，而不是人類工程師一次只能測試一兩個方案。

更關鍵的是參數化帶來的彈性。傳統流程中，如果客戶在設計進行六個月後想改一個規格，結果就是骨牌效應般的全面修改，幾乎等於重新來過。在 Unlimited 的系統裡，這只是更新一個變數，然後讓系統重新最佳化。Modon 把大型設施設計形容為「樂高困難模式」：零件的組合方式有嚴格的規則，只要輸入和輸出對得上就是合法解。這意味著 AI 不需要具備「創意」，它需要的是在龐大的約束空間中窮舉搜尋的能力，而這恰好是它最擅長的事。

模擬的角色轉換：從驗證者變成老師

兩家公司都大量使用模擬工具，但對模擬的長期定位有微妙的差異。

Modon 把模擬當成 AI 代理的「計算機」。流體動力學、電磁場、結構應力、地震反應，這些都透過成熟的模擬軟體來計算確切數值。AI 被訓練去使用這些工具，就像一個工程師學會操作特定軟體一樣。模擬在這裡扮演的是推論階段的輔助角色：每次設計都跑模擬，確保數值正確。

Asnaghi 對模擬的看法更激進。他區分了兩種使用方式。目前，電路模擬器（SPICE）和電磁模擬引擎（如 openEMS 和 Ansys）主要被當成「驗證地線」：電路能不能動、電磁特性對不對，答案是確定的，不需要跟某個黃金標準去比。這對強化學習的獎勵訊號特別有用。

但他真正想做的，是把模擬從推論階段推到訓練階段。用模擬來大量產生有物理根據的訓練資料，讓模型在學習過程中發展出「工程直覺」。頂尖的電氣工程師不會每次設計都跑完整模擬，他們 95% 的決定靠的是多年累積的品味和手感。Asnaghi 希望模型也能訓練出同樣的直覺，這樣在推論時就不需要跑耗時的模擬迴圈。他提到自己認識的最厲害的工程師，會花三週跑模擬，然後說「我還是不信結果，等做出來裝進外殼再看」，因為外殼會完全改變電磁特性。與其在推論時追求完美的模擬精度，不如在訓練時讓模型學會什麼設計「大概率是對的」。

他也透露 Diode 內部正在探索擴散模型（diffusion model）作為電路板佈局的架構。他沒有細說技術細節，只表示「非常看好擴散在這個特定問題上的應用」。這個方向如果成功，將與目前的自迴歸程式碼生成形成完全不同的設計哲學。

全自主 vs 人機協作：設計哲學的根本分歧

Price-Wright 向 Modon 提出了一個尖銳的問題：營建工地有風、有地形、有各種不可預測的因素，是不是永遠需要人類在迴圈裡？

Modon 不同意。他認為營建領域的變數「可以被約束」，因為大量的工程標準已經定義了什麼能做、什麼不能做。他承認目前的模型還有差距，但他做了一個刻意的架構選擇：從第一天就把系統設計成全自主的，而不是先做「人在迴圈裡加上 AI 輔助」再慢慢把人拿掉。他認為這兩種設計哲學會導向根本不同的系統架構，而後者會把人類的角色永久地嵌進去，再也拔不掉。

Asnaghi 的看法更務實。他跟共同創辦人 Lenny Khazan 之間有一個持續的爭論：Asnaghi 認為自動化的瓶頸是資料，現有的技術積木已經夠了；Khazan 認為還需要架構上的突破。Asnaghi 的策略是兩邊下注：一邊用開源工具和美國本土製造來產生資料、餵養飛輪，一邊為可能的架構突破預留位置。如果擴散模型真的能做到他期待的事，資料的需求量也會相應降低。

不管哪一邊是對的，Asnaghi 都認為系統必須從一開始就以全自動化為目標來設計。目前 Diode 內部有一成的工作仍由人類工程師完成，這是現實的妥協而非理想的架構。隨著模型能力提升，這個比例會持續下降，直到客戶可以完全自助使用。

時間表上的賭注

Asnaghi 對電路板設計自動化給了兩年的時間表，從原本的五年大幅修正。他的信心來源很具體：與 Anthropic 合作的過程中，他親眼看到每一代公開模型之間的設計能力跳躍是「瘋狂的」。Modon 給營建業的全面自動化設了十年的時間框架，涵蓋從設計自動化（已有產品）到自主施工機器人和無人機的完整願景。

兩個時間表差五倍，但底層的邏輯相同：「一切皆為程式碼」的重構讓模型能用最熟悉的語言操作最陌生的領域，而模型的能力曲線目前沒有放緩的跡象。如果電路板設計真的在兩年內被自動化，營建業的十年時間表也不會顯得荒謬。但如果模型改善的斜率突然趨緩，兩家公司都需要用人力去補那道缺口，而這正是他們現在就建立跨領域工程團隊的原因。無論如何，等模型進步再來動手已經太遲了。自動化最後 20% 的戰爭，勝負在設計架構的那一刻就已經決定。