讓 AI 設計電路板和發電廠：「一切皆為程式碼」的實體世界革命

本文整理自 a16z Podcast 2026 年 6 月播出的單集。

---

三年前如果有人把 Claude Code 拿給你看，你大概會覺得對方是巫師。Diode Computers 執行長 Davide Asnaghi 在 a16z Podcast 上這樣形容 AI 目前在軟體領域的表現。但他緊接著補了一句：「它在交付實體產品方面，還爛得可以。」

這種落差，正是 Asnaghi 和 Unlimited Industries 共同創辦人暨執行長 Alex Modon 各自押上整間公司去彌補的。一個做電路板，一個做大型基礎建設，兩間公司都拿了 a16z American Dynamism 基金的投資，也都押注同一件事：把實體設計問題重新定義成「寫程式碼」。在 a16z 合夥人 Erin Price-Wright 的主持下，兩位創辦人解釋了這個策略為什麼不只是技術噱頭，而是可能改變美國工業格局的關鍵路徑。

用 Python 的手感設計電路板

電路板設計是一門高度依賴經驗和直覺的技藝。工程師在 CAD 軟體上手動拉線路、擺放元件、跑模擬，每塊板子都像在蓋一座微型教堂。想用 AI 取代這個過程，第一個撞上的牆就是資料：電路板設計的結構化資料量，比訓練基礎模型所需少了兩到三個數量級。而且最好的資料被鎖在 Apple、Meta、SpaceX 這些公司裡面，沒有人會分享出來。

Asnaghi 的解法不是硬湊資料，而是換個問法。Diode 打造了一套開源編譯器（放在 GitHub 的 diodeinc/PCB 專案），讓 AI 模型設計電路板時「感覺像在寫 Python 程式」。大型語言模型已經被餵了天量的程式碼訓練資料，這個重構等於讓模型用最擅長的語言來處理一個全新領域。Asnaghi 刻意把這套工具鏈開源，因為 Diode 想擁有的不是設計工具本身，而是製造基礎設施。任何人在開源工具上產生的設計成果，都能直接流進 Diode 的生產線。

這個策略同時解決了資料飢荒。當越來越多工程師和 AI 代理在開源工具上設計電路板，經過驗證的設計模組就成了下一輪模型訓練的素材。Diode 再透過有競爭力的美國本土製造價格吸引更多設計量，形成一個自我增強的飛輪。目前 Diode 的內部工具已經讓電路板製造效率提升約九成，剩下一成仍需人類工程師介入，但 Asnaghi 預期這個缺口會隨模型進步持續縮小。他原本估計完全自動化要五年，但看到 Anthropic 每一代模型之間的能力跳躍後，已經把時間表修正為兩年。

營建業的「樂高困難模式」

營建業的問題規模更大。一座發電廠、醫院或資料中心，光是設計階段就要一年到一年半，期間數百位機械、製程、電氣、土木和結構工程師協同工作，最終產出一份叫做 IFC（Issued for Construction，施工文件包）的龐大指令集。然後才是實際施工。Modon 的目標是把設計階段壓縮成「按一個按鈕」：輸入基地條件和需求，AI 探索上萬種設計排列組合，產出一份全域最佳化的 IFC 包。

他面臨的資料困境比 Asnaghi 更嚴峻。營建業的數位化程度極低，根本沒有足以訓練基礎模型的資料集。但 Modon 指出這個行業有一個天然優勢：大量的工程標準構成了密集的約束條件。管線怎麼接、結構怎麼配筋、流體力學怎麼算，幾乎都有規範。他把大型基建設計形容為「樂高困難模式」，意思是每一塊零件的組合方式都有明確的輸入輸出規格，只要符合標準就是合法的解。這是一個龐大的約束滿足問題，而不是需要 AGI 才能解的開放式推理。

Unlimited Industries 因此建了一套「模型導向」的參數化架構，把工程專案中所有元件和關係表達為可更新的變數。AI 代理在這個框架內寫程式碼，就像工程師使用既有的模擬工具一樣。最大的好處是：六個月後客戶要改一個規格，不需要整套重做，只要更新一個變數，系統就自動重新最佳化。在傳統營建業，這種需求變更等於全部推倒重來，是專案延期和超支的最大元兇。

賣成品，不賣軟體

兩家公司在商業模式上有驚人的共識：不賣軟體工具，賣最終產品。

Modon 的理由很直接。工程費用在營建專案總成本中只佔一小部分，壓縮工程成本根本打動不了任何人。真正的價值是壓縮工期。如果一個專案能提前三到六個月完工，這對專案融資的 IRR（內部報酬率）會有實質影響。IRR 才是基礎建設投資人最在意的數字。「不是更便宜的工程，而是更快的時程，」Modon 說，「時程改變了整個專案能不能融到資。」

Asnaghi 的邏輯類似。Diode 不推銷「我們有一套厲害的 AI 設計軟體」，而是說「給我規格，我交你一塊板子，比以前更快更便宜」。財星百大企業完全聽得懂這個提案，因為這跟他們向合約製造商下單的流程一模一樣。Diode 內部怎麼做到的，對客戶來說只是「實作細節」。

這也反映了兩個行業共同的困境：根深蒂固的工作方式幾乎不可能從外部改變。Modon 走進營建業的工程公司，看到工程師電腦上的軟體「像卡在 1990 年代末」。他把這種技術停滯比喻為 Anduril 出現前的國防採購：資金來源只要穩定報酬率，完全沒有動力冒險採用新技術，整條價值鏈上沒有任何人有激勵去改變現狀。在這種環境下，賣一個點工具讓別人「變革」行不通。唯一可行的路是垂直整合，自己吃下夠大一塊流程，用成果來說服市場。

美國正在遺忘怎麼蓋東西

技術策略之外，兩位創辦人分享了更大的危機意識。Modon 每晚閉上眼睛都會想到同一張圖：美國營建業勞動生產力和經調整資本支出，過去五十年持續惡化。在軟體世界，一切都在進步是理所當然的預設。但在營建業，趨勢線的方向完全相反。他擔心如果這條線繼續走，美國會連蓋大型專案的能力都失去。

缺工數據讓這個擔憂更加具體。Modon 估計，德州電工的平均年薪現在可能已經超過矽谷軟體工程師。Price-Wright 補充了一個案例：微軟曾經為了蓋一座資料中心，動用了喬治亞州三分之一的電工。產業被迫轉向模組化預製造，把工作搬到可以集中勞動力的工廠環境，即使成本更高也別無選擇。

Asnaghi 從電路板的角度補充了另一個維度：美國正在失去「可製造性設計」的直覺。他在香港觀察到，中國工程師設計板子時會本能地顧及製造端的痛苦，因為做板子的人往往就是他的朋友。一位中國工程師把元件擠得很緊，被問到為什麼不用雙面板，他的回答是：「那 SMT 產線就要跑兩次，做這個的人我認識，他會很累。」這種人際關係衍生出的設計直覺，在美國工程師把製造外包之後已經萎縮殆盡。Asnaghi 的結論是：這種文化斷裂「沒辦法靠招人或拉退休的人回來解決」。唯一的出路是讓 AI 自動執行上百項可製造性檢查。

兩年與十年，同一場賭注

Asnaghi 在節目結尾描述了他的願景：讓任何人創辦硬體公司，像朋友創辦 B2B SaaS 一樣簡單。他想讓美國的青少年能說出「我要做一顆立方衛星」，然後隔天就拿到電路板。

Modon 的野心更大也更沉重：如果不能把專案交付效率提升一個數量級，美國將無法建成 AI 競賽所需的資料中心、先進製造設施和關鍵礦物基礎設施。兩人的時間表不同，Asnaghi 說兩年，Modon 說十年，但核心假設相同：模型會持續進步。如果這個賭注成立，「一切皆為程式碼」就不只是一句技術宣言，而可能是美國再工業化最務實的路線圖。