Barry Olney

任澳大利亞In-Circuit Design Pty Ltd (iCD)公司執行董事。該公司深耕PCB設計服務領域，專門研究電路板級仿真技術。其開發的iCD Design Integrity 軟件整合了 iCD Stackup、PDN和CPW Planner。

傳統的PCB設計過程往往既耗時又耗力。布線復雜的PCB布局可能會占用設計師高達30%的時間，解決這個問題并不簡單。我們都遇到過這種情況：花了幾個小時設置制約條件，最后按下“開始”按鈕，卻只會驚訝地看到缺乏視覺吸引力且有明顯缺陷的設計結果。

歷史表明，PCB設計師普遍持懷疑態度，許多設計師更喜歡交互式布線——設置過程通常比手動布線設計需要更長的時間。然而，現代自動布線器實現了自動化和交互式控制的結合，允許用戶在選擇時與系統互動，從而可在獨立性與用戶干預之間取得平衡。但是，許多設計師未充分利用其布線器的全部功能。

過去30年，PCB布線器取得了長足的進步，從基本的點對點連接器發展到復雜的布線系統。然而，仍存在很大的提升空間。本文將深入探討人工智能技術的最新進展，重點關注其對布線技術的影響。

現代自動布線器采用布爾算法，在很大程度上依賴于配置和設置，這意味著它們的有效性與配置它們的人的技能直接相關。幸運的是，這種配置可以保存并應用于未來的設計，節省了一些時間。多年來，PCB布線器經歷了許多不同的發展階段，從難以學習、使用和交互的第三方應用程序，到有結合力的、基于云的布局/布線器環境。IC和PCB布線應用程序使用了許多相同的算法，其中基于形狀、推擠和自動撤銷且重試功能是最有效的。

然而，隨著強化機器學習的出現，可以在廣泛的專業PCB布局庫上培訓人工智能，從而繞過傳統的設置過程。這使得人工智能能夠利用其培訓來生產高質量的產品，有效地重新利用以前設計中的約束條件和拓撲結構。

PCB設計師通常會在手動任務上投入相當多的時間，如元器件放置和信號布線。然而，隨著生成式人工智能的出現，這些過程可以實現自動化，從而在早期階段實現更快的迭代和更大的設計探索。例如，Allegro X人工智能聲稱遵守與導線長度、信號完整性和電源分配相關的約束條件。然而，考慮到傳播延遲是一個比長度本身更關鍵的問題，人們可能會質疑分析導線長度的必要性。

該系統可實現關鍵網絡的元器件放置和布線的自動化，確保減少布線所需時間的同時，保持信號完整性。鋪銅過程也是自動化的，便于創建接地和電源平面，過去這是一項耗時的任務。幾十年來，Cadence一直在開發用于IC合成的放置及布線（Place-and-Route，簡稱P&R）工具，現在已經將該技術應用于PCB P&R。更短的互連和減少的交叉對芯片和PCB布局都至關重要，但關鍵的布線，包括信號完整性和飛行時間要求，對PCB來說更為重要。

Zuken還引入了被稱為智能放置及布線（Intelligent Place and Route，AIPR）的人工智能技術，該技術通過三個階段的推出增強了CR-8000平臺。初始階段稱為Basic Brain，通過使用智能自動布線器基于學習方法及策略優化設計布線，顯著改善了用戶體驗。第二階段，Zuken的Dynamic Brain將利用新開發的PCB設計的見解，將歷史設計案例納入其AI算法中。這種客戶最佳實踐和人工智能驅動見解的融合有望在CR-8000框架內加速設計迭代并大幅提高整體生產力。最后階段，即Autonomous Brain，將具備在每個項目中自我改進的能力，開創人工智能驅動創新的新時代。

西門子在引入過程預測（Process Prediction）方面取得了重大進展，這是其現代用戶體驗解決方案的關鍵組成部分。這一創新功能已集成到Xpedition PCB、Constraints Manager和HyperLynx Analysis工具中。當用戶設計其產品時，會實時不斷地培訓預測模型，使其能夠做出即時預測。對于每個新命令，模型都會學習特定用戶的序列，以適應他們的特有行為。它可以容納多個學習子過程，并在這些路徑之間無縫切換（圖1）。

圖1：在進程之間切換路徑（來源：Siemens EDA）

該過程從Xpedition PCB開始，在那里創建布局，然后建立約束條件，包括疊層定義和設計規則。隨后，它將返回布局進行編輯。在布線布局時，關鍵約束條件被輸入HyperLynx進行信號完整性分析，以確保質量。此過程采用DDR批處理向導進行時序仿真。如果發生故障，將重新審核布局以進行微調。這個循環一直持續到滿足所有要求，完成從開始到結束的整個設計流程（圖2）。

圖2

目標人群包括沒有經驗的設計師，他們可以利用預先培訓的種子模型。中等水平設計師可以選擇培訓自己的模型或利用經驗豐富的設計師創建的模型來提高流程效率。此外，專家級設計師可以通過這些種子模型傳授他們對復雜工作流程和標準化設計過程的知識。

在低端市場，我們發現了新興平臺，如DeepPCB和Flux Copilot。DeepPCB是端到端、完全自動化的按需付費PCB人工智能工具。DeepPCB支持所有與Specctra兼容的PCB EDA工具，包括OrCAD、Allegro、PADS、Zuken CR-3000/CR-5000、Altium、EAGLE、KiCAD、EasyEDA等。為了獲得DeepPCB的最佳效果，需要手動布線敏感部件和不受支持的網，然后讓DeepPCB在保護現有布線的同時處理其余部分。DeepPCB的標準版本使用戶能夠設計多達8層和1200個連接的布局，完成一個設計只需要幾個小時。這可能適用于KICAD和Eagle用戶，但似乎代表了技術的倒退，因為自動布線非關鍵網的能力已經存在了幾十年，且已能夠在幾秒鐘內完成。

Flux Copilot是AI PCB設計領域的另一個入門級工具，適合設計簡單微控制器項目的業余愛好者。它可以幫助選擇元器件，在遇到困難時進行調試，并為用戶提供建議和創建原理圖連接。Flux Copilot是KiCAD和EasyEDA的直接競爭對手。此外，KiCAD Guider為KiCAD提供人工智能驅動支持，提供設計建議并可檢測錯誤，以增強設計師的體驗。

PCB設計已經從手動布線發展到高度先進的人工智能驅動自動布線解決方案，大大減少了設計過程所需的時間和人工。雖然過去的布線器在很大程度上依賴于設置和用戶專業知識，但基于人工智能的現代工具利用機器學習來簡化和優化布線，同時仍可保持信號完整性。

隨著人工智能集成的發展，PCB設計師將有更多機會加強工作流程，減少重復性任務，專注于創新，最終將PCB設計轉變為更直觀、更智能及無縫的體驗。

要點

?歷史表明，PCB設計師普遍持懷疑態度，其中許多人更喜歡交互式布線。

?現代自動布線器采用Boolean算法，在很大程度上依賴于配置和設置。這意味著它們的

有效性與配置它們的人的技能直接相關。

?隨著強化機器學習的出現，可以在廣泛的專業PCB布局庫上培訓人工智能，從而避開傳

統的設置過程。

?Allegro X AI遵守與導線長度、信號完整性和電源分布相關的約束條件。

?Zuken還引入了被稱為自主智能放置及布線（Autonomous Intelligent Place and Route，簡稱AIPR）的人工智能技術。

?西門子在引入過程預測（Process Prediction）方面取得了重大進展，過程預測是其現代用戶體驗解決方案（Modern UX Solution）的主要組成部分。