GPT-6 这个名字放在两三年前听起来就像科幻电影里的道具但用它来做一块真实硬件电路过去这几个月我真的完整跑了一遍。项目核心是一块基于 STM32G431 的无刷电机驱动板要求用 FOC 算法驱动三相无刷电机实现速度闭环控制附带过流保护、母线电压检测和一个 5V/3.3V 的双路电源系统。从需求拆解、原理图设计、PSpice 仿真到 PCB 布局、打样、焊接、上电调参GPT-6 全程参与而且是那种真正在关键电路节点上给出建议的参与不是“你问我答”式的浅层聊天。这篇文章就是这次全过程的工程笔记也是我在 Inside Embedded 那期对谈节目英语原声和中配版都有里的文字整理。不管你是嵌入式工程师、硬件爱好者还是想看看 AI 到底能在硬件设计里干多少活的观察者这篇文章里都会有你能直接拿走的东西。我尽量把“对 AI 输出保持警惕”和“怎么把 AI 输出变成可落地设计”这两件事讲透毕竟用 AI 干活最怕的就是看起来什么都有实际上哪哪都不能用。1. GPT-6 在硬件设计中的角色先搞清楚它到底能帮你干什么1.1 从“聊天机器人”到“设计助手”的转变先说一个反常识的结论GPT-6 对硬件设计的最大价值不在“生成电路图”上而在“把模糊需求转成明确工程约束”这个过程里。以前我们拿到一个项目需求要么靠老工程师反复追问要么翻一堆数据手册自己归纳现在这个工作 AI 做得又快又全。它能从“我要一块无刷驱动板”这句话出发列出完整的电源树、驱动拓扑、采样方案、保护逻辑、接口定义甚至自动标注每个功能模块的选型要点和失效风险。但这不代表它能直接“独当一面”。我试过让它直接给一套可以打样的完整原理图结果它给的电路里有 3 个器件型号根本找不到数据手册有 2 个电容的耐压值选得离谱还有一个关键的栅极驱动芯片引脚排布是错的。这种“一本正经地胡说八道”就是 AI 辅助硬件设计最大的坑。所以我的定位很明确GPT-6 是一个知识面广、反应快、不知疲倦的资深助理而不是能负责任的带头工程师。所有它给的方案最后都要回到数据手册和应用笔记上校准一遍。1.2 这块板子的设计目标STM32G431 无刷电机驱动板先简单交代项目背景。STM32G431 是意法半导体的一款 Cortex-M4F 内核 MCU主频 170MHz内置硬件 CORDIC 和数学加速单元做 FOC 无刷电机控制非常合适成本又不高。相比老一代的 51 单片机或者 STC89C52RCG431 的资源丰富度完全不是一个量级尤其是它内置了运算放大器和比较器很多模拟采样电路可以省掉外部运放。这块驱动板的功能清单大概是这样的输入电源24V 直流额定电流 5A峰值 10A电源树24V 转 5VDC-DC5V 转 3.3VLDO模拟部分单独滤波驱动拓扑三相全桥使用 IR2104S 半桥驱动芯片配合 N-MOSFET采样电路两相低边电流采样母线电压通过电阻分压进 ADC保护电路硬件过流比较器、母线过压检测、堵转检测接口CAN 通讯、SWD 调试口、霍尔传感器接口、编码器接口、DHT11 温湿度传感器接口这些需求如果从头自己写需要翻很多参考设计。我拿这套需求去问 GPT-6它先帮我把系统拆成了一个清晰的框图然后逐个区块给出了具体芯片选型和电路要点。这个过程节省的不仅是时间更重要的是它强迫我重新梳理了一遍整个系统的电源预算和信号流向。1.3 我和 GPT-6 的分工模型经过这次项目我把和 GPT-6 的协作流程固化成了五步需求输入把所有功能、接口、电源约束、成本限制写清楚越具体越好方案讨论让 GPT-6 给出拓扑选型和芯片候选清单我负责结合供货、价格、封装做筛选细节生成请它生成某一小模块的电路思路和参数计算过程而不是一次性给整套图纸逆向审查把它的方案反过来问一遍“这里为什么用这个值”“如果输入电压波动 20% 会怎样”让它自己找漏洞人工确认所有关键器件型号、引脚定义、外围参数逐个对照数据手册这一步永远不能省。这套分工模型的背后逻辑很简单AI 擅长从大量数据和模式里提取“通常解”而硬件设计的难点恰恰在“特殊约束”上——某颗芯片在市场上的真实供货、某个封装的散热性能、某条走线在高速信号下的寄生电感。这些硬约束AI 没法替你拍板但能帮你把所有候选方案摆到桌面上。2. 原理图设计把需求翻译成电路AI 是最好的“翻译官”2.1 需求拆解用对话把“模糊目标”变成“功能清单”很多人在原理图阶段用 AI 失败是因为提问方式太笼统。你说“帮我设计一个 24V 转 5V 电源”它会给你一个泛泛的降压电路可能连负载电流都没考虑。我这次的做法是给它完整的约束条件。以下是我实际用过的思路描述请为以下应用场景设计电源方案 输入 24V 直流波动范围 18V~36V 输出 5V/3A要求纹波小于 50mV 负载主要是数字电路和栅极驱动芯片瞬态电流变化快 考虑效率优先PCB 面积要小成本敏感 请给出拓扑选型、核心芯片型号、外围参数计算过程。这个问法下GPT-6 给出的答案质量明显不同。它会回答“5V/3A 建议用同步 Buck推荐 MP2315 或 TPS5430”然后给出电感感值、开关频率、反馈电阻的计算公式。虽然它偶尔会把某个公式用错但整体推导框架是可用的。你只要照着数据手册的参数重新验证一遍就能得到正确结果。我还让它对比过“5V 转 3.3V 用 LDO 还是 DCDC”。这个搜索热词背后藏着一个很常见的设计决策3.3V 这路如果是给 MCU 和模拟电路供电LDO 的噪声更低、外围更简单但效率差如果电流超过 300mALDO 的散热问题会凸显就该考虑 DCDC。GPT-6 在这个问题上给出的判断逻辑基本正确我也把它的分析作为选型依据之一最终这路选了 AMS1117-3.3因为电流负载只有 100mA 左右LDO 完全够用还省掉了一颗电感和两个电容。2.2 电源与驱动电路模块详解原理图里最容易出问题的就是电源和驱动。先说电源树24V 输入经过防反接二极管和保险丝后分成三路。第一路直接给电机驱动桥供电宽度要能走峰值电流第二路进同步 Buck 降到 5V给数字逻辑和运放供电第三路 5V 再经 LDO 降到 3.3V单独给 MCU 核心供电。GPT-6 帮我列的电源预算表里每个模块的电流估算都很保守这一步对后续选型至关重要。驱动电路我用的是 IR2104S这是经典的半桥驱动芯片自带死区时间和使能控制。它有自举电路需要一颗自举电容接到 VB 和 VS 之间电容大小直接影响高端 MOS 的栅极驱动能力。我让 GPT-6 算一下自举电容的选值它给出的计算过程是高端 MOS 栅极电荷 Qg比如 20nC除以允许的电压纹波比如 0.5V得到最小电容是 40nF再考虑裕量取 100nF 到 220nF。这个结论和 IR2104S 数据手册推荐值是一致的。不过它第一次给的答案里把电容单位写成了 mF我指出错误后它马上纠正了。这个细节也提醒我AI 数值计算里的“单位一致性”需要人工盯着。TB6612 是另一个我常被问到芯片它本质上是一颗集成的直流电机驱动芯片最大电流 1.2A适合驱动小型直流电机或玩具车但它不是为三相无刷电机设计的。如果搜索“TB6612 电机驱动原理图”你会发现网上流传的电路大多雷同VM 接电池正极、VCC 接 3.3V/5V 逻辑、PWMA/PWMB 接 PWM、AIN1/AIN2 控制方向。这类电路对初学者友好但做工业级设计时我更推荐独立栅极驱动芯片加外部 MOS 的方案灵活性高很多也方便做电流采样。GPT-6 能帮你把这两种方案的区别缕清楚但最终拍板还是要看负载电流、散热、成本这些硬指标。蜂鸣器电路也是个小陷阱。无源蜂鸣器需要 MCU 输出一定频率的方波驱动有源蜂鸣器内部自带振荡器只要通电就响。GPT-6 在第一次生成“蜂鸣器电路原理图”时用的是 NPN 三极管驱动有源蜂鸣器基极串联 1kΩ 电阻接到 MCU 引脚蜂鸣器接在集电极和电源之间续流二极管并接在蜂鸣器两端。这个结构本身没问题但 MCU 引脚高电平驱动能力要足够否则三极管会进不了饱和区。计算基极电流时我用 10kΩ 电阻并联在基极到地防止 MCU 未初始化时蜂鸣器误触发。这些小细节GPT-6 不会主动提醒它是你问一句它答一分的工具。2.3 采样电路与信号调理从电磁炉电流检测说起电流采样是 FOC 控制器的心脏。网上搜“电磁炉的电流检测电路原理图”会看到很多过流保护电路用采样电阻加比较器的方案。电磁炉那种应用通常需要隔离所以会用到电流互感器或者线性光耦。但在这块 BLDC 驱动板上我选择了低边采样电阻配合运放差分放大的方式属于非隔离方案里性价比最高的做法。具体电路是在逆变桥下桥臂 MOS 的源极串联一颗 10mΩ 采样电阻电流流过时产生毫伏级压降经过一颗像 INA240 这样的电流检测放大器放大 20 倍或 50 倍后送入 STM32G431 的内置 ADC。选择 INA240 的原因之一是它支持零漂移在 PWM 开关噪声面前不容易被干扰。GPT-6 帮我列了几款可选型号但它推荐的其中一款在实际市场上已经停产了我换货换得措手不及。这件事给我的教训是AI 的知识库存在时效滞后要让 AI 推荐型号就必须同步核对厂商官网的存活状态。信号调理部分还有一个常见问题像 DHT11 这类数字传感器虽然输出接口叫“单总线”但逻辑电平是 3.3V 还是 5V 完全取决于传感器型号。GPT-6 默认给的电路里用了 10kΩ 上拉到 5V直接把 MCU 引脚拉挂了。因为 STM32G431 的 GPIO 是 3.3V 容限不能直接承受 5V。正确的做法是 3.3V 上拉或者加一颗电平转换芯片。这种“看似简单实则致命”的细节必须靠工程师的基本功兜底。2.4 原理图完成后一定要自己做的 5 项检查GPT-6 可以在你完成后帮你 review但你最好在 review 之前自己做一遍这五件事对照数据手册检查每个引脚的电源、地、去耦电容位置不要只靠 AI 的自动生成检查所有器件的额定电压和额定电流特别是电容耐压值要留 1.5 到 2 倍裕量检查每一个 I/O 引脚的电平兼容性3.3V 和 5V 混接是隐患重灾区检查电源树的总功率预算确保前级 DCDC 在最大负载下还有余量用网表对比功能把每一条网络、每一个网络名都过一遍确认没有悬空和意外短接。这五步走完再让 GPT-6 做一次“交叉审查”让它从“如果你是一个做了 10 年硬件的工程师你会怎么挑这个原理图毛病”的角度给建议。实测下来它确实能发现你遗漏的问题比如某颗电容的封装方向、某个 GND 网络被命名成了两个名字。但它也可能给你一堆无意义建议比如“建议使用更好的电容”而不告诉你具体型号和原因。所以我说AI 适合做第二双眼睛但做不了你的大脑。3. PSpice 仿真不用等打样先把电“跑”一遍3.1 为什么还要用 PSpice直接画板不行吗很多新手觉得原理图画完就该直接画 PCB仿真纯属浪费时间。我强烈不建议这种思路。硬件设计里有一类错误是原理图上看不出来的比如反激电源的振荡衰减、自举电容在低占空比下的供电能力、EMI 滤波器的谐振点。这些都要通过仿真提前预测。PSpice 是 Cadence 生态里历史悠久的模拟仿真工具老工程师对它非常熟悉模型库也相对完整。虽然 LTspice 的模型更丰富、免费且界面轻量但很多时候客户指定要 OrCAD/PSpice 的结果尤其是一些汽车电子和传统工控项目。所以我觉得作为硬件工程师PSpice 的基本操作还是要会。3.2 反激式开关电源仿真实战我这次项目中有一路 24V 转 5V 的电源原本想用反激拓扑做隔离输出后来因为体积和成本放弃改用了同步 Buck。但为了验证 GPT-6 对电源仿真的建议能力我单独搭了一个反激式开关电源的原理图来做 PSpice 仿真也算是把热词里“反激式开关电源 PCB”“cm6800 开关电源原理图”这些搜索需求背后的知识串起来讲。反激电源的关键点有三个变压器、反馈环路、RCD 吸收电路。变压器需要设定原边电感量和匝比这决定了励磁电流和输出能力反馈环路一般用 TL431 加光耦控制次级电压稳定输出RCD 吸收电路用来限制关断瞬间的尖峰电压。下面是一个基本的 PSpice 仿真网表骨架示例我用它来观察 5V 输出的纹波和 MOS 管漏极电压波形* Flyback_Transient_demo.cir VIN 1 0 24V LP 1 2 180U IC0 * 变压器次级匝比 Np:Ns 1:0.22 LS 3 0 8.7U K1 LP LS 1 D1 3 4 D1N5819 C1 4 0 470U IC5 RLOAD 4 0 2 * MOS开关 XQ1 2 5 0 IRF540 VGS 5 0 PULSE(0 12 0 10n 10n 2u 4u) * RCD吸收 RSNUB 2 6 100K CSNUB 6 1 470P DSNUB 6 2 D1N4148 * 反馈网络简化模型 VFB 7 0 2.5 EREF 8 0 VALUE{IF(V(4)5, 1, 0)} .TRAN 0.1U 5M UIC .PROBE .END这个网表不是量产级的精确模型但它能帮你看到反激变换器最典型的波形特征MOS 管关断时漏极电压会抬升峰值差不多是输入电压加上反射电压再加上漏感尖峰。如果 RCD 吸收电容选小了尖峰会很高选大了损耗会增大。GPT-6 可以帮你算 RCD 的初始值但它不知道你的变压器寄生参数所以最终还是要靠仿真微调。我的操作顺序是先让 GPT-6 给出变压器匝比和反馈电阻的初始计算然后我手工把仿真网表写成 PSpice 格式用 .TRAN 语句跑瞬态跑完之后把波形关键数据截给 GPT-6让它帮我分析纹波来源和环路稳定性。这个过程比一开始就让 AI 生成整个电路文件要高效得多因为 AI 生成的 PSpice 模型经常有语法错误或者丢失库模型手工搭建虽然枯燥但每一步都尽在掌握。3.3 让 AI 生成仿真模型实测有效的三步法如果你非要用 GPT-6 生成 PSpice 文件我建议你用三步法第一步给它非常具体的语法约束。你要明确说明“输出一段 PSpice 文本网表不需要解释包括 .TRAN 设置和 .PROBE 指令”否则它会混入大量自然语言。第二步拿到文本后不要直接跑仿真先人工检查所有器件编号是否连续、所有节点编号是否一致、所有模型名称是否存在于你本地库中。第三步跑完仿真后把报错信息原样贴回给 GPT-6。它的错误修复能力很强能快速定位语法问题但它对“电路逻辑”层面的错误反而迟钝。比如它可能把反馈极性接反导致输出完全失控这种情况只有人类才能判断。我实测下来GPT-6 生成的 PSpice 代码大约有七成能直接跑通剩下三成都需要修。作为对比我让同级别的同事手工编写一份网表跑通率接近百分之百但耗时是 AI 的三倍。所以我的建议是让 AI 做草稿人类做定稿这个配合在最普通的工程任务里依然成立。3.4 从仿真结果到设计变更一个真实案例仿真不是跑完看个波形就完事了它要能推动设计迭代。我最典型的一次迭代是在 IR2104S 的自举电容上。按照数据手册我最初选了 100nF但在 PSpice 里模拟低占空比连续调制时发现高端 MOS 的栅源电压在连续几个周期后明显跌落到第五个周期就低于 MOS 的阈值电压。这是因为自举电容在上桥臂导通时释放电荷占空比很低时没有足够时间充电。我让 GPT-6 帮我分析这个波形它指出可能需要增大自举电容或降低开关频率。最终我把 100nF 换成 1uF同时并联一颗 100nF 高频滤波电容重新仿真后波形明显改善。这个案例充分说明为什么“画板前先仿真”是值得的。如果直接按 100nF 去打样上电后大概率会出现电机在低转速时抖动或停止你拿示波器去查要花好几天才能定位到自举电容上。而仿真只需要半天。4. PCB Layout当布局开始AI 的建议有多少能信4.1 层叠设计与阻抗控制DDR4 这类场景怎么迁移原理图完成后就是 PCB 布局。很多人觉得布局布线是纯体力活其实它的技术含量一点不比原理图低尤其是高速信号。热词里“ddr4原理图”“rk3576硬件设计资料”这一类搜索背后都是同一个问题高速数字电路对层叠、阻抗、等长、回流地有什么要求。DDR4 这种接口对时序要求极高地址线和数据线通常要求等长控制在几十 mil 以内所有高速信号都要有严格的参考平面不能跨分割区。层叠设计上四层板一般会是“信号-地-电源-信号”的结构每个信号层都紧贴参考平面保证回流路径最短。RK3576 这种级别的 SoC硬件资料里通常会给一套参考的层叠和阻抗目标比如单端 50Ω、差分 90Ω 或 100Ω你照着做就行。GPT-6 能帮你解释这些概念但我建议不要让它直接给出层叠厚度。因为叠层和阻抗计算需要具体板材参数比如 FR4 的介电常数、半固化片厚度、铜箔厚度这些参数厂家和板材供应商才能给准。我之前试过让它算微带线宽度它默认用了 4.5 的介电常数但实际板材在 1GHz 下的 DK 可能是 4.2算出来阻抗就差不少。各位记住让 AI 讲原理可以让它给精确的工艺参数一定要用官方资料和阻抗计算工具二次验证。4.2 线宽、线距、过孔与电流把这张参数表留在手边PCB 布局里最常被问到的问题就是“这个电流该走多宽的线”。我在这里给你一个可以当桌面参考的经验表格基于 1oz35μm铜箔温升不超过 20°C 的大致情况。注意这只是经验值实际要根据板厂工艺和散热条件微调。电流A最小线宽mm推荐线宽mm说明0.50.150.25信号线足够10.250.5普通电源走线30.751.0电机驱动主回路51.52.0大电流或短距离103.04.0建议加铜箔或多层并联过孔的载流能力也说一下。一个标准 0.3mm 孔径、外径 0.6mm 的过孔大概能承受 0.5A 到 1A 的电流但前提是它的镀铜厚度达标。如果大电流回路需要过孔换层我会用多个过孔并联比如 5A 的母线至少打 6 个以上过孔减少单孔发热。搜索热词里还有个很具体的问题“一般 PCB 中 M2 螺丝孔留多大过孔和环宽”。M2 螺丝孔的孔径一般做到 2.2mm 到 2.5mm固定焊盘的外径做到 3.2mm 左右环宽差不多 0.5mm比普通信号过孔宽很多。因为安装孔不仅承担电气连接还要抗机械应力太细了容易在拧螺丝时扯裂铜皮。线距方面常规信号线间距离至少做到 0.2mm高压区域要按每 100V 间距 0.3mm 来留否则爬电距离不够打耐压测试会出事。GPT-6 能告诉你这些规则的存在但具体执行必须看你的板厂能力。我在嘉立创 EDA 里画原型板规则设置通常就按最小线宽 0.15mm、最小间距 0.15mm 来评估量产板再根据成本和要求调整。4.3 Cadence Allegro 与 嘉立创EDA不同阶段怎么选、怎么配工具选型是不可回避的话题。Cadence Allegro 在大型主板和高速信号设计领域是绝对主力但它有学习门槛而且约束管理器Constraint Manager简称 CM的设置方式让不少新手崩溃。热词里“allegro中如何将pcb的叠层线宽、线距等信息设置进cm中”是一个很典型的困惑。在 Allegro 里你要先在 Setup 菜单里打开 Cross-section把层叠结构、每层的铜厚和介质厚度设置好然后打开 Constraint Manager在 Physical 页面里创建 Net Class给不同的网络类设置线宽、线距。比如把电源网络设成 20mil 以上的大线宽把差分信号对设成 5mil 线宽加 5mil 线距。这些规则的优先级比单根走线的默认规则高布线时 Allegro 会自动套用。设置完成后一定要跑一次 DRC确保所有走线都符合约束。我更想重点说的是嘉立创 EDA。它免费、上手极快、器件库和嘉立创打样供应链无缝打通特别适合中小型项目和硬件爱好者。它的不方便之处在于约束设置没有 Allegro 那么精细化但如果你画的板子频率不高、信号速率一般它完全够用。这次项目的原型板我就是用嘉立创 EDA 画的出 Gerber 直接在嘉立创打样物流和价格都很友好。对于 51单片机 或其他低速 MCU 的学习板、DHT11 传感器板、蜂鸣器实验板这类简单项目嘉立创 EDA 是毫无疑问的第一选择。但如果你要做 RK3576、DDR4 这种高速处理器板我建议还是要回到 Cadence 这类专业软件。不是因为嘉立创 EDA 不能画而是高速板对阻抗控制、等长走线、背钻、叠层优化这些功能要求太苛刻专业工具的设计规则管理能力和仿真协同性更强。GPT-6 对这两类工具的功能差异了解得很清楚你可以让它按你的项目阶段推荐工具但千万不要让它“远程指导”你点菜单——它的截图识别能力和软件版本知识经常跟不上。4.4 PCB 检查清单布局完毕、出 Gerber 之前我又过了一遍清单和 GPT-6 一起逐项核对DRC 零错误这是底线但我发现它偶尔会把“丝印压盘”这类警告也报成错误需要人工看严重等级电源平面完整性是否有大电流路径被细线切断是否缺少过孔阵列地平面完整性关键信号下方是否被地铜覆盖且连续有无跨分割区域安装孔和板边M2 安装孔离板边是否足够走线是否触碰板框丝印标注测试点、极性标识、版本号、日期是否齐全方便调试和追溯天线净空区如果板上有 2.4G 蓝牙天线周围要挖空铜皮保持净空天线接地参考要可靠。关于 2.4G 蓝牙 PCB 天线为什么那么强调接地我的理解是倒 F 天线这类 PCB 天线的地参考面直接决定天线的阻抗匹配和辐射效率。你以为天线只是顶端那根铜箔其实它依赖整个板子底层的地平面作为“镜像”如果这个地平面不连续或者天线下方有过孔、走线、铜皮碎片谐振频率就会漂移信号强度下降几 dB 是很常见的。所以热词里的“为什么2.4g蓝牙pcb天线要接地”答案就是天线必须有稳定、完整、连续的参考地同时自身保持净空区。5. 样板后的调试与“避坑”实录5.1 上电前的低级错误清单很多人包括我都会在画板时自信满满拿到样板后一脸懵。这次我犯过一个印象深刻的低级错误5V 电源的指示 LED 电阻选小了上电瞬间 LED 电流过大直接把 LDO 的输出拉到 2V。查了很久才发现是 GPT-6 在推荐 LED 限流电阻时算错了一位数。我后来核对了一下它把 5V 减 2V 压降当作 3V除以 20mA 应该取 150Ω结果它给成了 15Ω电流爆到接近 200mA。这个案例很好地说明了 AI 数值生成的脆弱性。上电前我列了一份安全检查表先测电源对地阻抗、确认无短路再空板上电测各电压节点然后单独给 MCU 下载程序确认晶振起振最后才接电机负载。每一步都不跳过确保出问题时能快速定位。5.2 AI 给的错误建议以及如何反手排查调试阶段我也继续用 GPT-6。现象是电机在低速时力矩不足我把它生成的“问题可能原因清单”拿来对照发现它列了六条原因其中四条都有道理两条完全没用。有道理的是“自举电容不足”和“电流采样噪声”没用的是“PWM 频率设置过高”和“MOS 管选型不当”。这两个结论与我的设计参数明显矛盾因为我用 20kHz PWM距离 IR2104S 的极限还很远。GPT-6 之所以给出这种泛泛的建议是因为它把常见工程问题的先验概率拉过来缺少对你这块板的针对性判断。所以我处理 AI 建议的方法就是把它当同事而不是当专家。同事给你建议时你心里会有判断专家给你的建议则容易让人盲从。调试时还有一个脏问题示波器夹子没接地导致波形全是 50Hz 噪声。这种现场问题GPT-6 无论如何也猜不到。它文本分析能力再强也看不到你的物理操作。所以硬件调试的最终底牌永远是物理直觉和仪器基本功AI 只能做辅助。5.3 热、噪声与干扰调试经验无刷电机驱动板的干扰问题主要来自 MOS 管快速开关产生的 di/dt 和 dv/dt。它们会通过寄生电容和电感耦合到采样电路和 MCU 引脚上。所以布局时必须把功率部分和信号部分用物理空间隔开地平面尽量完整采样电阻到运放的走线要短、要粗最好加 RC 滤波。热设计上MOS 管的散热焊盘要大面积铺铜并打过孔阵G431 这类 MCU 虽然功耗不高但如果 LDO 压差大发热也不容忽视。我给 5V LDO 底下的铜皮做了镂空降低热阻还加了散热过孔。反激电源这类拓扑里RCD 吸收电阻的功耗经常被忽略它实际上是一个持续发热的点封装至少要给到 1206。6. 这次项目之后我对 AI 辅助硬件设计的真实看法整个项目做下来我对“AI 做硬件设计”这件事的态度更具体了。GPT-6 让我最吃惊的不是它能画原理图而是它能把一个模糊需求拆解成清晰的工程步骤并且用自然语言解释每一步的物理逻辑。这种“翻译能力”非常契合硬件设计流程因为我们最大的沟通成本往往不在电路本身而在需求理解、方案权衡和文档传递。但它也让我更加确信硬件工程师的基本功比以往任何时候都重要。AI 能快速生成一个方案却无法替你判断这颗电容在满负载 85 度环境下的寿命无法替你评估这个封装在手工焊接时的良率更无法替你在实验室里把示波器探头接对位置。这些经验来自长期实践来自踩坑来自对物理世界的敬畏。用一个不恰当的比喻GPT-6 像是给你配了一个记忆力超强、从不休息、阅读量巨大的实习生他能帮你把资料翻遍、把初稿铺满桌子但最后签字的还是你板子跑不跑的起来也只有你负责。所以我的建议是大胆用它但永远带着怀疑用它。每个数值对照数据手册每个结论对照物理常识每条建议对照你的项目约束。做到了这三点AI 就会成为你硬件生涯里最趁手的工具之一。