PCB设计 | AI如何颠覆PCB设计？从手动布线到智能自动化的30年演进

 Barry Olney

任澳大利亚In-Circuit Design Pty Ltd (iCD)公司执行董事。该公司深耕PCB设计服务领域，专门研究电路板级仿真技术。其开发的iCD Design Integrity 软件整合了 iCD Stackup、PDN和CPW Planner。

 

传统的PCB设计过程往往既耗时又耗力。布线复杂的PCB布局可能会占用设计师高达30%的时间，解决这个问题并不简单。我们都遇到过这种情况：花了几个小时设置制约条件，最后按下“开始”按钮，却只会惊讶地看到缺乏视觉吸引力且有明显缺陷的设计结果。

历史表明，PCB设计师普遍持怀疑态度，许多设计师更喜欢交互式布线——设置过程通常比手动布线设计需要更长的时间。然而，现代自动布线器实现了自动化和交互式控制的结合，允许用户在选择时与系统互动，从而可在独立性与用户干预之间取得平衡。但是，许多设计师未充分利用其布线器的全部功能。

过去30年，PCB布线器取得了长足的进步，从基本的点对点连接器发展到复杂的布线系统。然而，仍存在很大的提升空间。本文将深入探讨人工智能技术的最新进展，重点关注其对布线技术的影响。

现代自动布线器采用布尔算法，在很大程度上依赖于配置和设置，这意味着它们的有效性与配置它们的人的技能直接相关。幸运的是，这种配置可以保存并应用于未来的设计，节省了一些时间。多年来，PCB布线器经历了许多不同的发展阶段，从难以学习、使用和交互的第三方应用程序，到有结合力的、基于云的布局/布线器环境。IC和PCB布线应用程序使用了许多相同的算法，其中基于形状、推挤和自动撤销且重试功能是最有效的。

 

然而，随着强化机器学习的出现，可以在广泛的专业PCB布局库上培训人工智能，从而绕过传统的设置过程。这使得人工智能能够利用其培训来生产高质量的产品，有效地重新利用以前设计中的约束条件和拓扑结构。

PCB设计师通常会在手动任务上投入相当多的时间，如元器件放置和信号布线。然而，随着生成式人工智能的出现，这些过程可以实现自动化，从而在早期阶段实现更快的迭代和更大的设计探索。例如，Allegro X人工智能声称遵守与导线长度、信号完整性和电源分配相关的约束条件。然而，考虑到传播延迟是一个比长度本身更关键的问题，人们可能会质疑分析导线长度的必要性。

该系统可实现关键网络的元器件放置和布线的自动化，确保减少布线所需时间的同时，保持信号完整性。铺铜过程也是自动化的，便于创建接地和电源平面，过去这是一项耗时的任务。几十年来，Cadence一直在开发用于IC合成的放置及布线（Place-and-Route，简称P&R）工具，现在已经将该技术应用于PCB P&R。更短的互连和减少的交叉对芯片和PCB布局都至关重要，但关键的布线，包括信号完整性和飞行时间要求，对PCB来说更为重要。

Zuken还引入了被称为智能放置及布线（Intelligent Place and Route，AIPR）的人工智能技术，该技术通过三个阶段的推出增强了CR-8000平台。初始阶段称为Basic Brain，通过使用智能自动布线器基于学习方法及策略优化设计布线，显著改善了用户体验。第二阶段，Zuken的Dynamic Brain将利用新开发的PCB设计的见解，将历史设计案例纳入其AI算法中。这种客户最佳实践和人工智能驱动见解的融合有望在CR-8000框架内加速设计迭代并大幅提高整体生产力。最后阶段，即Autonomous Brain，将具备在每个项目中自我改进的能力，开创人工智能驱动创新的新时代。

西门子在引入过程预测（Process Prediction）方面取得了重大进展，这是其现代用户体验解决方案的关键组成部分。这一创新功能已集成到Xpedition PCB、Constraints Manager和HyperLynx Analysis工具中。当用户设计其产品时，会实时不断地培训预测模型，使其能够做出即时预测。对于每个新命令，模型都会学习特定用户的序列，以适应他们的特有行为。它可以容纳多个学习子过程，并在这些路径之间无缝切换（图1）。

图1：在进程之间切换路径（来源：Siemens EDA）

该过程从Xpedition PCB开始，在那里创建布局，然后建立约束条件，包括叠层定义和设计规则。随后，它将返回布局进行编辑。在布线布局时，关键约束条件被输入HyperLynx进行信号完整性分析，以确保质量。此过程采用DDR批处理向导进行时序仿真。如果发生故障，将重新审核布局以进行微调。这个循环一直持续到满足所有要求，完成从开始到结束的整个设计流程（图2）。

图2

目标人群包括没有经验的设计师，他们可以利用预先培训的种子模型。中等水平设计师可以选择培训自己的模型或利用经验丰富的设计师创建的模型来提高流程效率。此外，专家级设计师可以通过这些种子模型传授他们对复杂工作流程和标准化设计过程的知识。

在低端市场，我们发现了新兴平台，如DeepPCB和Flux Copilot。DeepPCB是端到端、完全自动化的按需付费PCB人工智能工具。DeepPCB支持所有与Specctra兼容的PCB EDA工具，包括OrCAD、Allegro、PADS、Zuken CR-3000/CR-5000、Altium、EAGLE、KiCAD、EasyEDA等。为了获得DeepPCB的最佳效果，需要手动布线敏感部件和不受支持的网，然后让DeepPCB在保护现有布线的同时处理其余部分。DeepPCB的标准版本使用户能够设计多达8层和1200个连接的布局，完成一个设计只需要几个小时。这可能适用于KICAD和Eagle用户，但似乎代表了技术的倒退，因为自动布线非关键网的能力已经存在了几十年，且已能够在几秒钟内完成。

 

Flux Copilot是AI PCB设计领域的另一个入门级工具，适合设计简单微控制器项目的业余爱好者。它可以帮助选择元器件，在遇到困难时进行调试，并为用户提供建议和创建原理图连接。Flux Copilot是KiCAD和EasyEDA的直接竞争对手。此外，KiCAD Guider为KiCAD提供人工智能驱动支持，提供设计建议并可检测错误，以增强设计师的体验。

PCB设计已经从手动布线发展到高度先进的人工智能驱动自动布线解决方案，大大减少了设计过程所需的时间和人工。虽然过去的布线器在很大程度上依赖于设置和用户专业知识，但基于人工智能的现代工具利用机器学习来简化和优化布线，同时仍可保持信号完整性。

随着人工智能集成的发展，PCB设计师将有更多机会加强工作流程，减少重复性任务，专注于创新，最终将PCB设计转变为更直观、更智能及无缝的体验。

 

 要点
 

•历史表明，PCB设计师普遍持怀疑态度，其中许多人更喜欢交互式布线。

 

•现代自动布线器采用Boolean算法，在很大程度上依赖于配置和设置。这意味着它们的

有效性与配置它们的人的技能直接相关。

 

•随着强化机器学习的出现，可以在广泛的专业PCB布局库上培训人工智能，从而避开传

统的设置过程。

 

•Allegro X AI遵守与导线长度、信号完整性和电源分布相关的约束条件。

 

•Zuken还引入了被称为自主智能放置及布线（Autonomous Intelligent Place and Route，简称AIPR）的人工智能技术。

 

•西门子在引入过程预测（Process Prediction）方面取得了重大进展，过程预测是其现代用户体验解决方案（Modern UX Solution）的主要组成部分。