AI 审核芯片测试板，能找出真问题吗？

最近，我委托合作方设计了一款芯片测试用的 PCB 电路板。合作方完成原理图后，把 PDF 文件交给我审查。

 

我想测试一下 AI 在审查电路图方面的效果，就把 PDF 文件丢给 Codex，它竟然精准找到了两个真问题。

其中一个问题相对隐蔽，我看到的时候倒吸一口凉气。

省流版本：Codex 先解析 PDF，判定这是 Altium 导出的原理图，然后对图纸分区裁剪、逐一识别电路和元件，同时联网搜索芯片手册，逐步核对，最后定位了真实存在的问题，并附上修改建议。

 

可以说庆幸有 AI，让我能够做好甲方。01 什么问题？

 

我给 Codex 的东西很简单，就是一个 PDF。

这 PDF 长这样：

 

图：PDF 完整内容（一张工程图纸）

 

我没有告诉它哪里可能有问题，更没有给它 Altium 工程文件。我只是说，“你能不能读一下这个东西，看看有没有问题？”原始对话如下：

 

 

它指出了两个值得重视的问题。

第一个问题是， DGND 和 GND 没有连接。

这种问题肉眼应该是可以看出来，但在一张密密麻麻的测试板原理图里，非常容易滑过去。尤其是当你看到 GND、DGND 这种命名时，人脑会下意识认为“反正都是GND”。

我问合作方，他很快修正了。

第二个问题是， LT3042 芯片的 PGFB 分压不对。
 

合作方交上来的原理图是：

 

我问合作方，这里阻值是不是有问题？他说，芯片手册中就是这么推荐的。查手册，第23页的上方，还真是 453K 欧姆和 49.9K 欧姆，严丝合缝。图：LT3042 芯片手册第 23 页但我的应用场景与手册中的应用场景具有显著的区别！
PGFB 是 power-good feedback 信号，用来判断输出电压是否已经稳定到可以对外宣称电源就绪。芯片手册第 18 页右下角写了，PGFB 的判定阈值是 300mV。

手册推荐场景中，输出电压是 3.3V。用 453K 欧姆和 49.9K 欧姆分压之后，PGFB 大约是 327mV，高于 300mV 阈值。所以这组电阻在手册场景里非常正确。

问题出在，我的目标输出是 0.8V，再这么分压，PGFB 将会一直是 79mV，持续低于 300mV 阈值，芯片会持续处于 fast start-up 状态。

正常 SET pin 电流是 100uA，手册电气特性表里对应的 fast start-up SET 的电流是 2mA，足足大了 20 倍！
 

这意味着 SET 这个参考电压节点会被远高于正常值的启动电流持续驱动，轻则电源就绪状态异常，重则 0.8V 核心电源不再按正常稳压状态工作。

相关信息比较隐蔽，在第 18 页的右下角，如下图所示。

图：LT3042 芯片手册第 18 页

 

我跟合作方解释，他也意识到了问题，很快修正了电路图。

修正之后，AI再次审核通过。

 

 

这事不怪合作方。他并没有乱填阻值，他确实照着芯片手册推荐值来的。而且 fast start-up 相关的说明藏在角落，很难看到。

问题在于手册里的典型应用是 3.3V 输出，我这里是 0.8V 输出。

推荐值离开了应用场景，就会从正确答案变成错误答案。

 

02 AI自主执行了哪些过程？

 

这事最值得写的是过程。

我认为这个电路图相关的具体芯片用法没必要存在大模型的脑子里，而应该现场学习、现场推理。

我们展开看中间过程。

Codex 首先识别出，这个 PDF 是 Altium 的电路板原理图。

 

 

AI 没有直接相信 PDF 文本层。直接提取 PDF 的文字非常混乱，节点名、器件名、注释会被拆得到处都是。

AI 自主选择直接渲染成图片，用识图的方式进行解析。

全图看一遍之后，它把重点区域裁剪出来，逐块识图。

 

 

这一步非常关键。人类工程师看原理图，天然会放大局部。Agent 也开始做这件事。它没有把整页图缩成一张小图模糊地看。它主动裁剪、主动放大、主动按功能块分区。

然后，AI 没有凭印象判断，而是联网搜索各个芯片的官方数据手册。

 

 

AI对照我这份电路图阅读芯片手册，逐渐找到了关键 bug。

 

03 这是偶然吗？这是偶然吗？

 

我后来开了一个全新窗口（从“你好”开始，如下图所示），让它重新读取这份 PDF。AI这次又指出了同样的问题。

 

说明对这种级别的错误，它具备一定可复现性。

这一次，AI 同样自主查询了所用芯片的手册。

 

这件事给我的冲击很强。以前审阅他人设计，靠经验、耐心和时间。

一张电路图，几十个器件，多路电源，若干连接器，模拟地数字地，跳线，复位，电平转换。你当然可以自己一项项看，但人的注意力是有限的。

尤其是当你已经知道这是合作方交付的东西，人会天然有一个心理预设。“应该大体没问题吧？”

AI 没有这个预设。它不怕重复，不怕无聊，也不会因为前面十个电路模块都长得差不多，就在第十一个开始走神。

 

尾声

 

其实今天这两个问题都不困难。一个是连错线，一个是手册数值的适用场景问题。都不玄学，都不需要天才，但真的容易漏。

以前这轮检查只能靠人硬扛。现在，可以让 AI 先扛一轮。

我一直都在说，AI 在芯片设计中应该是先帮助人解决一些复杂、繁琐、耗时间、又高度重复的工作。这次又是一个小案例。

未来我还会继续探索更多这样的场景，让 AI 真的接住一部分工程负担，把工程师有限的大脑带宽留给更有价值的判断。