# 热门搜索 #
大模型
人工智能
openai
融资
chatGPT
另一种平权。
在软件工程师们开始习惯用Cursor共同编程的今天，硬件工程师的世界依然显得有些古典——
如果想开发一个App，AI或许能在几分钟内帮你生成可运行的代码框架；但如果想设计一款简单的智能硬件——比如一盏护眼灯或是一个电子玩具，你依然需要经历漫长的流程：选型、画原理图、设计PCB（Printed Circuit Board，印制电路板）、打板、焊接、调试等等。
“一个中等复杂度的消费电子产品，需要一个至多300个器件电路板。有经验的工程师从零开始到完成，通常需要20到30天。”指数科技创始人叶群松告诉“暗涌Waves”，他所在做的事“能把这个时间压缩到1-2天。”
“暗涌Waves”独家获悉，AI硬件设计生成平台“指数科技”近日完成了近亿元人民币的Pre-A轮融资，由云启资本领投，誉尊资本、尚势资本跟投。而在此前的2024年，指数科技在刚成立不久、只有demo时，已完成由启赋资本和华盖资本联合领投的天使轮融资。
指数科技想要做的事用一句话就能说清：利用AI技术生成电子电路设计图纸及配套的嵌入式代码，从而实现硬件研发的“无人值守”。
创始人叶群松于2008年毕业于电子科技大学，职业生涯早期在普源精电做仪器仪表；尔后加入霍尼韦尔，期间负责过其面向全国寻求创新电子的innovation tree（创新实验室）。
2019年，叶群松选择创业，创办觅机科技，主攻AI教育硬件和“AI伴读”业务。那是一个曾经风光无限的赛道，团队拿到了作业帮、新东方等头部客户的合作。然而，短短两年后，“双减”政策落地。
“被我们排在第一梯队的教育客户，基本上全趴下了。反而是那些曾经被我们认为是第三梯度、做传统硬件升级的客户活了下来。”与之对应的是，觅机科技所面对的需求也变得极为琐碎且缺乏技术含量——大量的“把灯点亮”、“加个按键交互”等重复性工作涌向了叶群松团队里“心高气傲”的研发工程师们。
“做研发出身的人大部分是互相不服气的，大家都不想做无聊的事。”这种对效率的极致渴求，以及被迫在“低端重复”中寻找出路的压力，促使叶群松开始在内部探索自动化的可能性。他将员工的工作时间一分为三：一部分做生存业务，一部分做重复劳动，每天剩下的时间里必须挤出两个小时做“自动化生成”的疯狂实验。
也正是这场生存危机，意外地在2023年孵化出了指数科技的雏形。叶群松选择了一条“换道超车”的路——不试图在规则内重建一个EDA（电子设计自动化），而是用AI大模型和黑盒的方式，直接生成结果。
简单来说，他想做的，是一家能让普通人也能“硬控”华强北的AI公司。
在叶群松的终局构想中，未来的每一个人都能拥有像电影《钢铁侠》中那样拥有智能管家“贾维斯”并将自身的需求和创意轻松转化为真正的硬件产品。叶群松相信的是，当硬件设计的门槛被AI拉低到近乎于零，人的创造力将不再被繁琐的工程细节所束缚。
最近，“暗涌Waves”和叶群松聊了聊——
做硬件设计界的“新能源车”
暗涌：EDA（Electronic Design Automation，电子设计自动化）已经存在并迭代了几十年，指数科技在做的与之有什么差别？
叶群松：现在的EDA三巨头（Synopsys, Cadence, Siemens）占据了全球80%的份额，他们构建了极其复杂的规则体系。如果你想在他们的规则里做一个“更好的自动化工具”，那是死路一条。因为规则是他们定的，如果能在规则内解决自动化，他们几十年前就做出来了。
但工程师的痛点仍然没有被解决。现有的EDA工具本质上还是辅助“画图”的软件，工程师依然需要花费80%的时间去处理像“把灯点亮”、“把线连通”这样缺乏智力挑战的低价值重复劳动。
如果还按照传统的EDA思路去竞争，是绝对没有机会的。所以，我们选择的是“换道超车”。创办指数科技后，我们提出了AI For Hardware（AFH），不依赖传统的EDA规则，而是用AI大模型、用黑盒的方式直接生成结果。
暗涌：所以，你想要利用AI来颠覆传统EDA巨头？
叶群松：不能说是颠覆。我可以用汽车产业来做一个类比：中国汽车工业如果想在燃油发动机上追赶德国和日本，这是非常难的。但“新能源车”就是一个弯道超车的机会——完全换一个赛道，不比发动机，而比电池、比智能。 你可以理解为，我们就是在做电子设计领域的“新能源车”。
暗涌：具体来说，指数科技目前的产品是什么？能做到什么样的水平？
叶群松：我们的核心产品是一个基于AI的自动化设计平台，它能够根据需求直接生成电路板的设计图纸以及配套的嵌入式代码。 目前，主要聚焦在四层及以下的电路板，这已经能够覆盖绝大多数消费电子产品。
举个具体的例子，一个包含300个器件以下的板子。如果是人类工程师做，从拿到需求到选型、画原理图、画PCB，大概需要20到30天。而利用我们的平台，现在只需要1到2天。
更关键的是，硬件研发有一个最大的痛点是EMC测试（注：对电子产品在电磁场方面干扰大小和抗干扰能力的综合评定，是硬件类产品质量最重要的指标之一）。这是所有电子产品设计师的梦魇。人画的板子，功能通了，但一去实验室测辐射，往往过不了，必须拿回来改布局、改线，这一改就是半个月。通常一个产品要迭代3到5次才能通过。 但我们的产品是通过大量历史成功数据训练的，它生成的板子，辐射测试的直通率非常高，迭代次数通常小于2次。
暗涌：这和最近软件设计领域非常火的Vibe Coding挺像的。
叶群松：没错。Vibe Coding以不记规则、靠感觉对话实现编程的方式大大加快了软件研发的速度。我觉得硬件也应该有Vibe Design或者Vibe PCB的概念。现在的工程师们的研发环节非常有节奏、有边界，但也限制了创新诞生的速度。我们希望重构整个电子设计的研发环节，让工程师成为一个真正的决策者，而不用花过多的时间关注繁琐流程。
暗涌：现在很多围绕AI做的垂直类平台都会面临通用大模型迭代后是否还能继续存在的问题。你觉得你们做的事壁垒足够高吗？
叶群松：现在的通用大语言模型本质上是基于概率的“复刻”和“拼装”，它并不真正理解电路设计的意图和物理规则。
在人工智能+电子行业交叉学科上，本身就存在两个巨大的壁垒：
第一，数据极度分散且脏。电子行业经过过去几十年的快速发展，虽然已经让电子产业日趋成熟，但网上没有特别多的开源的高质量原理图和PCB源文件。有些深耕电子制造领域的头部企业由于多年沉淀虽然拥有单一或多个品类的电子数据文件的积累，但由于人工智能和电子技术的发展在过去多年相对比较独立，因此这些数据并不符合AI的“胃口”，而我们建立的电子行业的基础语料库，是专为“喂养”AI服务的，这需要大量的清洗和合成工作。
第二，缺乏评测基线。GitHub上有海量的代码， 但缺乏和硬件强相关的嵌入式代码的沉淀。对于纯软件的开发，比如AI写个网页代码，跑一下就知道对错。但嵌入式代码写错了，是烧在芯片里的，你没法在云端直接评测。我们正在建立针对嵌入式代码的评测基准，这在行业里是空白。目前的架构是基于强化学习加上MoE，再结合知识图谱。这不仅仅是把图画出来那么简单，更是要理解物理世界的约束。
暗涌：如果AI能极大提升效率这件事被实现，指数科技目前所做的事，诸如大疆、拓竹这样的硬件大厂会去做吗？
叶群松：像大疆、拓竹这样拥有极强产品定义能力的公司，反而是我们最好的潜在客户。他们用传统的EDA工具画板子，目的是为了快速把产品做出来，抢占市场。他们不会因为觉得工具不好用，就自己去造一个EDA。因为这在商业上是不划算的，那是另一个赛道了。
我相信，当我们的产品有足够多的验证，相比自己去造一个工具，他们会更愿意跟我们合作。
暗涌：指数科技不是你的第一次创业。此前的经历对这一次创业有影响吗？
叶群松：我上一家公司叫“觅机科技”，做教育领域AI伴读硬件。2021年本来势头很好，拿到了作业帮、新东方这些大客户的意向。但是当年7月24日“双减”政策一出，这些排在第一梯队的客户基本上瞬间就“趴下”了，业务全部收缩。 反而是一些排在第三梯队的客户——那些做传统硬件想转型的厂商起来了。
为了生存，我们开始接他们的单。但问题来了，这些业务大部分是非常繁琐的、没有技术含量的“脏活累活”。 团队开始出现情绪。大家都是研发出身，从大厂实验室出来是想做酷炫的东西，结果变成了天天在画简单的板子、改简单的功能。所有人都憋着一口气。
当时，我跟团队说，既然大家觉得简单，为什么不能用自动化的方式来解决这些没意思的工作？于是，我们定了个规矩：每天把时间分成三份，一份做主营业务生存，一份处理无聊的杂活，剩下的时间里必须挤出两个小时来专门“碰撞”自动化生成的方向。
指数科技现在在做的事就是这么被“逼”出来的。
去实现人均创造上亿美金营收
暗涌：目前真的在用你们产品的客户是哪些人？
叶群松：主要是B端客户。因为我们最核心的优势是“快”。很多客户是在产品上线时间紧迫、原有方案出问题的情况下找到我们的。哪怕我们报价比行业平均水平高，他们也愿意买单，因为能解决燃眉之急。比如我们有一个做护眼灯的客户，起初只给了一两个产品试水，现在80%的产品都交给我们生产。他们的研发团队甚至只需要负责验收。到现在，企业用户有四五十家，年订单突破了8000万。
暗涌：从资本的视角里看，在国内做toB并不是那么“性感”的。要不就是困在付费意愿上，要不就是僵在定制服务里。你怎么解决这个问题？
叶群松：做to B核心是为了积累数据，B端客户的数据量大且真实。下一步，我们将在即将到来的2026年将客户拓展延伸到大量的工程师上面，让他们实现大幅提升效率，将更多的精力放在创新上面。
计划从maker社区切入，比如像电子发烧友、嘉立创社区，以及海外的开源硬件社区。这群人是最爱折腾的，对工具的包容度也最高。让他们用起来，生成一些简单的模块，比如滤波器、小家电控制板。 通过这群Maker，慢慢渗透到专业的工程师、系统架构师。当一个工程师发现用我们的工具能把原本两周的工作缩短到两小时，他自然会把这个工具带进他的公司。
最终，我们希望这个平台是可以to C的。当模型经过企业客户、专业客户的数据沉淀后，错误率也会进一步降低，到那时普通人也能直接通过对话生成一个硬件产品。
暗涌：真的会有那么多普通人想自己设计硬件吗？
叶群松：我不认为每个人都想成为发明家，那太难了。但我2016年在霍尼韦尔做innovation tree的时候，每天都会收到来自全国不同地方的创新idea。
朴素地说，人都有一个念头——“我想干……”这个念头无非落实到衣食住行，或者软硬件产品上。软件现在已经很方便了，硬件之所以慢，是因为门槛太高。很多创新的想法被潜意识扼杀了。我相信，如果门槛足够低，创造的需求就会涌现出来。
暗涌：也是一种技术平权？
叶群松：我认为是的。
暗涌：硬件和软件很不一样的是，软件只要能在电脑或手机上跑起来就行了，但硬件必须是个实物的。
叶群松：我们看到像拓竹这样的3D打印公司，甚至打印电路板的技术都在成熟。而在我们的平台上，用户不需要关心这些。通过我们对下游供应链的布局一定能实现的是：用户填入需求，自动生成图纸，完善后输入收货地址，剩下的就是等着收快递就行了。
暗涌：不论是工程师那样的专业用户，还是C端普通人，所生成的图纸可能五花八门。当下的制造业能生产如此多的非标品吗？
叶群松：过去几十年智能制造的发展已经基本解决这个问题了，按照设计图纸进行快速生产是很多制造企业的基本功。
拿我们有很深合作关系的嘉立创和华秋来说，他们可以说在“按图纸生产”上已经是非常头部的企业了，得益于他们的AI 拼板技术，24小时可以完成来自不同客户的几千甚至几万张图纸的生产。所以现阶段制造端不是限制电子产品诞生效率的重要因素（过去曾经是）。
只有当类似AFH这样的技术或平台解决了研发环节的效率问题，电子产品的诞生速度才有可能会被制造环节限制，但是我相信到时候肯定有更快的方式完成制造。我们也发现了一些海外公司在研究怎么根据全新的图纸在两小时内完成PCB光板的制作，并且完成PCBA的焊接和测试。
暗涌：现在团队规模如何？如果未来向to C发展，会变成一个人力密集型的公司吗？
叶群松：我们现在不足50人。我给公司定了一个战略规定：人数永远不要超过100人。我真的相信，在AI加持下，一个人均创造上亿美金营收的公司是可能出现的。我自己现在还写代码，一天能做出的工具过去可能要几个月。公司人力主要投入在研发和优化工具上，而不是随着订单量线性增加去堆人。
暗涌：在AI生成图纸的基础上叠加人工优化是一种收费策略。更多用户难道不会增加更多人力需求吗？
叶群松：这其实取决于业务形态。如果只做to B，确实需要更多人去做交付和沟通，但这正是我们未来会战略性“后退”的部分——to B业务现阶段是为了现金流和数据，但我们不会为了做大营收而去无限堆人。
对于to C或to Professional业务，人力需求不会随着用户量线性增长。因为审核图纸需要从头去理解对方的设计逻辑，非常耗时。随着模型能力的提升，需要人工介入的比例会越来越低。
文章来自于微信公众号 “36氪”，作者 “36氪”
