普通人也能搞硬件开发了？这很「何同学」

如何在专业性和用户友好度之间把握平衡，是AI硬件平台不得不跨过的一道门槛。

文|李嘉星

编辑|张薇

封面来源|Unsplash

你有没有想过，亲手做个市面上买不到的电子小玩意儿？

每次看何同学、稚晖君的视频，我都忍不住想：要是我也能做一个就好了。

图源：老师好我叫何同学《我们做了台魔法钢琴…》

我脑子里也时常冒出些稀奇古怪的点子，只是一想到要自己做电路、写程序，就不知道该从哪里下手。

什么时候硬件开发才能走向大众呢？

今年5月，我在奇绩创坛遇到了观点跃迁团队，他们似乎能让我具备极客的“超能力”。

观点跃迁是一家AI硬件开发平台，他们的产品是STACK ANYWAY，他们想做的事很简单：让没受过完整工程训练的人，也能做出自己的硬件；让本来就有能力的人，做得更快。

彼时，团队刚刚获得奇绩创坛的投资，产品还处于早期，尚未开放内测。

一个月后我在WAIC再次遇见他们，这次，观点跃迁开放了内测，我也拿到了一个名额。

当一个普通人说出一个模糊需求后，AI到底能把他带到哪一步？我想试一试。

按照观点跃迁的设想，用户只需用自然语言说出想做什么，系统会在三维工作台里，把一句话拆成元件、连线和代码项目。用户买回元件，再照图把它搭起来。

于是，我说出了我的想法：“公司有很多小猫，我想做一个电子逗猫器。”当然，如果一开始不知道怎么用，可以直接问它该怎么上手。

输入需求，与AI讨论逗猫器的设计方案

这句话之后，平台会把模糊的创意拆解为可执行的硬件方案，并根据需求推荐合适的主控、传感器、执行器等电子模块。左侧原本空着的工作台，也陆续摆上了电子元件。

平台推荐的电子元件陆续出现在三维工作台上

平台对我的需求进行了主动式提问并给出了四套方案供我选择。有的是低成本的基础玩法，有的更丰富，功能实现起来也更复杂。

其中一套方案，是让两枚舵机带着激光笔转动，用移动的光点吸引猫。

这套方案的逻辑我看懂了，做起来似乎也不复杂。我决定先试这套。

平台随后列出了一张元件清单，还解释了这些零件要怎样配合。比如：主控负责下达指令，舵机控制方向，红外传感器检测四周是否有物体移动。

方案一的模块清单

接下来的问题是：我不了解每个电子元件的原理，更别说完成电子元件之间的接线。

按照传统的做法，通常得先找一个相近的教程，弄清每根线的用途，再对照开发板上的标记，找到该插的位置。但教程通常针对特定的元件型号，如果换了模块或想增加功能，又得自己去学习相关的硬件知识。

这一步，平台也替我做了。它根据选好的元件生成连接方案，在三维工作台里画出了连线。我可以顺着一根线，看它从哪个模块出发，又接到了主控的哪里。

等元件买回来，线仍然要我亲手插。但至少，我有了一张可以对照的图。

平台生成的接线方案

在底部的工具栏，我发现平台还提供了接线的原理图。

接线的原理图

抱着严谨的态度，我把原理图和接线方案一起丢给Codex，想再核对一遍。

Codex给的反馈是，接线方案没有问题，但原理图漏掉了不少的线。

反复对照后，我发现，这次图里漏掉的都是经过面包板的连线。

好在这个小插曲没有耽误太多进度，真正把我困住好几周的，是接下来的组装。

我发现三维工作台并不等于一件完整的产品。我想把它们摆成一个真正的逗猫器，作为一个小白我并不知道舵机该放在哪里，激光笔朝哪里，最终外壳能不能装得下。

在这次体验中，平台还不能自动完成这样的空间布局。我需要先想好大致的安装方式，再手动拖动元件，调整它们的位置。

至于外壳和固定零件的支架，也需要自己制作。

平台会根据方案提供一些可参考的3D打印模型链接，对于本身懂技术的朋友来说，可以参考这些模型继续修改。

平台根据我的方案给出的参考3D打印链接

采购这一步倒省心了不少。我直接在平台上选好需要的元件，一键下单。三天后，一个盒子送到了，方案里配套的电子元件都装在里面，屏幕上的零件终于摆到了我的桌上。

至于困住我的结构问题，最后还是请朋友帮了忙。他帮我设计了机械结构，我再照着接线图把元件连起来，逗猫器总算有了下面这个样子。

自制电子激光逗猫器

零件接好后，我进入了代码配置阶段。

写硬件程序，还得让代码和桌上的实物对上。如果直接用通用AI写代码，我得先向它说明自己用了什么主控、接了哪些元件。然而，当桌上有七八个电子模块、三四十条线时，普通对话Agent很难知道用户桌上究竟是什么状态。

平台想补上的正是这一步。系统可以读取前面工作台里的配置和连接关系，用这些信息生成底层代码。比如引脚定义，PWM输出换算，舵机参数设置。

此外，平台还可以读取开发板通过串口传回的信息，检查运行情况，再根据结果继续修改、测试。

代码配置界面

实际体验没这么多弯弯绕绕。

一个字，快。

我与模型对话不到半个小时。我就听到舵机运行发出的嗡鸣声，转头一看，激光模块也亮了。

对于第一次做硬件的人来说，看着一堆静止的元件开始响应本身就是一种强大的Aha Moment。

折腾了这么久，终于有了回应。

然而新的麻烦也从这出现了。

当我把摇杆一推，两个舵机的转向与我预期不符：左右推时，舵机同时向左右和上下两个方向转动；上下推时，舵机却没有任何反应。

我把各条线实际连接的接口逐一告诉AI 硬件生成平台，让它反复修改，问题依然没有解决。最后，我将同一个问题交给Codex，代码很快就被写通了。

如何在专业性和用户友好度之间把握平衡，是AI硬件平台不得不跨过的一道门槛。

“跑通”，观点跃迁CEO徐世哲如此概括平台当前的重点。

“我们这个代码配置阶段的定位，其实是硬件项目配置的Agent。它主要的目的，是帮助用户跑通它的效果；起码第一点，把元件之间的连接先搞通，把硬件的底层先写好。”

但“跑通”不等于“跑准”，更不等于“做成一件产品”。

对我来说，摇杆能否按预期控制舵机，是逗猫器是否好用的关键。但在徐世哲的设想里，平台现阶段首先要缩短的，是一个想法从被说出口，到能够用实物验证的时间。

“对消费硬件来说，最重要的是速度和验证。尤其是在C端。硬件产品的市场窗口期可能只有三四个月，产品生命周期可能也只有半年。产品往往要多做几版，先验证它行不行，再快速拿给用户，快速迭代，快速打产品矩阵。这个时间内，大家都在抢一个窗口期。”

创业前，徐世哲在深圳做过C端硬件，也参与过医疗影像、核医学影像和手术机器人、手术器械等项目。不同产品有不同的节奏，但在消费硬件里，时间往往最先成为问题。

徐世哲把验证过程中做出来的小样，叫作“硬件原型”。它不需要长成产品，只要先替团队回答一个问题：这个功能到底能不能实现，效果是不是用户想要的，值不值得整个团队继续投入。

当下，观点跃迁计划于10月启动国内公测。用户可以先免费与AI讨论想做什么；想法完成后，可一键下单所需元件，平台会按照物料清单收取元件费用。到了代码配置和调试阶段，再按消费额度收费。

平台内部会有创作者分享自己的硬件专案，并且平台也推出了自己的Vibe coding硬件指环以及配套的玩法。

平台页面展示的硬件项目及配套玩法

AI辅助硬件还很年轻。它已经让普通人有机会点亮第一盏灯、第一块屏幕，但想让更多想法真的变成桌上的设备，还有许多线要接，许多问题要解。

我把问题带给了徐世哲。

以下是“未来人类实验室”（以下简称“未来人”）与徐世哲的对话。

AI生成硬件最重要的东西

未来人：从公司成立初到现在，产品形态和思路有没有发生过转变？

徐世哲：产品形态本身没有太大变化，但我们对“AI生成硬件最重要的东西”有了变化。

一开始我们想的是，硬件里的线路、PCB都很重要，所以产品一定要是3D的可视化环境。3D能承接更多工程语义：不只平铺，还可以堆叠、走线、布线，甚至做一些仿真。当时是从这些点出发定义产品的。

但后来我们发现，这些东西对用户未必最重要。仿真做得再好，用户可能也只是看一看；真正想做东西的人，还是会把元件买回来，自己上手、推进项目。我们跟用户、投资人聊得越多，越觉得真正影响用户做不做、会不会继续投入的，是壳子、结构和外观。

用户拿到一个小宠物形象、一个小方块或一个完整外观时，才会有第一印象，才会知道这个东西要怎么做。做AI生成硬件，很多时候可能得先把壳子或是这个东西的体量感想明白。这是我们现在很重要的思路转变，所以后面会上AI CAD。（CAD 是建模工程中常用的工具，类似还有SolidWorks，AI CAD 的作用是让平台具有3D建模的能力。）

未来人：一开始所有元件都在一个平面上。我能看出舵机、传感器和主板大概能完成理论功能，但不知道产品最后长什么样，也不知道这些元件怎样组合。我让系统把它们放到合适位置，结果更抽象了；我反复要求调整空间结构，最后只能自己手动摆，这方面后续会有优化吗？

徐世哲：我当时已经猜到会乱。现在要承认，布局艺术家Agent还做不到你要的那个效果。我们过去把它定义成顶视图里的布局和理线，用户在顶视图里能清楚看每个元件的连接关系。它还不能在高度方向做Stack，也就是不能把元件真正堆叠起来。

你手动把位置摆好后，再让接线优化，它会把东西强行掰回平面；因为接线算法默认用户在平面上看连线。你调半天就白调了。这确实是现在产品的问题。

你指出“它不知道元件边界在哪里”，也对。元件挤在一起会穿模，说明它对物理世界的理解还不够。为此我们为工程推理引擎添加了刚体碰撞和堆叠约束：元件干涉后系统主动把它们分开，让AI在一个受约束的物理环境里重新理解。这是可做的优化，不是现有能力。

现在这件事更加坚定我们要上AI CAD。用户不仅要看顶视图里的连线，还要看到元件尺寸、堆叠、选型和壳子如何配合，才会对项目有信心，决定要不要花钱买元件继续做。

未来人：你说你们想补上AI CAD，它会被放在一个固定步骤里吗？

徐世哲：我们不会把它硬塞进固定步骤，而是用主动推荐策略。

有些项目由外观或尺度驱动。例如可穿戴设备，外壳必须小，元件就不能太大。这种可以CAD先行：先定外观，再让AI往里面塞元件。

也有项目是硬件先行。用户先把功能搓出来，之后只是几块固定板、一个简单壳子。平台应提供更灵活的交互：可能先给用户一些AI图，让他预选方向，最后再落到CAD。

我们现在也在做Ask。之前后台更像无条件执行用户指令；Ask的意思是，当需求抽象、存在多个合理方向时，AI先列出三到五种方向，让用户选。用户也可以否定全部选项，说“我想这么做”。

为什么把“硬件原型”当入口？

未来人：你说做硬件，最重要的一个破局点是“快”。这个“快”具体指什么？

徐世哲：做硬件要考虑现金流、供应链、周期和用户。AI生成硬件工具如果真的想帮助用户，最重要的一件事，就是快。

过去做硬件原型，可能要迭代二三十版。一版如果要三个月，有的硬件项目做一两年、两三年都出不来，最后就没了。

如果能在一两个环节上帮助用户更快迭代原型，这件事的价值就很大。硬件从原型走到量产，本来就是一条很长的路。用户做完一版原型，会靠它决定要不要投下一版，要不要开模，要不要投PCB工艺。

我听过一个数据：一个产品走向市场，平均要经历八轮原型迭代。不管具体数字是多少，原型都是硬件推进过程中最重要的锚点。我们想做的，是覆盖更多硬件想法，把项目往前推几步，推到下一版原型，甚至下一步量产。

未来人：AI做硬件的方向很多。为什么你认为，硬件原型会是一个更普适的入口？

徐世哲：硬件这个事很难标准化。C端、B端、教育、科研、创意硬件、智能穿戴，每个行业的标准都不一样，连噪音标准都不一样。

但你把所有行业里造硬件的方式拆开，会发现有一件事绕不过去：硬件原型。一个产品最后可能很复杂，但它一开始一定是从原型开始的。最早可能只是一个能在手上点亮的东西，线满天飞，几个模块凑在一起。

所以我们想做的，是帮助所有人开始做硬件，也帮助所有人把硬件做得更快。我们更想做一个AI生成硬件的入口，一个相对普适的解决方案。

未来人：许多人会把原型理解成“还没做完的产品”。在你看来，它到底在验证什么？

徐世哲：一个硬件最后要集成很多功能模块。很多硬件原型，或者说硬件测试平台，造出来不是为了直接说“我就是产品”。它可能只是为了测试一两个功能。

为了做最后要集成的那个东西，你要先测每一个单点功能能不能跑通。这些都是硬件原型。

我们前两天接到一个用户的反馈。他只是为了测试一个按键的效果，折腾了两三个月，做了十多版硬件原型。 他最后是想把按键打磨到最好的效果，再把它放进产品。

如果能加速这类原型的研制，价值会很大。很多众筹硬件也是这样。你把外壳打开，里面可能还是飞线和模块拼起来的，但它已经可以运行，也可以交付。

所以原型和产品的界限并不总是那么清楚。关键在于，你做出来的原型能交付到什么程度：只是亮一下，给大家看个Demo，还是已经能把项目往前推。

未来人：做一个硬件原型，真正耗时间的地方还在哪里？

徐世哲：过去做硬件原型，第一大问题是选型。选型不是在淘宝上搜一下“我要做什么”就结束。至少有三个难点。

第一个是Know-how。用户想做一个压力检测手柄，他可能只知道“压力传感器”。但压力检测不一定只能用压力传感器。可以考虑压电陶瓷，也可以用液位、液体相关的方案。用户一开始想不到这些，尤其是新手。

第二个是采购。即使知道要选什么，打开电商平台也是一堆商品：哪家能用？技术支持由谁做？有人买了一个屏幕，发现有48个引脚，不知道怎么接；问店家，店家也未必能提供工程指导。用户往往还要从不同店铺买不同元件。快递到了，面对一堆小件，找不到就再买一次。我们希望交付给用户的是一个盒子，让他一站式拿到需要的东西。

第三个是集成。硬件板卡的尺寸和朝向、外壳结构和外观、嵌入式软件之间，是一堆很散的信息流。你可能来回改，突然发现壳子多了一块；或者板卡换型后，代码又不对了。

我们想在3D孪生环境里把这些信息放到一起，让用户跟着AI接线、改动和联调。

代码当然也耗时间，但现在的通用Agent已经把门槛拉低很多。我们的判断是，平台要先在嵌入式场景里跟上它，再提供界面预览、OTA等更有针对性的能力。

代码之外，AI还得理解现实里的硬件

未来人：大模型很会理解用户意图。做硬件时，为什么这还不够？

徐世哲：模型理解用户意图的能力确实已经很强。但更关键的是，它输出的东西到底是什么。

发动机很强，不代表底盘也做好了。AI如果给你的东西在世界上不存在，或者输出了危险的接线方案，最后浪费的是用户的时间和钱。

所以我们不是只做一个能聊天的模型。我们要做的是在STACK ANYWAY预设的物理规则下进行技术匹配：让用户的需求，匹配到世界上真正适合他的技术。这个说法有点像“AI技术管理”。

而且选型不能只靠文字。尺寸、厚度、接线、摆布都会影响决策。用户在电商页面看不到一个元件放到整个装置里是什么感觉；在3D环境中，发散的想法才能落到真实尺寸和可视化信息上，让人做决策时更踏实。

未来人：在代码配置阶段，观点跃迁到底要解决什么？

徐世哲：我们想在硬件、嵌入式场景里，把通用Agent没有处理好的部分补上：让代码知道用户前面选了什么元件、线接到了哪里、结构怎么摆、过程中又改了什么，再把这些上下文接进代码里。这样，最终提供的不是一段孤立的代码，而是一套能把项目往前推的工作流。

所以，平台当前的Agent更偏向Config，也就是项目配置和底层连通。它先帮助用户把元件之间的连接搞通，把硬件底层代码写好，让灯亮起来、舵机转起来。完成基础调试后，用户可以继续在平台内进行开发，也可以导出代码，借助其他编程工具完善交互效果。

为了增加代码预览效果，我们在代码配置阶段加入了画布功能，用户只需要把想要的效果、材料作为参考丢进画布里，AI硬件平台便可以根据我的需求进行修改。画布提供了一种比单纯面对代码更直观的交互方式。

团队提供的新版代码画布示意图

后面会继续补嵌入式开发的插件和玩法，比如界面预览、OTA，以及围绕库、驱动和开发框架的能力。

未来人：你们反复提到“跑通”，为什么这一步这么重要？

徐世哲：“跑通”非常重要。无论用户是验证效果，还是持续Build一个东西，第一步都是跑通；第一步没有，后面都白扯。它同时是虚拟和现实联动的动作，这也是代码编译阶段的价值。

过去做一个游戏机，有屏、有两个按键、有主控，通常要一个一个往上垒。先查一个按键的型号、属性、引脚怎么连，再加第二个；加屏后还要查通信方式、I2C资源和引脚分配是否正确。一个I2C屏的配套引脚可能只有几个，接错了也许能通，但效果一直调不好。每垒一个元件，都可能花几分钟甚至几小时。

平台希望让AI先对整套项目有规划。用户可以渐进式开发，也可以同时放两个按键，让它一起调；之后如果需要修改，可以直接提出替换，系统按照迭代需求给出新的型号。它还提供梯度下单和订单墙，用户能看项目第一次买了什么、第二次买了什么，在迭代时管理采购。

普通人做硬件，门槛降到哪一步？

未来人：普通小白从一个想法到最小原型，工具能替他做什么？又有哪些必须自己完成？

徐世哲：在我们的设想里，方案选型、设计、Code都不需要用户自己从头做。用户主要需要聊天：描述需求、迭代需求。系统给他选型、连接和代码。

但在现在这个阶段，用户还需要亲自进入动手的过程，接线、连通、组装，真正把东西做出来。我们希望这个过程是心流：他不是被迫做一堆重复劳动，而是在动手时理解自己的产品，并且因为自己动过手，最后能做更深的定制。

很多人来做硬件，恰恰是因为他的需求不标准。标准化需求基本可以买到；来平台做东西的人，通常是有一个没被满足、但又很真实的非标需求。我们很重视Maker里“thinking by making”这件事。

所以大多数情况下，我们不会直接替用户交付一个完整原型。除非他购买原型解决方案。很多产品经理、设计师、软件工程师有想法，但没有资源和精力去调动硬件团队，也不一定能和硬件工程师高效沟通；这部分人是核心用户。我们希望替他们完成方案设计和代码生成，但最后让产品在他手上诞生。

未来人：如果硬件门槛正在被AI拉低，你最希望哪一类人走进来？

徐世哲：我们更希望看到跨界创作者把自己的领域、品位和需求带到硬件里。

一个滑雪者可能想做被雪埋时的定位设备；一个射击教练可能想做记录手部动作、命中率和模拟训练的设备。他们未必是硬件工程师，但有真实场景和独特判断。

平台想成为偏创意、设计、美感的硬件创造平台。我们希望用户做出市面上没有的东西，开辟新的方向，而不只是让纯硬件工程师把参数做得更高、更快、更强。社区把交互设计、艺术等分类放在前面，也是这种定位。

对于工科生或极客，我的看法有两层。一层是技术演进不可避免：早年从晶体管、逻辑门开始，后来从Arduino开始，未来更多人会从自然语言和Agent开始创造。未来更需要的是想法和品味。

另一层是，真对底层技术感兴趣的人，仍然应该往底层学——芯片、计算架构、算力、网络等基础设施始终重要。但那也意味着要与长期扎根行业的人竞争。最终硬件不是标准答案：可以3D打印、开模、自己画PCB，也可以用开发板；交付的是价值，能运行一年、三年、五年并能成交，才是结果。

未来人：普通人不一定敢从零做第一件硬件。社区准备给他什么？

徐世哲：对害怕从零开始的新手，平台希望他先到社区复刻项目。早期Maker或官方会分享项目、代码、元件和教程；用户可以先照着做，再让AI协同解释。

这有点像拓竹。用户不会建模，也可以先从社区下载一个模型、打印出来，再逐步学习。硬件也是一样：先把一个已经存在的项目做出来，再慢慢知道为什么要这样选、这样接、这样写。

未来人：用户会在什么环节付费？

徐世哲：商业化有两块。

第一是卖元件和物料清单（BOM）。用户在设计阶段和AI对话、完成前期设计是免费的；当他决定把方案买回来，就需要为实际元件付费。

第二是代码配置阶段的AI订阅费（Token）。用户使用插件、库、开发框架和代码配置能力时，平台计划收费。

如果AI能帮你做硬件，你最想做个什么？

欢迎在评论区分享你的看法~