AI bisa desain circuit board? Ukur dari board-nya, bukan demonya
Oleh Zai · Let's Make It Easy
Dipublikasikan 2026-09-05
AI untuk desain hardware sering terlihat lebih meyakinkan di demo daripada di board yang benar-benar bisa dipakai. EEBench menulis tentang pertanyaan ini s
AI untuk desain hardware sering terlihat lebih meyakinkan di demo daripada di board yang benar-benar bisa dipakai. EEBench menulis tentang pertanyaan ini setelah OpenAI menampilkan GPT-6 Astra bekerja di KiCad. Mereka tidak menjadikan demo itu sebagai bukti bahwa model sudah bisa merancang perangkat elektronik secara penuh. Justru mereka mencoba mencari cara untuk mengukurnya.
1. Apa yang diuji
Desain sirkuit bukan hanya menggambar garis antar komponen. Model harus memilih komponen, menyambungkan pin yang benar, memenuhi constraint listrik, lalu menghasilkan desain yang dapat dibangun. EEBench memakai pendekatan declarative melalui atopile, sehingga agent bekerja pada komponen, koneksi, dan aturan dalam kode. Desain kemudian dapat dibuild, disimulasikan, dan diperiksa ketika gagal.
Cara ini berbeda dari sekadar menyuruh agent mengklik antarmuka CAD. GUI menyimpan banyak konteks di koordinat, menu, dan status layar. Agent bisa menghabiskan energi untuk navigasi, bukan untuk memahami apakah rangkaian tersebut masuk akal. EEBench berpendapat bahwa representasi berbasis kode membantu benchmark lebih fokus pada kemampuan elektronik.
2. Demo belum sama dengan produk
Demo GPT-6 Astra di KiCad menunjukkan bahwa model dapat berinteraksi dengan workflow desain. Itu belum membuktikan bahwa model dapat membuat ponsel, papan kompleks, atau hardware yang aman diproduksi dari satu prompt. EEBench sendiri menulis bahwa jarak menuju desain perangkat lengkap masih jauh.
Batas ini penting karena hardware punya kegagalan yang tidak selalu terlihat dari file desain. Simulasi dapat melewatkan masalah panas, noise, toleransi komponen, atau keterbatasan manufaktur. Hasil yang lolos parser juga belum tentu bekerja ketika dirakit.
3. Cara membaca perkembangan ini
Pertanyaan yang lebih berguna bukan apakah AI sudah bisa mendesain circuit board. Pertanyaannya: bagian mana dari workflow yang bisa dibantu, dan bagaimana hasilnya diverifikasi? Agent mungkin berguna untuk mengeksplorasi variasi rangkaian, mencari komponen pengganti, atau memperbaiki error constraint. Engineer tetap perlu menentukan spesifikasi, meninjau skematik, dan menguji board nyata.
Pendekatan EEBench juga memberi pelajaran untuk tool AI lain. Kalau output bisa masuk ke compiler, simulator, atau checker yang jelas, kita punya batas evaluasi yang lebih sehat daripada menilai demo dari screenshot. Untuk hardware, satu board yang menyala jauh lebih berarti daripada jawaban yang terdengar pintar.
Untuk evaluasi yang serius, benchmark juga perlu menyimpan versi library dan toolchain, bukan hanya skor akhir. Orang lain harus bisa menjalankan ulang build dan simulasi dengan input yang sama. Tanpa itu, perbandingan antar model mudah berubah menjadi adu demo.
Dokumentasikan input, versi library, hasil build, dan output simulasi agar eksperimen dapat diulang. Tanpa reproducibility, perbandingan model mudah bergeser menjadi adu presentasi.
Catatan ini juga berlaku untuk benchmark software yang memakai simulasi sebagai proxy hasil nyata.
Referensi: https://eebench.org/blog/can-ai-design-circuit-boards-yet/