Por Canuto  

Una startup de Los Ángeles asegura que su IA, entrenada con reglas de la física en lugar de datos de texto, diseñó en una semana una computadora Linux de dos placas con 843 componentes y que arrancó al primer intento. La demostración, llamada “Project Speedrun”, también reveló por primera vez que Tony Fadell, figura clave detrás del iPod y el iPhone, invirtió en la empresa y actúa como asesor.

***

  • Quilter afirma que su IA diseñó el layout de una computadora Linux de dos placas con 843 componentes y 5.141 conexiones, y que Debian arrancó al primer intento.
  • Según la empresa, el proyecto requirió 38,5 horas de trabajo humano frente a 428 horas estimadas por diseñadores profesionales, y comprimió un ciclo típico de 11 semanas a 1 semana.
  • Tony Fadell confirmó su inversión y asesoría, y describió el diseño de PCB como un cuello de botella histórico que la automatización podría transformar.

Una demostración que apunta al corazón del diseño de hardware

Una startup con sede en Los Ángeles, Quilter, presentó una demostración que describe como un avance relevante para el desarrollo de hardware: un sistema de inteligencia artificial que diseñó una computadora Linux completamente funcional en una semana. De acuerdo con VentureBeat, ese tipo de trabajo suele exigir cerca de tres meses de labor de ingeniería especializada.

El experimento interno recibió el nombre de “Project Speedrun” y buscó probar la promesa central de Quilter: automatizar el diseño de placas de circuito impreso, un proceso que aún depende en gran medida del trabajo manual. La empresa sostiene que su sistema logró que el equipo encendiera y arrancara correctamente desde el primer intento, sin revisiones costosas.

Además de los resultados técnicos, el anuncio incluyó un dato de peso en el ecosistema tecnológico. Según la cobertura de VentureBeat, esta es la primera divulgación pública de que Tony Fadell invirtió en Quilter y también actúa como asesor, tras esperar evidencias concretas de que la herramienta funcionaba.

Para lectores fuera del mundo del hardware, vale un contexto breve: muchas innovaciones se frenan no por la idea o el software, sino por el tiempo que toma materializar prototipos fiables. Si una placa falla, la iteración puede implicar fabricar una nueva revisión, volver a probar y retrasar todo el calendario. Quilter busca atacar ese punto débil.

El cuello de botella olvidado: el layout de PCB

VentureBeat subraya que, mientras los semiconductores y el software capturan la mayor parte de la atención, el diseño de PCB sigue siendo un “chokepoint” poco glamoroso pero crítico. En términos prácticos, las placas son el “sistema circulatorio” que conecta procesador, memoria, alimentación y periféricos en casi cualquier dispositivo electrónico.

Tony Fadell explicó al medio que, más allá de herramientas de auto-ruteo, la tecnología base de diseño no cambió de forma sustancial desde inicios de los años noventa. También afirmó que las mejores placas todavía se hacen a mano, con equipos que empujan trazas, revisan reglas y ajustan detalles de manufactura dentro de software CAD.

El proceso típico, según la nota, se divide en tres etapas. Primero se crea el esquema (schematic), que representa la lógica de conexiones. Luego viene el layout físico, donde un especialista coloca componentes y enruta miles de trazas de cobre. Por último, el diseño se envía a fabricación.

En ese flujo, el layout es el tramo que más se estira. VentureBeat señala que, para complejidad moderada, puede tomar entre cuatro y ocho semanas. Para sistemas sofisticados, como computadoras o electrónica automotriz, puede irse a tres meses o más.

Fadell aportó un ejemplo cultural de esa fricción: equipos que intentan comprimir plazos a la fuerza, con jornadas intensas, pero aun así chocan con un límite. Y cuando el hardware no llega, el resto se paraliza. Firmware, validación y depuración quedan esperando la placa física para probar.

En el texto se añade otro dato relevante: según investigación de Quilter, apenas cerca de 10% de las primeras revisiones de una placa funcionan correctamente. Eso obliga a “respins”, re-fabricaciones que suben costos y consumen semanas adicionales.

Project Speedrun: 843 componentes, 5.141 pines y un arranque limpio de Debian

Quilter diseñó “Project Speedrun” para forzar límites y, al mismo tiempo, producir un resultado fácil de entender: una computadora capaz de arrancar Linux, navegar por internet y ejecutar aplicaciones. La meta era que el público pudiera asociar “placas diseñadas por IA” con una prueba tangible y no con una simulación.

El sistema se compone de dos placas basadas en la plataforma de referencia i.MX 8M Mini de NXP. VentureBeat indica que esa arquitectura de procesador se usa en infotainment automotriz, automatización industrial y visión por máquina, lo que la vuelve representativa de casos reales de mercado.

La pieza principal es un system-on-module con un procesador ARM de cuatro núcleos a 1,8 GHz, acompañado por 2 GB de memoria LPDDR4 y 32 GB de almacenamiento eMMC. La placa base agrega conectividad, incluyendo Ethernet, USB, HDMI y audio.

En conjunto, ambas placas suman 843 componentes y 5.141 conexiones eléctricas, descritas como “pines”, distribuidas en stackups de ocho capas. VentureBeat reporta que la manufactura fue realizada por Sierra Circuits en California.

El artículo también detalla el nivel de miniaturización alcanzado. En el system-on-module, la geometría mínima de trazas llegó a 2 mils, es decir, dos milésimas de pulgada, una densidad que suele requerir técnicas avanzadas de fabricación de interconexión de alta densidad.

Quilter asegura que su sistema completó el layout con cerca de 98% de cobertura de ruteo y con cero violaciones de reglas de diseño. Tras pruebas de encendido, ambas placas arrancaron Debian Linux al primer intento, un hito importante en un campo donde los errores suelen aparecer tarde y cuestan caro.

Una IA que no “escribe”: aprende jugando contra la física

Uno de los puntos centrales de la nota es la distinción entre el enfoque de Quilter y el de los modelos de lenguaje. Sergiy Nesterenko, CEO de Quilter y exingeniero de SpaceX, dijo a VentureBeat que no “enseñaron a dibujar” al sistema, sino a “pensar en física”, para obtener un resultado funcional y no una imagen plausible.

Nesterenko sostuvo que el problema no es lingüístico, por lo que modelos del estilo GPT o Claude no encajan de forma directa. En su relato, si a un sistema entrenado para texto se le pide un blueprint, carece de contexto y de datos de entrenamiento adecuados para garantizar un diseño manufacturable y estable.

También rechazaron entrenar el sistema con ejemplos de placas humanas por tres razones que VentureBeat atribuye al CEO. Primero, los humanos cometen errores con frecuencia, lo que explicaría por qué muchas placas requieren revisiones. Segundo, los mejores diseños suelen estar encerrados en empresas que no comparten datos propietarios. Tercero, entrenar con resultados humanos podría fijar un techo de desempeño al nivel humano.

En cambio, Quilter plantea un esquema de “juego” donde un agente toma decisiones secuenciales, como colocar componentes y enrutar trazas, y recibe retroalimentación basada en restricciones electromagnéticas, térmicas y de manufactura. La comparación en la nota se dirige a la evolución de DeepMind: AlphaGo aprendió con partidas humanas, mientras AlphaZero aprendió por autojuego y superó el nivel humano.

El objetivo declarado es ambicioso: diseñar mejores placas de circuito impreso que las que los humanos han intentado, según palabras atribuidas a Nesterenko. Fadell complementó con una analogía histórica: el paso del ensamblador a los compiladores, donde al inicio había desconfianza, pero con el tiempo el uso manual se volvió minoritario.

Control del ingeniero, límites técnicos y modelo de precios

Automatizar una labor crítica trae una pregunta inevitable: quién conserva el control cuando la placa se usará en productos donde la confiabilidad es clave. Fadell dijo a VentureBeat que trabajó durante meses con Nesterenko para resolver esa tensión y evitar que la automatización deje a los ingenieros sin capacidad de intervenir.

La solución descrita permite elegir el nivel de involucramiento. Fadell afirmó que, si un usuario quiere supervisar cada fase, puede hacerlo. Si prefiere delegar, también. El flujo se divide en tres etapas: setup, donde se definen restricciones; execution, donde la IA genera candidatos; y cleanup, donde humanos revisan, corrigen y preparan archivos finales de fabricación.

La nota reconoce que la tecnología tiene límites actuales. Quilter maneja placas de hasta alrededor de 10.000 pines, por debajo de diseños que pueden superar 100.000 conexiones. Además, en señales de alta velocidad, el sistema cubre hasta cerca de 10 GHz, pero no llega a escenarios como radar avanzado alrededor de 100 GHz.

Nesterenko admitió que existen placas donde Quilter no progresa lo suficiente como para que el tiempo de limpieza valga la pena. Por eso, la empresa se enfoca inicialmente en categorías donde la velocidad pesa más que la complejidad extrema: test fixtures, evaluation boards, design validation boards y hardware para pruebas ambientales, que a menudo quedan en cola detrás de diseños de producción.

En cuanto a precios, VentureBeat reporta que Quilter cobra por cantidad de pines, alineándose con la forma en que ya se factura cuando se contrata a especialistas externos. El argumento comercial es cobrar aproximadamente lo mismo, pero entregar una mejora de velocidad de 10 veces. La empresa también ofrece acceso gratuito a aficionados, estudiantes y pequeños negocios con menos de USD $50.000 en ingresos, como estrategia para crear adopción mientras busca ingresos empresariales.

Por qué Tony Fadell esperó: evidencia antes de poner su nombre

La participación de Tony Fadell no se presenta solo como un apoyo simbólico. Según VentureBeat, el propio Fadell explicó que esperó para reconocer públicamente su inversión porque quería una demostración con la que se pudiera “sostener el argumento”. La existencia de una computadora funcional que arranca Linux, sin correcciones de última hora, le dio esa base.

También contrastó su postura con anuncios típicos de inversionistas que prometen “cambiar el mundo” sin haber usado el producto. Fadell dijo que él sí utilizó la herramienta, que conoce a personas que la usan, y que incluso pidió a sus startups que la probaran.

Su involucramiento, añade la nota, va más allá del capital. Se describen intercambios por correo con “una docena de páginas” de detalles sobre diseño de producto, experiencia de usuario, ventas empresariales y arquitectura técnica. Nesterenko afirmó que, entre los inversionistas, Fadell es quien más se involucra en el producto.

El cierre del artículo plantea una pregunta de segunda orden: si el layout deja de ser el cuello de botella, qué podrían construir los equipos cuando el hardware “se mueva a la velocidad del pensamiento”. Nesterenko concluyó con una predicción citada por VentureBeat: si hoy se pregunta a un ingeniero eléctrico promedio si la automatización podría ayudar en una placa de esta complejidad, diría que no; durante décadas habría tenido razón, pero ahora, sostiene, ya no.


ADVERTENCIA: DiarioBitcoin ofrece contenido informativo y educativo sobre diversos temas, incluyendo criptomonedas, IA, tecnología y regulaciones. No brindamos asesoramiento financiero. Las inversiones en criptoactivos son de alto riesgo y pueden no ser adecuadas para todos. Investigue, consulte a un experto y verifique la legislación aplicable antes de invertir. Podría perder todo su capital.

Suscríbete a nuestro boletín

Artículos Relacionados