硬件工程AI工具缺口

现状分层（2026 年时点）：

• AI 已能做的：高层规划、复杂依赖分析、竞品数据库、Excel 自动化（工程界核心工具）——加速核心设计之外的一切。
• 接近能做的：PCB 内部布线（routing）表现不错，基础元件选型和布局初见端倪。
• 做不了的：真正的 CAD。LLM 只能生成表面/点云，而真 CAD 是实体建模（solid entities，有形状方程的稠密表达）。日常机械/电子工程的"主菜"AI 还碰不了。

根本缺口是模型类型：LLM 是词预测器、视频模型学的是像素，都没有摩擦、重量、接触、压力、表面纹理这些物理概念——"纸折四次后打孔，展开后孔在哪"这类问题它们答不了，而这正是工程的核心。作者判断需要 world model 类的新模型作为 CAD/物理工程 AI 的基座。

数据瓶颈是最大障碍：3D CAD 数据是公司最核心的 IP（秘方级），Samsung/Matic 都不会把 CAD 交给模型公司训练。可能的破局路径：

1. 从 hobbyist 切入——业余爱好者不在乎 CAD 保密，只想更快做出东西（例如让自己的 drone 更快），大厂反而会因专有工具和 IP 顾虑而更慢;
2. on-prem 训练——基座模型 + 部署进企业自己的数据中心用私有数据继续训练。

终局图景：从一张 2D 图片 → 复杂 3D CAD → 装配 → 与供应商沟通制造 → 迭代几轮 build，整条链路 AI 化是可能的（起初不如人类，但会发生）；"机器人造机器人"成立的形态是造与自己不同的机器人，而非自我复制。