观点跃迁STACK ANYWAY内测：说句需求就能做硬件？

AI硬件平台绕不开的一道坎，是怎么在专业性和用户友好度之间找到平衡点。

封面来源 | Unsplash

有没有想过自己动手做个小玩意儿，市面上还买不到的那种？每次刷何同学、稚晖君的视频，我都会忍不住想：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…》

脑子里时不时冒出些稀奇古怪的点子，可一想到要自己搭电路、写程序，就不知道从哪儿下手。硬件开发到底什么时候才能走向大众？

今年5月，我在奇绩创坛碰到了观点跃迁团队，他们看起来能让我也拥有极客的“超能力”。这家公司做的是AI硬件开发平台，产品叫STACK ANYWAY，想干的事挺简单：没受过完整工程训练的人也能做出自己的硬件，本来就有能力的人则能做得更快。

那会儿团队刚拿到奇绩创坛的投资，产品还在早期，内测没开放。一个月后在WAIC又碰上了，这次观点跃迁开放了内测，我也拿到了一个名额。

一个普通人说出一个模糊的需求，AI究竟能把他带到哪一步？我想亲自试试。

按观点跃迁的设想，用户只要用自然语言讲出想做什么，系统就会在三维工作台里把这句话拆成元件、连线和代码项目。用户把元件买回来，再照着图搭起来就行。

于是我把自己的想法说了出来：“公司有很多小猫，我想做一个电子逗猫器。”当然，一开始不知道怎么用的话，直接问它怎么上手也可以。

输入需求，与AI讨论逗猫器的设计方案

这句话说完，平台就会把模糊的创意拆成能落地的硬件方案，再按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，也一件件摆上了电子元件。平台推荐的电子元件陆续出现在三维工作台上。

平台还主动追问了我的需求，并给出四套方案供选择。有的走低成本的基础路线，有的功能更丰富，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明白了，做起来似乎也不复杂，就决定先试它。随后平台列出一张元件清单，还解释了这些零件怎么配合：主控负责下达指令，舵机控制方向，红外传感器检测四周有没有物体移动。

方案一的模块清单

接下来还有个问题：每个电子元件的工作原理我都不了解，更别提把它们之间的线接好了。按传统做法，一般得先找个相近的教程，搞清楚每根线是干什么的，再对着开发板上的标记找该插的位置。可教程往往只针对特定型号的元件，一旦换了模块或者想加点功能，又得自己去补相关的硬件知识。

这一步平台也包了。选好元件后，它会给出连接方案，并在三维工作台里把线画出来。顺着任意一根线看过去，就能知道它从哪个模块出来、接到主控的哪个位置。

等元件到手，插线还是得自己动手。不过手里总算有了一张能对照的图。

平台生成的接线方案

底部的工具栏里还藏着一样东西：接线的原理图。

接线的原理图

出于严谨，我把原理图和接线方案一并交给Codex，请它再核一遍。

Codex回话说，接线方案没问题，倒是原理图漏了不少线。

来回比对几遍后我确认，漏掉的那些线都经过面包板。

这点小插曲没耽误多少进度。真正把我卡住好几周的，是后面的组装。

三维工作台不等于一件完整产品。我想把它们摆成一台真正的逗猫器，可作为一个新手，舵机放哪儿、激光笔朝哪个方向、外壳装不装得下，我心里都没底。

这次体验里，平台还做不到自动完成空间布局。大致的安装方式得自己先想好，再手动拖动元件、调整位置。

外壳和固定零件的支架，同样要自己做。

平台会按方案给一些可参考的3D打印模型链接。本身懂技术的人，可以照着这些模型继续改。

平台根据我的方案给出的参考3D打印链接

采购反倒省心。在平台上挑好元件，一键下单，三天后一个盒子送到，方案里配套的电子元件全在里面。屏幕上的零件，终于摆到了桌上。

卡住我的结构问题，最后是朋友帮忙解决的。他设计了机械结构，我照着接线图把元件连起来，逗猫器才有了下面这个样子。

自制电子激光逗猫器

零件接完，进入代码配置环节。

写硬件程序，代码得和桌上的实物对得上。直接用通用AI写，先要告诉它用了什么主控、接了哪些元件。可桌上摆着七八个电子模块、三四十条线的时候，普通对话Agent很难搞清楚用户桌面到底是什么状态。

平台要补的正是这一环。系统能读取前面工作台里的配置和连接关系，据此生成底层代码，比如引脚定义、PWM输出换算、舵机参数设置。

它还能读取开发板通过串…传回的信息，检查运行情况，再根据结果接着改、接着测。

代码配置界面

实际用起来没这么多弯弯绕绕。

一个字，快。

跟模型聊了还不到半小时，舵机转动的嗡嗡声就传进了耳朵。我一转头，激光模块也亮了起来。

对头一回碰硬件的人来说，眼看一堆原本不动的元件开始有反应，那种“啊哈”的瞬间很难形容。

折腾了那么久，总算等来了回应。

可麻烦也跟着冒了出来。

摇杆一推，两个舵机的转向跟我预想的对不上：左右推的时候，舵机同时往左右和上下两个方向转；上下推的时候，它干脆没动静。

我把每根线实际插在哪个接口，一条条告诉AI硬件生成平台，让它反复改，问题还是没解决。最后我把同一个问题丢给Codex，代码很快就写通了。

专业性怎么和易用性兼顾，是AI硬件平台绕不开的一道坎。

观点跃迁CEO徐世哲用“跑通”两个字，概括了平台眼下抓的重点。

“我们这个代码配置阶段，定位其实是硬件项目配置的Agent。主要目的就是帮用户把效果跑通；最起码第一步，先把元件之间的连接搞通，把硬件底层先写好。”

但“跑通”跟“跑准”是两回事，跟“做成一件产品”更不是一回事。

对我来说，摇杆能不能按预期控制舵机，直接决定逗猫器好不好用。徐世哲的设想不一样：平台现在首先要压短的，是一个想法从说出口到能用实物验证之间的时间。

“消费硬件最看重的是速度和验证，C端尤其如此。市场窗口期可能就三四个月，产品生命周期可能也就半年。产品往往要做好几版，先验证行不行，再快速交给用户，快速迭代，快速铺开产品矩阵。这段时间，大家抢的就是一个窗口期。”

创业之前，徐世哲在深圳做过C端硬件，也参与过医疗影像、核医学影像以及手术机器人、手术器械等项目。产品不同，节奏也不同，但在消费硬件里，时间往往最先成为问题。

验证过程中做出来的小样，徐世哲管它叫“硬件原型”。它不必长成产品的样子，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。

观点跃迁计划在10月启动国内公测。用户可以先免费跟AI聊自己想做什么；想法定了，能一键下单所需元件，平台按物料清单收元件费用。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，平台也推出了自己的Vibe coding硬件指环以及配套玩法。

平台页面上展示的硬件项目及配套玩法

说到底，AI 辅助硬件仍处在很初级的阶段。普通人已经能借它点亮第一盏灯、第一块屏，可要让更多点子真正落成摆在桌上的设备，需要接的线、要解的题都还不少。

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：公司成立到现在，产品形态和思路有没有变过？

徐世哲：产品形态本身变化不大，变的是我们对“AI生成硬件最重要的东西”的理解。

一开始我们的判断是，硬件里的线路、PCB都很重要，所以产品一定要做成3D的可视化环境。3D能承载更多工程语义：不光平铺，还能堆叠、走线、布线，甚至做点仿真。当时就是从这些点出发去定义产品的。

不过团队后来意识到，这些能力对用户未必是最要紧的。仿真再精细，用户可能也只是扫一眼；真想动手的人，还是会买回元件自己上手、把项目往前推。跟用户、投资人聊得越多，他们越确信：决定用户做不做、会不会接着投入的，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，才会形成第一印象，才知道这东西该怎么落地。做AI生成硬件，很多时候得先把壳子或体量感想明白。徐世哲说这是团队当下很重要的思路转变，后面会上AI CAD。CAD是建模工程里常用的工具，类似的还有SolidWorks，AI CAD的作用是让平台具备3D建模能力。

未来人提到自己的体验：一开始所有元件都摊在一个平面上，能看出舵机、传感器和主板大致能完成理论功能，但不知道产品最后长什么样，也不知道这些元件该怎么组合。他让系统把元件放到合适位置，结果反而更抽象；反复要求调整空间结构，最后还是只能自己手动摆。他问这方面后续会不会优化。

徐世哲说，自己当时已经猜到会乱。他承认，布局艺术家Agent还做不到这个效果。过去团队把它定义成顶视图里的布局和理线，用户在顶视图里能看清每个元件的连接关系。它还不能在高度方向做Stack，也就是没法把元件真正堆叠起来。

用户手动摆好位置后再让接线优化，它会把东西强行掰回平面，因为接线算法默认用户是在平面上看连线。调了半天等于白调。徐世哲说这确实是现在产品的问题。

用户指出“它不知道元件边界在哪里”，徐世哲认为这话也对。元件挤在一起会穿模，说明它对物理世界的理解还不够。为此团队给工程推理引擎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。他说这是可做的优化，不是现有能力。

这件事让团队更坚定要上AI CAD。用户不只看顶视图里的连线，还要看到元件尺寸、堆叠、选型和壳子怎么配合，才会对项目有信心，决定要不要花钱买元件继续做。

未来人问，你们想补上的AI CAD，会被放在一个固定步骤里吗？

徐世哲回答：不会硬塞进固定步骤，而是用主动推荐策略。

有些项目由外观或尺度驱动。比如可穿戴设备，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。

硬件先行的项目同样存在。用户先把功能做出来，手上不过几块固定板加一个简易外壳。平台该给出更灵活的交互方式：比如先出一批AI图供用户预选方向，末了再落到CAD。

团队眼下还在推进Ask。过去后台的做法更接近无条件执行用户指令；Ask要解决的是，当需求比较抽象、好几条路都走得通时，AI先摆出三到五种方向交给用户挑。用户也能把这些选项全部否掉，直接讲“我想这么做”。

为什么把“硬件原型”当入口？

未来人问：你说做硬件，最重要的一个破局点是“快”。这个“快”具体指什么？

徐世哲回答：做硬件要考虑现金流、供应链、周期和用户。AI生成硬件工具真想帮到用户，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。一版要三个月的话，有的硬件项目做一两年、两三年都出不来，最后就没了。

只要在其中一两个环节上帮用户把原型迭代得更快，价值就已经很大。硬件从原型走到量产，本来就是一段很长的路。用户做完一版原型，要靠它来判断下一版还投不投、要不要开模、要不要上PCB工艺。

徐世哲听过一个数据：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。团队想做的，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。

未来人问：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？

徐世哲回答：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。

可要是把各行各业造硬件的方式逐一拆开看，有一样东西绕不过去：硬件原型。一个产品最终可以很复杂，但它的起点一定是原型。最早可能只是一个能在手里点亮的东西，线拉得到处都是，几个模块拼在一起。

所以团队想做的，是帮所有人开始做硬件，也帮所有人把硬件做得更快。他们更想做一个AI生成硬件的入口，一个相对普适的解决方案。

未来人问：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？

徐世哲回答：一块硬件到最后要集成很多功能模块。不少硬件原型，或者说硬件测试平台，造出来并不是为了直接宣称“我就是产品”。它可能只用来测一两个功能。

要集成出最终那个东西，得先把每个单点功能逐个测通，这些都属于硬件原型。徐世哲提到，前两天有用户反馈，自己只为测一个按键的效果，前后折腾了两三个月，做了十多版原型，目的就是把按键打磨到最好，再装进产品里。

这类原型如果能加快研制，价值不小。众筹硬件也常是这样：外壳一打开，里面还是飞线加模块拼起来的，但已经能跑、能交付。原型和产品的界线因此没那么分明，要看做出来的原型能交付到什么程度——只亮一下、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：以前做硬件原型，头一个难题是选型。选型不是上淘宝搜一下“我要做什么”就完了，至少有三个难点。

首先是Know-how。用户想做压力检测手柄，脑子里可能只有“压力传感器”这一个词。可测压力未必只能用压力传感器，压电陶瓷可以，液位、液体相关的方案也能考虑。新手一开始往往想不到这些。

其次是采购。就算知道要选什么，打开电商平台也是一堆商品：哪家能用？技术支持找谁？有人买回一块屏幕，发现48个引脚，不知道怎么接；问店家，店家也未必给得了工程指导。用户常常还得从不同店铺分别买元件，快递到了，一堆小件里找不到，只好再买一次。我们希望交给用户的是一个盒子，一站式拿到需要的东西。

第三是集成。硬件板卡的尺寸和朝向、外壳结构和外观、嵌入式软件，这些信息流很散。来回改着改着，突然发现壳子多出一块；或者板卡换了型号，代码又对不上了。

我们想在3D孪生环境里把这些信息汇到一处，让用户跟着AI接线、改动和联调。

代码本身当然也耗时间，但通用Agent已经把这道门槛拉低了不少。我们的判断是，平台得先在嵌入式场景里跟上它，再提供界面预览、OTA这些更有针对性的能力。

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。发动机强，不代表底盘也做好了。AI给的东西如果在世界上不存在，或者给出危险的接线方案，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预设的物理规则下做技术匹配：把用户的需求，对上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进整个装置里是什么感觉；到了3D环境里，发散的念头才能落到真实尺寸和可视化信息上，决策时也更踏实。

未来人：在代码配置阶段，观点跃迁到底要解决什么？

徐世哲：我们想在硬件和嵌入式场景里，把通用Agent没处理好的部分补上：让代码知道用户前面选了哪些元件、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。这样交到用户手里的就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。基础调试完成后，用户可以继续在平台内开发，也可以导出代码，借其他编程工具完善交互效果。

为了让代码效果能预览，我们在代码配置阶段加了画布功能：用户把想要的效果、材料当参考丢进画布，AI硬件平台就能按需求来改。比起单纯盯着代码，画布是一种更直观的交互方式。

团队提供的新版代码画布示意图

后面还会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…力。

未来人：你们反复提到“跑通”，为什么这一步这么重要？

徐世哲表示，“跑通”这一步极其关键。用户不管是要验证效果，还是想持续Build一个东西，头一件事都是先跑通；第一步迈不出去，后面全是空谈。这个动作同时连着虚拟和现实两头，代码编译阶段的价值也正在于此。

以前做一台游戏机，屏、两个按键、主控，一般得一个一个往上垒。先查按键的型号、属性、引脚怎么接，再添第二个；加上屏之后，还得核对通信方式、I2C资源和引脚分配对不对。一个I2C屏配套的引脚可能就那么几个，接错了说不定也能通，但效果始终调不顺。每垒一个元件，几分钟甚至几小时就搭进去了。

平台的想法是让AI先把整个项目规划好。用户可以渐进式开发，也可以一次放两个按键，让AI一起调；后面要改，直接提替换需求，系统按迭代给出新的型号。平台还提供梯度下单和订单墙，项目第一次买了什么、第二次买了什么，用户都看得到，迭代时的采购也能管起来。

普通人做硬件，门槛降到哪一步？

未来人问：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？

徐世哲答：按我们的设想，方案选型、设计、Code，用户都不用从头自己做。他主要就是聊天：把需求描述清楚、把需求迭代下去。选型、连接和代码，系统来给。

不过现阶段，用户还得亲自下场：接线、连通、组装，真正把东西做出来。我们希望这个过程能进入心流状态：他不是被逼着干一堆重复劳动，而是在动手时理解自己的产品，也因为亲手做过，最后能做出更深的定制。

很多人来做硬件，恰恰是因为他的需求不标准。标准化的需求基本买得到；来平台做东西的人，通常手里有一个没被满足、但又很真实的非标需求。Maker里“thinking by making”这件事，我们很看重。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。

有一批产品经理、设计师和软件工程师手里握着创意，可调动硬件团队的资源和精力他们并没有，跟硬件工程师沟通起来也未必顺畅；这批人就是平台的核心用户。方案设计和代码生成由平台替他们做，产品最终还是要从他们自己手里出来。

未来人问：如果硬件门槛正在被AI拉低，你最希望哪一类人走进来？

徐世哲答：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。

有人滑雪，想的是被雪埋住以后能定位的设备；有人做射击教练，想的是记录手部动作、命中率和模拟训练的设备。他们不一定是硬件工程师，但手里有真实场景，也有自己的判断。

平台想走的是偏创意、偏设计、偏美感的那条硬件创造路子。用户做出来的东西最好是市面上还没有的，能开一个新方向，而不是让纯硬件工程师去把参数堆得更高、更快、更强。社区把交互设计、艺术这些分类摆在前面，原因也在这里。

对工科生和极客，徐世哲的看法分两层。一层是技术演进躲不开：早些年大家从晶体管、逻辑门入手，后来从Arduino入手，往后会有更多人以自然语言和Agent为起点去创造。未来更缺的是想法和品味。

另一层是，真想钻底层技术的人还是该往底层学——芯片、计算架构、算力、网络这些基础设施一直重要。但这也意味着要跟长期扎在行业里的人正面竞争。硬件说到底没有标准答案：3D打印行、开模行、自己画PCB行、用开发板也行；交付的是价值，能跑一年、三年、五年，还能卖出去，才算结果。

未来人问：普通人不一定敢从零做第一件硬件。社区准备给他什么？

徐世哲答：新手怕从零开始，平台希望他先去社区复刻项目。早期Maker或者官方会把项目、代码、元件和教程放出来；用户先照着做，再让AI配合着解释。

这跟拓竹有点像。用户不会建模，也能先从社区下个模型打印出来，再一点点学。硬件同理：先把一个现成的项目做出来，再慢慢弄明白为什么这么选、这么接、这么写。

未来人问：用户会在什么环节付费？

徐世哲答：商业化有两块。

第一块是卖元件和物料清单（BOM）。用户在设计和AI对话、把前期设计做完，这些不收费；等他决定把方案买回来，实际元件就得掏钱。

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~