观点跃迁STACK ANYWAY开放内测：普通人用一句话做硬件？

 

做AI硬件平台，怎么在专业和好用之间找平衡，这道坎绕不过去。

封面来源 | Unsplash

 

有没有想过自己动手做一个市面上买不到的小电子玩意儿？

看何同学、稚晖君的视频时，我总忍不住琢磨：这要是我做的该多好。

图源：老师好我叫何同学《我们做了台魔法钢琴…》

脑子里其实常蹦出些奇奇怪怪的点子，可真要自己画电路、写程序，又不知道从哪儿下手。

硬件开发什么时候才能走到大众中间来？

今年5月，我在奇绩创坛碰上了观点跃迁团队，他们看起来能给我装上极客那套“超能力”。

观点跃迁做的是AI硬件开发平台，产品名叫STACK ANYWAY。他们要干的事不复杂：没受过完整工程训练的人，也能把自己的硬件做出来；本来就会的人，则能做得更快。

那时候团队刚拿到奇绩创坛的投资，产品还在早期，内测没对外开放。

一个月后在WAIC又遇到他们，这回观点跃迁开了内测，我也拿到一个名额。

一个普通人说出模糊的需求，AI究竟能把他带到哪一步？我打算试试。

按观点跃迁的设想，用户用自然语言讲出想做什么就行，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。用户把元件买回来，再照图搭起来。

于是我把想法说了出来：“公司有很多小猫，我想做一个电子逗猫器。”要是一开始不知道怎么用，也可以直接问它怎么上手。

输入需求，与AI讨论逗猫器的设计方案

说完这句，平台就把含糊的创意拆成能落地的硬件方案，并按照需求推荐合适的主控、传感器、执行器等电子模块。左侧原先空着的工作台，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

平台还对我的需求主动追问，并给出四套方案让我挑。有的走低成本基础路线，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，用移动的光点把猫引过来。

这套方案的思路我看明白了，做起来好像也不难。就先试它。

接着平台列出一张元件清单，还讲了这些零件之间怎么配合。比如主控负责发指令，舵机管方向，红外传感器探测四周有没有东西在动。

方案一的模块清单

接下来的麻烦是：每个电子元件什么原理我并不懂，元件之间怎么接线就更不用说了。

过去的老办法，一般是先找一份相近的教程，搞清每根线是干什么的，再对着开发板上的标记找准插的位置。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。

这一步平台同样替用户想到了。选好元件之后，它会给出连接方案，并在三维工作台里把线画出来。顺着某一根线看过去，就能知道它从哪个模块出来、又插到主控的哪个位置。

元件到手后，线还是得自己一根根插。不过手里总算有了一张能对着看的图。

平台生成的接线方案

底部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，原理图倒是漏了不少线。

来回比对之后我确认，这次漏掉的那些线，都经过了面包板。

这点小状况没耽误多少时间。真正卡住我好几周的，是后面的组装。

三维工作台摆出来的东西，离一件完整产品还差得远。我想把它做成一台真正的逗猫器，可身为小白，舵机放哪儿、激光笔朝哪边、最后外壳装不装得下，我心里都没底。

这轮体验里，平台还做不到自动排布空间。大致的安装方式得先自己想好，再手动拖元件、挪位置。

外壳和固定零件的支架，同样要自己动手做。

平台会按方案附上一些可参考的3D打印模型链接。本身懂技术的人，可以拿这些模型接着改。

平台根据我的方案给出的参考3D打印链接

采购反倒省事。需要的元件在平台上挑好，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。屏幕上那些零件，终于摆到了我的桌上。

结构上的难题，最后还是朋友出手解决。他帮忙设计了机械结构，我照着接线图把元件连好，逗猫器才算有了下面这个样子。

自制电子激光逗猫器

零件连完，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。用通用AI直接写，先要向它交代用了哪块主控、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个什么状态。

平台要补的正是这一环。系统能读取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。

它还能读取开发板经串口传回的信息，据此查看运行情况，再按结果接着改、接着测。

代码配置界面

实际用起来没这么绕。

一个字，快。

跟模型聊了还不到半个钟头，耳边就传来舵机运转的嗡嗡声。扭头一瞧，激光模块也亮着。

对头一回碰硬件的人来讲，眼看一堆原本不动的元件开始有反应，那种「啊哈」的感觉很难形容。

折腾这么长时间，总算等来了回应。

可麻烦也跟着冒头了。

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，它却纹丝不动。

我把每根线实际接在哪个接口，一条条告诉 AI 硬件生成平台，让它一遍遍改，问题还是没解决。后来我把同样的问题丢给 Codex，代码很快就跑通了。

专业性怎么保住，用起来又别太劝退，这道坎 AI 硬件平台绕不过去。

观点跃迁 CEO 徐世哲用两个字概括平台眼下的重点——「跑通」。

「这个代码配置阶段，我们把它当作硬件项目配置的 Agent 来做。它想帮用户先把效果跑通——至少第一步，让元件之间的连接先通了，硬件的底层先写扎实。」

但「跑通」和「跑准」是两回事，离「做成一件产品」更远。

对我而言，摇杆能不能按预期带动舵机，直接决定逗猫器好不好用。徐世哲的想法不一样：平台现在首先要压短的，是一个念头从说出口到拿实物验证之间的时间。

「消费硬件拼的首先是速度和验证，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。所以通常要多做几版：先验证行不行，再尽快交到用户手里，快速迭代，快速铺开产品矩阵。这段时间，大家抢的都是同一个窗口期。」

创业之前，徐世哲在深圳做过 C 端硬件，医疗影像、核医学影像、手术机器人和手术器械这些项目他也参与过。产品不同，节奏也不同，可放到消费硬件里，时间常常是最先卡住人的那环。

验证阶段做出来的小样，徐世哲管它叫「硬件原型」。它不用长成产品的样子，只要先替团队回答一个问题：这个功能能不能实现，做出来的效果是不是用户要的，值不值得整个团队接着投。

观点跃迁打算在 10 月启动国内公测。用户能先免费跟 AI 聊自己想做什么；想法定下来，可以一键下单需要的元件，平台按物料清单收元件费用。到了代码配置和调试环节，再按消费额度计费。

平台内部有创作者分享自己的硬件专案，平台自己也推出了 Vibe coding 硬件指环和配套玩法。

平台页面上展示的硬件项目及其配套玩法

AI 辅助硬件还处在很早期的阶段。它已经让普通人有机会点亮第一盏灯、第一块屏幕，可要让更多想法真正变成摆在桌上的设备，还有不少线要接，不少问题要解。

我把这些问题带给了徐世哲。

下面就是「未来人类实验室」（下称「未来人」）跟徐世哲的对话。

AI 生成硬件，最重要的是什么

未来人：公司成立到现在，产品形态和思路有过变化吗？

徐世哲：产品形态本身没怎么变，变的是我们对「AI 生成硬件最重要的东西」的理解。

最早我们的判断是，硬件里的线路、PCB 都很关键，所以产品一定得做成 3D 可视化环境。3D 能装下更多工程语义：不光能平铺，还能堆叠、走线、布线，甚至做点仿真。产品最初就是照这些点定义下来的。

不过后来团队发现，这些能力对用户未必是最要紧的。仿真再精细，用户可能只是看一眼；真打算做东西的人，还是会买回元件自己动手，把项目往前推。跟用户、投资人聊得越多，他们越确信：真正决定用户做不做、会不会继续投的，是壳子、结构和外观。

拿到一个小宠物形象、一个小方块，或者一个完整外观，用户才会产生第一印象，才知道这东西该怎么做。做AI生成硬件，很多时候得先把壳子或体量感想明白。徐世哲说这是团队眼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，类似还有SolidWorks，AI CAD的作用是让平台具有3D建模的能力。

未来人提到自己的体验：一开始所有元件都在一个平面上，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。他让系统把元件放到合适位置，结果更抽象了；反复要求调整空间结构，最后只能自己手动摆，于是问这方面后续会不会优化。

徐世哲坦言，当时就预料到会出乱子。眼下得承认，用户想要的效果，布局艺术家Agent还给不了。团队早先给它的定位是顶视图里的布局与理线，让用户在顶视图里一眼看清各元件怎么连。高度方向上的Stack它做不了，元件没法真正摞起来。

用户手动把位置摆好后，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。调了半天就白调了。徐世哲承认，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。

这件事让团队更坚定要上AI CAD。用户不只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。

未来人问：你们想补上AI CAD，它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。这类可以CAD先行：先定外观，再让AI往里面塞元件。

另一些项目走的是硬件先行。用户先把功能做出来，后面不过是几块固定板加一个简单壳子。平台得把交互做得更灵活：可以先出几张AI图让用户挑方向，最后再落到CAD。

团队眼下还在做Ask。过去后台更像是对用户指令照单全收；Ask不一样，碰上需求抽象、有好几条合理路子的时候，AI先摆出三到五种方向让用户挑。用户也能把这些选项全否了，直接说“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？

徐世哲说，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。

以前做硬件原型，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。

哪怕只在一两个环节上让用户把原型迭代得更快，价值就已经很足。硬件从原型走到量产，路本来就长。用户做完一版原型，要靠它拿主意：下一版投不投，模开不开，PCB工艺上不上。

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？

徐世哲认为，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。

可把各行业造硬件的方式拆开看，总有一件事躲不掉：硬件原型。产品到最后也许很复杂，但起步一定是从原型来的。最早或许只是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，是帮助所有人开始做硬件，也帮助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？

徐世哲说，一款硬件最终要集成不少功能模块。很多硬件原型，或者说硬件测试平台，做出来并不是为了直接宣称“我就是产品”。它可能只为验证一两个功能。

要把最终集成的那个东西做出来，得先把每个单点功能挨个测通。这些都属于硬件原型。

前两天有位用户找过来反馈。他只想测一个按键的手感，前后折腾了两三个月，硬件原型做了十多版。他的目标是先把按键调到最理想的状态，再装进产品里。

这类原型要是能提速，意义不小。众筹硬件也常常是这么个路数：外壳一拆，里头还是飞线加模块拼的，可它已经跑得起来，也能交付出去。

所以说，原型和产品之间那条线并不总那么清晰。真正要看的是你做出来的原型能交付到什么份上：仅仅亮一下、给大家看个Demo，还是已经足以把项目往前推。

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句“我要做什么”就完事。难点至少有三个。

头一个是Know-how。用户想做个压力检测手柄，可能只认得“压力传感器”这个词。可压力检测未必非得用压力传感器，压电陶瓷可以，液位、液体相关的方案也可以。用户一开始根本想不到这些，新手尤其如此。

再一个是采购。就算清楚该选什么，打开电商平台照样是一堆货：哪家能用？技术支持找谁？有人买回一块屏幕，发现上面有48个引脚，不知道怎么接；去问店家，店家也未必给得了工程上的指导。用户还常常得从不同店铺分别买元件。快递到了，一堆小件摊在那儿，找不着就再下一单。我们想交给用户的，是一个盒子，一站式把要用的东西拿齐。

第三个是集成。硬件板卡的尺寸和朝向、外壳结构与外观、嵌入式软件，这几摊信息彼此很散。改来改去，可能突然发现壳子多出一块；或者板卡一换型，代码又对不上了。

我们的想法是在3D孪生环境里把这些信息归拢到一处，让用户跟着AI去接线、改动和联调。

代码当然也吃时间，不过现在的通用Agent已经把这道门槛压下去不少。我们的判断是，平台得先在嵌入式场景里跟上它，再去提供界面预览、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：大模型很擅长理解用户意图。放到做硬件上，为什么这还不够？

徐世哲：模型理解用户意图的本事确实已经很强了。可更要紧的是，它最后输出的到底是什么东西。

发动机强，不等于底盘也做好了。AI给你的东西要是在现实里根本不存在，或者给出危险的接线方案，浪费的还是用户的时间和钱。

所以我们做的不是一个只会聊天的模型。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，对接到世界上真正适合他的技术上。这个说法有点像“AI技术管理”。

再说，选型也不能光靠文字。尺寸、厚度、接线、摆布，都会左右决策。电商页面上，用户看不出一颗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，决策起来心里更有底。

未来人：到了代码配置阶段，观点跃迁要解决的到底是什么？

徐世哲：我们想在硬件和嵌入式场景里，把通用Agent没处理好的那块补上：让代码知道用户前面选了哪些元件、线接在了哪里、结构怎么摆、中途又改了什么，再把这些上下文接进代码。这么一来，最后给到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。

因此平台眼下的Agent更偏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打通，把硬件底层代码写好，让灯亮起来、舵机转起来。基础调试做完，用户可以留在平台里继续开发，也可以把代码导出去，借别的编程工具打磨交互效果。

为了增强代码预览效果，我们在代码配置阶段加了画布功能。用户只要把想要的效果、材料当参考丢进画布，AI硬件平台就能照着需求去改。画布给出的交互方式，比单纯盯着代码更直观。

团队提供的新版代码画布示意图

后面还会继续补嵌入式开发的插件和玩法，像界面预览、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”，这一步为什么这么要紧？

徐世哲说，“跑通”这一步非常要紧。用户不管是要验证效果，还是想持续Build一个东西，第一步都得先跑通；第一步迈不出去，后面都白扯。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这里。

以前做一台游戏机，屏、两个按键、主控，通常是一个一个往上垒。先查某个按键的型号、属性、引脚怎么连，再加第二个；屏加上去，还得查通信方式、I2C资源和引脚分配对不对。一块I2C屏配套的引脚可能就几个，接错了也许能通，但效果一直调不好。每垒一个元件，几分钟甚至几小时就进去了。

平台的想法是让AI先把整套项目规划好。用户能渐进式开发，也可以一次放两个按键，让AI一起调；后面要改，直接提替换，系统按迭代需求给出新型号。梯度下单和订单墙也在其中，用户能看到项目第一次买了什么、第二次买了什么，迭代时采购也好管理。

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？

徐世哲回答：按我们的设想，方案选型、设计、Code，用户都不用自己从头做。他主要就是聊天：把需求说清楚、把需求迭代下去。选型、连接和代码由系统给出。

不过现阶段，用户还得亲自上手，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。标准化的需求基本能买到；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。很多产品经理、设计师、软件工程师有想法，却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。方案设计和代码生成，我们希望替他们完成，但最后要让产品在他手上诞生。

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？

徐世哲说：我们更想看到跨界创作者把自己的领域、品位和需求带进硬件里。

一个滑雪者，可能想做被雪埋时用的定位设备；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，也有独特判断。

平台想做成偏创意、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、艺术这些分类放在前面，也是这个定位。

对工科生或极客，我有两层看法。一层是技术演进躲不开：早年从晶体管、逻辑门起步，后来从Arduino起步，未来更多人会从自然语言和Agent开始创造。往后更需要的，是想法和品味。

另一层是，真对底层技术感兴趣的人，还是应该往底层学——芯片、计算架构、算力、网络这些基础设施始终重要。但那也意味着，要跟长期扎根行业的人竞争。说到底硬件不是标准答案：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，还能成交，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？

徐世哲表示，新手如果不敢从零起步，平台的想法是让他先去社区里复刻现成项目。项目、代码、元件和教程会由早期Maker或官方分享出来；用户照着做一遍，再让AI在边上协同讲解。

拓竹的路子与此类似。用户不会建模也没关系，可以先从社区下载一个模型、把它打印出来，然后再一步步学。硬件也是这个道理：先做出一个已经存在的项目，之后再慢慢搞清楚为什么要这样选、这样接、这样写。

未来人问：用户会在什么环节付费？

徐世哲回答：商业化有两块。

第一块是卖元件和物料清单（BOM）。设计阶段用户和AI对话、完成前期设计是免费的；等他决定把方案买回来，就要为实际元件付费。

第二块是代码配置阶段的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~