观点跃迁推出STACK ANYWAY：一句话就能做硬件？

AI硬件平台绕不开的一道坎，就是怎么在专业性和上手门槛之间找到平衡点。

封面来源 | Unsplash

有没有动过念头，自己动手做一个市面上买不到的电子小玩意儿？

每回刷到何同学、稚晖君的视频，我心里都会想：要是我也能整一个出来该多好。

图源：老师好我叫何同学《我们做了台魔法钢琴…》

脑子里也常蹦出些稀奇古怪的点子，可一想到得自己焊电路、写程序，就犯怵，不知道从哪儿下手。

硬件开发到底啥时候才能走向大众？

今年5月，我在奇绩创坛碰上了观点跃迁团队，他们看起来能让我也拥有极客那种“超能力”。

观点跃迁做的是AI硬件开发平台，产品名叫STACK ANYWAY。他们想干的事并不复杂：没受过完整工程训练的人，也能把自己的硬件做出来；本来就有底子的人，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，内测也没开放。

过了一个月，我在WAIC又遇到他们。这一回观点跃迁开放了内测，我拿到了一个名额。

一个普通人说出模糊的需求之后，AI究竟能把他带到哪一步？我打算试一下。

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

这句话一输进去，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。左边原本空着的工作台，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

平台还就我的需求主动追问了一轮，并给出四套方案让我挑。有的走低成本的基础路子，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，用移动的光点把猫吸引过来。

这套方案的逻辑我看明白了，做起来好像也不复杂。我决定先试这一套。

随后平台列出一张元件清单，还讲清了这些零件之间怎么配合。比如：主控负责下指令，舵机管方向，红外传感器负责检测四周有没有东西在动。

方案一的模块清单

接下来还有个问题：每个电子元件的原理我都不了解，更别提把它们之间的线接好了。

按传统路子，一般得先找一份相近的教程，搞清楚每根线是干什么的，再对着开发板上的标记找到该插的位置。可教程往往只针对特定的元件型号，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。

连接方案这一步由平台代劳。选定元件后，平台会生成接线方案，并在三维工作台里把连线画出来。顺着一根线看过去，就能知道它从哪个模块出发、接到主控的哪个位置。

元件到货后，线还是得亲手插。但手里至少多了一张能对照的图。

图为平台生成的接线方案

底部工具栏里还藏着一样东西：接线原理图。

图为接线的原理图

出于严谨，原理图和接线方案被一起丢给Codex，再核对一遍。

Codex的反馈是：接线方案没问题，原理图漏了不少线。

反复对照后可以确认，漏掉的都是经过面包板的连线。

这个小插曲没耽误太多进度。真正卡住好几周的，是后面的组装。

三维工作台不等于一件完整产品。要摆成一个真正的逗猫器，舵机放哪、激光笔朝哪、外壳装不装得下，对小白来说全是未知数。

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

外壳和固定零件的支架，同样要自己制作。

平台会按方案给出一些可参考的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。

图为平台根据方案给出的参考3D打印链接

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

结构问题最后靠朋友帮忙解决。他设计机械结构，再照着接线图把元件连起来，逗猫器才有了下面的样子。

图为自制电子激光逗猫器

零件接好，进入代码配置阶段。

写硬件程序，代码得和桌上的实物对上。用通用AI写代码，先要交代用了什么主控、接了哪些元件。桌上有七八个电子模块、三四十条线时，普通对话Agent很难弄清用户桌面究竟是什么状态。

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。

平台还能读取开发板通过串口传回的信息，检查运行情况，再按结果继续修改、测试。

图为代码配置界面

实际体验没这么多弯弯绕绕。

一个字，快。

跟模型聊了不到半小时，舵机转动的嗡鸣声就传了过来。扭头一看，激光模块也亮着。

对头一回碰硬件的人来说，一堆原本不动的元件突然有了反应，这种冲击本身就很上头。

折腾半天，总算等来了一点回应。

可新麻烦也跟着冒了出来。

摇杆一推，两个舵机的转向跟我想的完全对不上：往左右推，舵机同时朝左右和上下两个方向动；往上下推，舵机干脆没反应。

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，让它一遍遍改，问题还是没解决。后来同一个问题丢给Codex，代码很快就写通了。

怎么在专业性和上手难度之间找平衡，是AI硬件平台绕不过去的一道坎。

观点跃迁CEO徐世哲用“跑通”两个字，概括了平台眼下的重点。

他提到，这一代码配置环节干的是硬件项目配置 Agent 的活，核心是让用户把效果跑通：头一件事是把元件间连接打通，先把硬件底层写扎实。

不过跑通不等于跑准，更不等于能做成一件产品。

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。徐世哲的设想却不一样：平台现阶段要先压缩的，是一个想法从说出口到用实物验证之间的时间。

他接着说，消费硬件拼的就是速度和验证，C 端尤其如此。市场窗口可能就三四个月，产品生命周期也就半年左右。所以通常要多做几版，先看行不行，再赶紧交到用户手里，边迭代边铺产品矩阵——这段时间里，抢的就是那一个窗口期。

创业之前，徐世哲在深圳做过C端硬件，也参与过医疗影像、核医学影像和手术机器人、手术器械等项目。产品不同，节奏也不同，但在消费硬件里，最先卡住的往往是时间。

验证阶段做出来的小样，徐世哲管它叫“硬件原型”。它不必长成产品的样子，只需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；想法定下来后，一键下单所需元件，平台按物料清单收元件费用。进入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，平台也推出了自家的Vibe coding硬件指环以及配套玩法。

平台页面展示的硬件项目及配套玩法

AI辅助硬件还很年轻。它已经让普通人有机会点亮第一盏灯、第一块屏幕，但要让更多想法真正变成桌上的设备，还有不少线要接，不少问题要解。

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：从公司成立初到现在，产品形态和思路有没有发生过转变？

徐世哲：产品形态本身没有太大变化，但我们对“AI生成硬件最重要的东西”有了变化。

他回忆，最初认定线路和 PCB 在硬件里分量很重，因此产品非要走 3D 可视化不可。原因是 3D 装得下更多工程语义：能堆叠、能走线布线，还能做点仿真，不止是平铺开来。产品定义就是从这些考虑出发的。

不过后来团队发现，这些能力对用户来说未必排在最前面。仿真跑得再漂亮，用户可能看完就过去了；真想做出东西的人，还是会掏钱买元件，自己动手把项目往前推。跟用户、投资人聊得越多，他们越确定：决定用户做不做、要不要接着投入的，是壳子、结构和外观。

用户手里拿到一个小宠物形象、一个小方块，或者一个完整外观，第一印象才立得住，也才知道这东西该怎么下手。做AI生成硬件，很多时候得先把壳子或者体量感想清楚。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，SolidWorks之类也属同类，AI CAD的作用是让平台具备3D建模能力。）

未来人：一开始所有元件都摊在一个平面上。舵机、传感器和主板大致能完成理论功能，我看得出来，但产品最后长什么样、这些元件怎么组合，我不知道。我让系统把它们摆到合适位置，结果更抽象了；反复要求调整空间结构，最后还是只能自己手动摆。这方面后续会优化吗？

徐世哲：当时我已经猜到会乱。现在得承认，布局艺术家Agent还做不到你要的效果。过去我们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。它还没法在高度方向做Stack，也就是不能把元件真正堆起来。

你手动摆好位置，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。调半天等于白调。这确实是现在产品的问题。

你指出“它不知道元件边界在哪里”，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：元件一干涉，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。这是可以做的优化，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、选型以及壳子怎么配合，才会对项目有信心，才决定要不要花钱买元件继续做。

未来人：你说你们想补上AI CAD，它会被放在一个固定步骤里吗？

徐世哲：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。

还有些情况反过来，硬件先动。用户自己把功能搭出来，手上不过几块固定板加一个简易外壳。平台的交互得再灵活些：可以先出几张AI图，让用户挑个大概方向，最后再进CAD。

团队眼下也在推进Ask。过去后台基本是用户说什么就照做；Ask不一样，遇到需求含糊、几条路都讲得通的时候，AI会先摆出三到五种方向让用户挑。用户也能把这些选项全否掉，直接说“我想这么做”。

为什么把“硬件原型”当入口？

未来人：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：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。

只要能在一两个环节上让原型迭代快起来，价值就已经不小。硬件从原型做到量产，路本来就长。原型出来一版，用户要拿它判断：下一版还投不投，模具开不开，PCB工艺要不要上。

我听过一个说法：一个产品要上市，平均得经历八轮原型迭代。数字准不准另说，原型确实是硬件往前推时最要紧的参照点。团队想覆盖更多硬件想法，把项目多往前送几步，送到下一版原型，甚至送到量产那一步。

未来人：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：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。

可要是把各行业造硬件的路子拆开看，有一步怎么也绕不开：硬件原型。产品最后可能很复杂，但起点一定是原型。最早说不定就是个能在手里点亮的东西，线拉得到处都是，几个模块拼在一块。

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。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：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：硬件最终要把很多功能模块集成进去。不少硬件原型，或者说硬件测试平台，做出来并不是要直接宣称“我就是产品”。它可能只为了验证一两个功能。

要把最终集成的成品做出来，得先把每个单点功能挨个测通。这类东西都属于硬件原型。

前些天有位用户找到我们，光是为了试一个按键的手感，前后折腾了两三个月，硬件原型打了十多版。他的目标是把按键调到最满意的状态，再装进产品里。要是这类原型的研制能提速，意义不小。众筹硬件也常是这副样子：外壳一拆，里头还是飞线和模块拼起来的，可它已经能跑，也能交付。

原型和产品之间，界线其实没那么分明。真正要看的是你做出的原型能交付到什么程度——仅仅亮个灯、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，头一道坎是选型。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，脑子里可能只有“压力传感器”这个词。可测压力未必非得用压力传感器，压电陶瓷是一条路，液位、液体相关的方案也能考虑。新手尤其想不到这些。

第二个是采购。就算知道该选什么，打开电商平台还是一屏商品：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；去问店家，店家也未必给得了工程指导。用户往往还得在不同店铺分别下单。快递到了，一堆小件摊在面前，找不到就再买一次。我们想交给用户的，是一个盒子，一站式把要用的东西都拿到。

第三个是集成。硬件板卡的尺寸和朝向、外壳结构和外观、嵌入式软件，几股信息流各走各的，很散。你可能改来改去，忽然发现壳子多出一块；或者板卡换了型号，代码又对不上了。

我们打算在3D孪生环境里把这些信息归到一处，让用户跟着AI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，再给出界面预览、OTA这类更有针对性的能力。

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能力确实已经很强。可更要紧的是，它输出的东西究竟是什么。

发动机强，不等于底盘也做好了。AI给的东西如果在现实世界里根本不存在，或者给出危险的接线方案，最后搭进去的是用户的时间和钱。

所以我们不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”。

再说选型也不能光靠文字。尺寸、厚度、接线、摆布，都会影响决策。电商页面上，用户看不出一个元件装进整个装置是什么感觉；到了3D环境里，发散的想法才能落到真实尺寸和可视化信息上，人做决策时心里更有底。

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什么元件、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里。这样交出去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。

因此，平台眼下的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。基础调试完成后，用户可以接着在平台里开发，也可以把代码导出，借其他编程工具完善交互效果。

为了让代码预览更直观，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硬件平台就能按需求去改。比起干盯着代码，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

后面还会继续补嵌入式开发的插件和玩法，比如界面预览、OTA，以及围绕库、驱动和开发框架的能力。

未来人：你们反复提到“跑通”，为什么这一步这么重要？

徐世哲说，“跑通”这件事很关键。用户不管是验证效果，还是持续Build一个东西，头一步都得先跑通；这一步迈不出去，后面全是空谈。它还是虚拟和现实联动的动作，代码编译阶段的价值也在这里。

以前做一台游戏机，屏、两个按键、主控，通常得一样一样往上垒。先查一个按键的型号、属性、引脚怎么连，再加第二个；加了屏还得核对通信方式、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，接错了也许能通，可效果一直调不好。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先给整套项目做个规划。用户能渐进式开发，也能一次放两个按键，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。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，迭代时采购也好管。

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：按他们的设想，方案选型、设计、Code都不用用户从头做。用户主要就是聊天：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，用户还得亲自下场动手，接线、连通、组装，把东西真正做出来。徐世哲希望这个过程是心流：用户不是在被迫做一堆重复劳动，而是在动手时理解自己的产品，也因为自己动过手，最后能做出更深的定制。

很多人来做硬件，恰恰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，手上通常是一个没被满足、但又很真实的非标需求。徐世哲很看重Maker里“thinking by making”这件事。

所以多数情况下，平台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。不少产品经理、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。平台希望替他们完成方案设计和代码生成，但最后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：他更希望看到跨界创作者把自己的领域、品位和需求带进硬件里。

有人是滑雪的，会想要一款在被雪埋住后能定位的设备；有人做射击教练，则希望有东西能记下手部动作、命中率，还能做模拟训练。这些人不一定是硬件工程师，但手里有真实场景，也有自己的独到判断。

平台想做成偏创意、设计、美感的硬件创造平台。徐世哲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、艺术等分类放在前面，也是这个定位。

对工科生或极客，徐世哲有两层看法。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，未来会有更多人从自然语言和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，还是该往底层学——芯片、计算架构、算力、网络等基础设施始终重要。但那也意味着要跟长期扎根行业的人竞争。说到底硬件没有标准答案：3D打印、开模、自己画PCB都行，用开发板也行；交付的是价值，能运行一年、三年、五年并且能成交，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？

徐世哲说，新手要是怕从零起步，平台希望他先到社区里复刻项目。早期Maker或者官方会把项目、代码、元件和教程分享出来，用户先照着做，再让AI陪着一起解释。

这有点像拓竹。用户不会建模，也能先从社区下载一个模型、打印出来，再逐步学习。硬件也一样：先把一个已经存在的项目做出来，再慢慢明白为什么要这样选、这样接、这样写。

未来人问：用户会在什么环节付费？

徐世哲说：商业化有两块。

第一是卖元件和物料清单（BOM）。用户在设计阶段和AI对话、完成前期设计不收费；等他决定把方案买回来，就要为实际元件付费。

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~