企业官网建设流程全解析

先说结论：这块 RV1106 双摄板，从我开始跟 AI 对话，到最终把 Gerber 文件交给板厂下单，确实只用了三天。听起来效率很吓人，对吧？但别急着感叹“AI 要取代硬件工程师了”，这三天里我有至少一半时间在做一件事：擦屁股。AI 给了我一份看起来完整、逻辑自洽、甚至能一次通过电气规则检查的原理图和 PCB 初稿，却在几处最要命的地方一本正经地胡说八道——选错电源芯片的耐压、把封装搞成“差不多先生”、甚至差点让我把 DDR 的地址线顺序画反。这篇文章就把整个过程摊开来讲，包括 AI 是怎么帮我省时间的，以及它具体在哪些地方骗了我、我怎么发现的、又是怎么修回来的。如果你也想用 AI 辅助画板子，这篇内容应该能让你少走很多弯路。

1. 项目从哪来：为什么非要折腾这块双摄板

1.1 需求其实很小，难点在“双摄”

起因是某个小项目需要一个低成本的网络摄像头，但光拍一个画面不够，还得同时采集两路图像，做简单的双目测距和拼接。我第一反应是找现成的开发板，可搜了一圈，要么是单摄方案，要么是工业评估板，价格贵得离谱，体积也塞不进目标外壳。所以决定自己画一块。

选 RV1106 做核心是我一开始就定了的事。这颗主控很适合这类场景：单核 A7 处理器带内置 ISP 和 NPU，关键是原生支持双路 MIPI CSI 接口，可以直接挂两颗图像传感器，不用外挂 FPGA 或者第二颗 MCU 去拼接时序。对一个小型 IPC 或视觉模块来说，一颗芯片把采集、处理、传输全包了，外围电路能压到很精简。

但“支持双摄”和“把双摄画出来”是两回事。两颗 Sensor 意味着两路 MIPI 差分对要走线、两个独立的电源域要分配、两路 I2C 要能同时访问还不打架，Sensor 之间的帧同步也得考虑。这些都不是复制一份单摄原理图就能解决的事，每一处都藏着细节坑。

1.2 三天目标怎么拆解

我给自己定了个有点激进的计划：

• 第 1 天：完成系统框图、电源树、核心芯片和两路 Sensor 的原理图设计。
• 第 2 天：导入网表，完成 PCB 布局布线，至少把信号线连通。
• 第 3 天：检查、修正、导出 Gerber，下单打样。

说实话，如果纯靠手工从空白原理图画起，这个进度对老手来说也偏紧。一块带主控、DDR、eMMC 和双 MIPI 的板子，正常一周到两周是常态。我敢这么压缩时间，主要原因是想测试一下当前 AI 辅助硬件设计的真实上限。我对这块芯片的架构、IPC 类设计的关键注意事项本来就有底，所以敢把 AI 当“熟练实习生”用——它出草稿，我来审。

后面的事实证明：这个定位非常正确。AI 确实把机械劳动时间压缩到了极致，但它也确确实实让我在几个完全没想到的地方栽了跟头。

2. AI 辅助设计全流程：我是怎么把三天用出五天的效率的

2.1 第一步不是画图，而是“驯化”AI

很多朋友一上来就让 AI“帮我画一块双摄板”，这样能拿到的东西基本等于百度百科，毫无可用性。我用的方式是：先给出极其明确的约束条件，让 AI 在一个具体的框里思考。

我给 AI 的输入大致是这样一段话：

我需要设计一款基于 RV1106 主控的双摄像头 IPC 核心板。输入电压 5V 单电源。需要 DDR3 内存 256MB，eMMC 存储 8GB。两路 MIPI CSI，分别接一颗 500 万像素彩色 Sensor 和一颗 100 万像素黑白 Sensor。需要以太网百兆接口、一个 USB、一个调试串口。请先给出系统级电源树，再按模块拆分原理图设计要点。

这里的关键是：我替它做了需求分析和器件选型方向。AI 不擅长从模糊需求里做工程决策，但擅长在给定框架内输出结构化内容。这一步做完，它给了我一版电源树建议，包括主控核心供电用什么拓扑、DDR 供电要不要单独一路、Sensor 供电要不要加 LDO 隔离、上电时序怎么安排。整体思路是对的，但细节里有雷，比如它给某个 LDO 选的器件耐压只有 3.6V，而我输入是 5V，这个在第三部分细说。

2.2 原理图生成：让 AI 当“绘图员”

拿到系统框架后，我让 AI 按模块逐个生成原理图描述，包括每一页的器件、网络连接、关键参数。比如主控最小系统、DDR 部分、eMMC 部分、以太网部分、双 MIPI Sensor 接口部分、电源部分。

AI 的输出形式是文本化的网表描述和器件清单。我不会直接让它画图——目前的通用 AI 还不能直接生成可导入 EDA 的工程文件（如果用了特定插件另说）。我的做法是：把 AI 给出的文本翻译成 EDA 里的实际元器件和连线。

这个过程中，AI 的几个输出确实帮我省了大量查手册的时间：

• 给出了 RV1106 的最小启动配置，包括启动模式引脚的上拉下拉建议。
• 列出了 DDR3 部分需要保留的终端电阻和 ODT 配置思路。
• 给出了 MIPI 差分对的阻抗控制建议，100 欧姆差分阻抗、等长处理原则。
• 甚至主动提醒我留意双摄的 I2C 地址冲突问题，建议给 Sensor 的复位脚留独立 GPIO。

这些方向性建议，以前需要我从几份几十页的 datasheet 和参考设计里翻半天才能汇总出来。AI 相当于帮我做了一轮“快读文档并提取要点”，虽然不能全信，但作为检索提纲非常高效。

2.3 PCB 布局：AI 给策略，人肉做走线

原理图确定后，第二天进入布局布线。这一步 AI 能直接参与的程度更低，但依然有帮忙的空间。我问它：“RV1106 双摄板布局时，MIPI 差分对、DDR 走线、电源去耦电容怎么摆优先级最高？”

它给出的答案基本靠谱：DDR 走线最短最优，MIPI 差分对远离时钟和电源噪声源，Sensor 电源靠近连接器处做 π 型滤波，去耦电容靠近对应电源 pin。这些是我本来就会遵循的常识，但它把这些整理成了 checklist，我在布局时逐条对照，至少避免了“画完了才发现某个关键电容没放”的尴尬。

真正花时间的还是人肉拉线。两路 MIPI 差分对、DDR 地址数据线等长、电源层的分割，都需要我亲自在 EDA 里完成。AI 不会替你把线画好，但它给的“先走 MIPI，再走 DDR，最后走低速控制信号”的顺序建议是合理的，按这个顺序走下来，板子整体比较顺。

3. AI 在哪里骗了我：五个典型翻车现场

这一部分是这篇文章真正的核心。我必须说清楚：AI 在硬件设计上的“骗”，不是它故意撒谎，而是它太擅长把不存在的细节编得跟真的一样。大模型本质上是在做高概率的文本续写，而不是在做工程仿真。当它不知道某个 pin 的具体功能或者某个器件的真实封装时，它会“智能”地猜一个最像样的答案，然后自信地输出。

3.1 电源树“想当然”：LDO 耐压不足

AI 给我的电源树里，有一路 3.3V 给 Sensor 供电，推荐了一颗 LDO，型号标注得很完整，封装、输出电流都写清楚了。但我查 datasheet 的时候发现这颗 LDO 的最大输入耐压只有 3.6V，而我的板卡输入是 5V。如果按它的方案做，这路电源一上电就会过压击穿，Sensor 供电直接糊掉。

为什么 AI 会犯这个错？因为大部分 LDO 的典型应用都是 3.3V 转 1.8V 或 1.2V，输入就是 3.3V，所以它“见多识广”地选了一颗在这个输入条件下最常用的料。但我这个项目是从 5V 直接降压到 3.3V，输入条件变了，器件的选型逻辑就完全不同。

修复倒不复杂，换一颗耐压 5.5V 以上的 LDO 就行。这件事给我的教训是：AI 给的任何“具体型号”都要单独核对绝对最大额定值，尤其是电源路径上的器件。

3.2 封装“差不多先生”：Sensor 封装差了 0.3mm

这是最阴险的一个坑。AI 在给我列 Sensor 外围器件时，推荐了一颗 0805 封装的滤波电容。我当时没细看，直接按 0805 画了封装，结果在最后 3D 预览检查时发现，这个电容的实际占位比 Sensor 模组边缘到板边的距离整整多出 0.3mm。如果按这个位置生产，Sensor 安装时会顶到电容，板子直接废掉。

还有一次，AI 给一个接口连接器选的封装焊盘间距和真实器件差了 0.5mm。这种事情在大模型眼里完全不是问题，但物理世界里 0.5mm 就是沟壑。硬件设计的残酷之处就在这——AI 的“差不多”就是“差很多”。

我的修正方式也很土：把 AI 推荐的每一个有物理尺寸的元件，都去电商页面和器件官网拉一份真实封装图，逐个核对。这一步花了我不少时间，但救回了板子。

3.3 引脚复用“自信过头”：GPIO 其实被占用

RV1106 这类 IPC 主控的引脚复用非常复杂，一个物理 pin 往往能复用三四种功能。我在设计双摄控制信号时，需要两路独立的 GPIO 做 Sensor 的复位控制。AI 很自然地给我推荐了两个引脚，说“这两个是通用 GPIO，可以直接用”。

好在我多留了个心眼，把这两个 pin 的编号拿去查了芯片手册的引脚复用表，发现其中一个默认复用功能是网口的某个控制信号。如果按 AI 的方案画，板子做回来之后要么网络不通，要么 Sensor 无法复位，而且是那种最难查的逻辑冲突型 bug。

从那开始我立了个规矩：CPU 相关的所有引脚功能分配，一律以原厂 datasheet 的 pinmux 表为准，AI 提供的只能当线索，不能当结论。

3.4 网络名“对而不连”：ERC 查不出来的断路

这个坑特别容易让大家血压升高。我在检查 AI 生成的设计描述时发现，它给 Sensor 的供电网络和电源芯片的输出网络用了同一个名字，看起来是连通的。但仔细往底层看，这两个部分根本没有物理连接关系——AI 只是“文本上”把两个网络命了相同的名字，但在实际电路里，它们一个在原理图左侧，一个在右侧，中间没有任何导线连接。

特别恶劣的是，在 EDA 里这种同名网络通常会被自动视为同一个网络，电气规则检查（ERC）不会报错。如果你只看 ERC 结果，会发现一切正常，但板子做回来之后，这一路就是没电。排查这种问题的唯一办法是逐个网络点开，看它的实际飞线连接，不能只看网络名重名就信了。

我花了整整一个晚上把所有电源网络的连线都从顶层到底层过了一遍，这就是为什么中间差点没赶上打样截止时间。

3.5 双摄同步方案“纸上谈兵”

这个坑在原理图上未必看得出来，直到软件调试时才可能暴露。AI 给双摄推荐的帧同步方案是：用主控的 GPIO 产生一个同步信号，分别接到两个 Sensor 的触发引脚上，让两路图像同时曝光。

理论上这是常见的多摄同步做法，但它没考虑到 RV1106 内置 ISP 对双摄采集的硬件同步机制有特定要求，某些模式下需要 Sensor 工作在 Master 模式并共用同一路参考时钟，而不是单纯靠外部触发。如果我按 AI 的方案去画，硬件上虽然能工作，但软件初始化两路 Sensor 时会遇到同步错位，需要额外的校准步骤，甚至可能出现两路画面时间戳对不齐的问题。

最后我放弃了外部触发的思路，改成把两个 Sensor 的 MCLK 时钟同源输出，并让主 Sensor 输出帧同步信号给从 Sensor。这个改动不大，但对系统稳定性是本质性的提升。

3.6 这五个坑的共性规律

共性就一句话：AI 的技术输出覆盖了“看起来完整的方案”，但不承担任何物理真实性的责任。它生成的每个细节都可能在现实世界里以你最想不到的方式翻车。

4. 验证与纠错：人肉兜底才是 AI 辅助设计的真功夫

4.1 建立“以原厂参考设计为标准答案”的对照流程

用了 AI 之后，我对“参考设计”的重视程度反而比以前更高了。以前我自己画板子可能还会有“应该差不多吧”的心态，但 AI 出图之后，我唯一的心理预期就是“它一定有错”，所以必须找原厂的参考设计当“标准答案”来对照。

实际操作是这样的：

• 第一步：把 AI 生成的系统框图、电源树、主要接口定义，与原厂参考设计的对应部分并排放在一起。
• 第二步：逐模块对照，重点看电源树结构、启动配置、DDR 部分、MIPI 连接器的 pin 序。
• 第三步：把 AI 生成的网表导出来，用文本对比工具和参考设计的网表做个粗粒度 diff。不用管信号名是否一致，只看连接关系是否有结构性差异。

我强烈推荐大家试试第三步。这个方法看起来有点野路子，但实际效率极高，几万行的网表文件，人工一行行核对根本不可能，但机器 diff 几秒钟就能把可疑差异全列出来。

4.2 EDA 工具里的三层检查机制

把 AI 的文本变成实际原理图后，我的 EDA 检查流程分三层进行：

第一层是常规 ERC。检查有没有单端网络、悬空引脚、重复的网络名。这一层 AI 生成的图基本都能通过，因为它在文本层面是自洽的。但注意，ERC 通过只能说明“电气规则没冲突”，不能说明“电路功能正确”。

第二层是 DRC。在 PCB 阶段检查线宽、间距、过孔大小是否符合规则。这一层主要靠我在设计规则里提前设好参数。对于 MIPI 差分对，我单独设置了 100 欧姆差分阻抗规则和组内等长约束。

第三层是“人肉合理性审计”。我会把整板所有网络分成电源类、高速信号类、低速控制类、时钟类四组，每一组挑重点抽查。电源类重点看电压是否匹配、去耦是否充分；高速信号类重点看阻抗、等长、参考平面是否完整；低速控制类重点看上下拉是否冲突；时钟类重点看走线是否远离干扰源。

这一层才是真正发现问题的地方。AI 的那些“骗术”，在第三层全都被逮住了。

4.3 分享一个有点笨但极其有效的技巧

针对 AI 给元件型号的可信度问题，我后来养成了一个习惯：每次 AI 给出一个具体型号，我会让它先列出一个“不确定项清单”。也就是强制它区分“我确定”和“我根据常识推测”两种状态。

我试了好几次，发现这个小小的提问方式改变非常有效。正常模式下 AI 会一视同仁地输出所有信息；但如果你明确要求它区分置信度，它在不太确定的地方就会主动加标注。虽然这些标注本身也不一定可靠，但至少能给你一个“这里是雷区，要重点核”的提示信号。

用这个技巧之后，我核对重点元件的效率提升了一倍以上。

5. 投板、焊接与点亮：AI 没告诉你的物理世界细节

5.1 下单前最后的“保命检查”

第三天下午，我把所有修改完成的设计导出 Gerber。下单之前我做了这几件 AI 完全没有提醒我的事：

• 检查 Gerber 里每一层的网络连接是否和原理图一致。这一步其实很关键，因为从原理图到 PCB 到 Gerber，中间每一步都可能因为人为操作引入错误。AI 能输出文本，但导出文件这一步还是取决于 EDA 工具状态。
• 检查最小线宽、最小过孔是否在板厂工艺范围内。RV1106 这类主控 BGA 封装扇出时，过孔和线宽很容易设到超出常规工艺水平。如果下单时没注意，板厂会直接做不出来，或者良率惨不忍睹。我这次把最小过孔限制在 0.2mm 外径、0.1mm 孔径以上，大部分常规板厂都能做。
• 双面拼板时加了 Mark 点，方便贴片机识别。

这些步骤是硬件设计的“肌肉记忆”，但对 AI 来说，它根本不会意识到板厂工艺限制这种物理约束的存在。

5.2 焊接调试过程中的实际经验

板子回来之后，我并没有立刻进入软件调试，而是按老规矩先上电量电压。拿出万用表依次测了主控核心供电、DDR 供电、IO 供电、Sensor 供电，确认每一路电压都在预期范围内，才开始烧录引导程序。

这里有个小插曲非常典型：系统启动后，主控已经正常跑起来了，但两路 Sensor 怎么也识别不到。查了半天，最后发现是 Sensor 的 I2C 上拉电阻选得太小，加上两条 I2C 总线共用一个上拉电源域，导致时序边沿变缓，在较高频率下通信不稳定。

这个问题在原理图阶段很难发现，因为电阻值从 DC 角度看完全正常，只有实际跑起来才能暴露。AI 画图时不会考虑这种“动态时序余量”的问题，它只会给出一个常用的电阻值。

解决方式是降低 I2C 时钟频率，同时把上拉电阻调整到规格书推荐的阻值区间。改完后再上电，两路 Sensor 都能稳定枚举了。

5.3 双摄点亮的最后一公里

两个 Sensor 的初始化顺序也有讲究。我的板卡上两颗 Sensor 的 I2C 地址是相同的（同一个型号），如果同时上电，I2C 总线上的设备地址就冲突了。我在原理图阶段已经给两颗 Sensor 准备了独立使能引脚，所以软件里的做法是：先拉高 Sensor A 的使能，完成初始化，再拉高 Sensor B 的使能，完成初始化，之后两颗 Sensor 都保持工作状态。

这个“错峰上电”的思路，在 AI 给的方案里完全没有体现。它只提到了“注意 I2C 地址冲突”，但具体怎么解决，还是得靠人根据硬件设计去调。

最终两路图像都能正常出图，MIPI 信号稳定，双摄同步正常。从下单到点亮，整个过程大约又花了一个多星期，大部分时间其实花在了这种“硬件没问题、但就是调不通”的软硬结合问题上。

6. 复盘：AI 在硬件设计里的真实边界

6.1 AI 真正能帮上忙的三个地方

这次项目跑完之后，我对 AI 在硬件设计中的定位有了更清晰的判断。它确实能在三个方向提供巨大价值：

第一是知识检索的“提纲挈领”。当你想快速了解一颗新芯片的电源架构、启动流程、接口设计要点时，AI 可以把分散在几百页文档里的关键信息抽出来，整理成一个逻辑清单。虽然每条信息都需要你回头验证，但至少你知道了“该去文档里查什么”，比从零开始翻 datasheet 高效得多。

第二是机械性工作的初步完成。比如生成系统框图、列 BOM、写设计文档、整理接线表，这些工作 AI 生成的初版已经有相当高的可用度。你只需要修正细节，不用从空白页开始。

第三是“反向验证”的好帮手。你可以把自己的设计方案发给 AI，让它挑毛病。虽然它挑出来的问题不一定都对，但有时候能从奇怪的角度提醒你一些没想到的风险点。比如它这次提醒我注意 MIPI 走线的参考平面连续性，虽然我本来就会处理，但确实是一个值得重复确认的点。

6.2 AI 绝对不可靠的三个地方

反过来，AI 在以下三个地方的输出基本不能信，或者说必须完全重新做：

• 任何具体器件的选型结论。AI 很擅长把一个不存在的型号编得比真实器件还像真的。它推荐的每一颗芯片、电容、电阻，都必须单独核对原厂的 datasheet、封装图、供货状态和价格。而且特别注意：AI 完全没有库存和产能概念，它无法区分某颗料是不是已经停产十年了。
• 任何引脚功能和复用关系。芯片的 pinmux 表是最需要精确到“每一个 pin”的表格。AI 在这种需要极高精确度的地方，错误率是最高的。我做了一个测试，让 AI 列出某主控的 50 个引脚功能，结果错了大概 7 个，错误率接近 15%。这个数字在硬件设计里是无法接受的。
• 任何关于物理尺寸、封装、间距的判断。AI 没有真实的三维空间感，它无法依靠视觉判断一个元件装上去会不会和旁边的器件干涉。哪怕它生成的封装名称是对的，也必须由人来做物理空间验证。
• 任何涉及供应链、加工工艺、成本的实际决策。这些东西不仅取决于公开的规格数据，还取决于大量实时市场信息，AI 的静态知识完全无法覆盖。

6.3 关于“三天打样”的真实理解

如果你问我：“三天真的够画一块双摄板吗？”我的答案是：够，但前提是你得有一个“很懂这块板的人”——这个人可以是开发者自己，可以是有经验的导师，但不能把 AI 算进去。AI 起到的作用类似一个“快速产出脏稿”的机器，真正让板子能下单、能跑起来的，是那个人花了两天时间把脏稿里的坑一个接一个填平。

我这次的实际分工大概是：AI 用半天产出了理沦上三天才能画完的草稿，然后我从第二天开始高强度校对，把五个大坑和数不清的小问题逐个修复。如果少了最后这部分人肉工作，这板子就算下单做回来也是废板。

所以，AI 辅助硬件设计的正确姿势不是“让 AI 帮你设计板子”，而是“让 AI 帮你把设计板子的体力活先干了，然后把省下来的时间全部投入到更痛苦的验证环节”。硬件设计的核心价值从来不是画线本身，而是知道这条线为什么这么画、这个电阻为什么放这里、这个封装为什么选它。

最后分享一个小技巧

如果你打算试一次 AI 辅助硬件设计，请一定在对话开始的时候，给 AI 加一条指令：“请在每次提供设计建议时，主动标注哪些内容来自公开文档的明确记载，哪些是依据经验的合理推测，哪些是你不能确定的内容。”这个简单的约束，能让 AI 从“自信的骗子”变成“带路标的草稿员”。它无法消除错误，但能为你标明雷区的位置，让你把宝贵的时间花在最该花的地方。

实际用下来，这是我这次项目里性价比最高的一步操作。希望对你也有用。