Nos últimos meses, temos assistido a um entusiasmo crescente em torno do papel da inteligência artificial no desenvolvimento de hardware.
Não é difícil perceber porquê.
Modelos de aprendizagem automática cada vez mais avançados são agora capazes de gerar arquitecturas, otimizar disposições e acelerar processos que, até há pouco tempo, exigiam um trabalho intensivo das equipas de engenharia.
Mas enquanto muitos celebram esta crescente automatização, na Detus olhamos para este fenómeno de uma perspetiva diferente.
Não rejeitamos o progresso tecnológico - muito pelo contrário. Já explorámos, e continuamos a explorar, formas de integrar a IA em partes do nosso próprio processo de desenvolvimento de hardware.
O problema não está na tecnologia em si, mas na ilusão que se constrói à sua volta.
Quando se automatiza algo que não se compreende totalmente, a complexidade não desaparece. Simplesmente muda, tornando-se mais subtil, menos previsível e muito mais difícil de controlar.
Este é um padrão bem conhecido noutras indústrias e que começa agora a manifestar-se também no desenvolvimento de hardware.
Fonte: Esboços de planos
É o que as publicações técnicas designam por Automation Paradox.A automação é um fenómeno em que, quanto mais automatizamos sistemas complexos, mais dependemos de engenheiros altamente qualificados para os supervisionar, compreender, analisar e diagnosticar quando falham.
Acreditamos que irão falhar, porque estamos a entrar numa nova fase do design de hardware em que a IA pode gerar soluções que nem os próprios engenheiros compreendem totalmente.
A falta de explainability em modelos generativos aplicados ao design de hardware já é reconhecido como um dos maiores desafios em sistemas críticos.
Quando estas soluções falharem, como inevitavelmente acontecerá, será necessário um conhecimento profundo para as diagnosticar, analisar e resolver. Quem não tiver esta base ficará sem ferramentas.
É por isso que afirmamos claramente que o boom da IA não simplificará a engenharia eletrónica.
Em muitos aspectos, torná-la-á mais complexa do que nunca e exigirá um nível ainda maior de rigor técnico das equipas.
O estado atual da IA no desenvolvimento de hardware
Em janeiro de 2025, Popular Mechanics publicou um artigo sobre um avanço recente na desenvolvimento de chips. Os investigadores da Universidade de Princeton utilizaram redes neuronais convencionais para desenvolver chips sem fios que superam os modelos actuais.
A parte mais impressionante não foi o resultado técnico, mas o facto de muitos dos engenheiros envolvidos terem admitido que não compreendiam totalmente as decisões tomadas pela IA durante o processo de desenvolvimento.
Este não é um caso isolado. Num recente podcast da Siemens Digital Industries Software, os especialistas alertam para o facto de a utilização crescente da IA no design de PCBs já está a introduzir um novo tipo de opacidade nos processos de engenharia, aquilo a que os engenheiros chamam uma black box. Trata-se de sistemas em que apenas os inputs e os outputs são conhecidos e cujo funcionamento interno é opaco e difícil de auditar.
Atualmente, os modelos generativos podem definir o encaminhamento, distribuir os planos de potência, sugerir configurações de empilhamento e otimizar a integridade do sinal com uma eficiência impossível de alcançar manualmente.
Este risco é também identificado em estudos recentes sobre Explainable Hardware (XHW)que mostram como a falta de transparência nos sistemas gerados pela IA compromete a capacidade de os analisar, diagnosticar e corrigir mais tarde.
Quando ocorrem falhas físicas, como problemas de compatibilidade electromagnética, acoplamentos indesejados entre planos, distorções de sinal ou efeitos térmicos inesperados, o diagnóstico torna-se significativamente mais difícil. As equipas terão de resolver anomalias em sistemas cuja lógica interna não dominam.
Estes são alguns dos riscos que a evolução da inteligência artificial traz para o design de hardware.
Um sistema que se comporta corretamente numa simulação não garante o mesmo resultado no mundo real. Se ninguém compreender como foi feita a otimização, o tempo necessário para resolver os problemas pode aumentar exponencialmente.
O que muda no hardware com a Inteligência Artificial
Atualmente, a desenvolvimento de PCBs continua a ser um processo profundamente técnico.
Cada fase requer compreensão, controlo e validação. Nenhuma ferramenta de desenvolvimento automatizado pode, por si só, substituir o conhecimento de engenharia que suporta este processo.
Uma placa de circuito impresso não é apenas um circuito funcional, é também um sistema físico complexo, sujeito a fenómenos que não aparecem imediatamente na simulação, tais como:
-
Interferência electromagnética
-
Integridade do sinal
-
Ruído de modo comum
-
Gestão térmica
-
Efeitos de acoplamento de alta frequência
Tudo isto exige uma análise e uma validação rigorosas.
Nos últimos anos, temos assistido a uma crescente integração da inteligência artificial no desenvolvimento de PCBs.
Atualmente, alguns modelos de aprendizagem automática são capazes de gerar rotas complexas, otimizar layouts e até prever, em certa medida, problemas de EMI.
De acordo com um estudo publicado na Embedded.A IA está a ser cada vez mais utilizada para otimizar processos que anteriormente dependiam da intervenção humana, tanto no fabrico como no design.
Ferramentas como as da Siemens EDA já permitem a utilização de inteligência artificial para otimizar a distribuição dos planos de potência, reduzir os acoplamentos indesejados e minimizar as emissões por radiação. Trata-se de um verdadeiro avanço, com grande potencial.
Mas é aqui que reside o verdadeiro risco. À medida que estas ferramentas se tornam mais poderosas e acessíveis, há uma tentação crescente de automatizar fases críticas do design sem garantir que as equipas compreendem totalmente os princípios subjacentes.
É precisamente este o perigo de automatizar o desenvolvimento de PCB.
Ao permitir a criação de um projeto sem uma compreensão profunda dos princípios envolvidos, corre-se o risco de construir sistemas que, quando não funcionam como esperado, se tornam quase impossíveis de diagnosticar.
O diagnóstico e a correção de falhas continuam a ser, e continuarão a ser, uma fase inevitável do desenvolvimento de hardware. Nenhuma ferramenta de IA eliminará a necessidade de compreender profundamente o comportamento físico do sistema.
Qualquer pessoa que acredite que o futuro do design de placas de circuito impresso será simplesmente gerar um layout funcional, sem dominar os fundamentos, acabará por enfrentar desafios muito mais difíceis de resolver.
O risco: o novo perfil dos profissionais
À medida que as ferramentas automatizadas de desenvolvimento de hardware se tornam mais acessíveis, é inevitável que surja uma nova geração de profissionais que nunca estudaram completamente os fundamentos do design eletrónico.
Este é, de facto, um dos fenómenos mais discutidos no contexto da Automation Paradox..
Quanto mais automatizarmos as tarefas críticas, maior será o risco de as gerações futuras perderem o contacto com os princípios que lhes permitem compreender, validar e analisar os sistemas que estão a construir.
Já estamos a ver sinais desta tendência. Muitos novos profissionais entram no mercado com uma forte fluência em ferramentas de IA.
Eles sabem como gerar avisosOs sistemas de análise de sinais de alta frequência são muito mais eficientes, interpretam resultados superficiais e automatizam fases do processo. Mas muitas vezes apresentam lacunas graves em áreas fundamentais como a análise de sinais de alta frequência, o controlo do ruído, a gestão térmica ou a compatibilidade electromagnética.
Num cenário ideal, estas ferramentas complementariam um conhecimento técnico sólido. Mas, na prática, começamos a ver equipas que dependem quase exclusivamente da geração automática.
Quando surgem problemas, como sempre acontece, estas equipas têm grande dificuldade em identificar as causas.
Problemas como reflexões de sinal, ressonâncias indesejadas, acoplamentos inesperados, variações de impedância, alterações na integridade da potência ou interferência de modo comum não podem ser detectados por uma simples análise superficial de um esquema gerado por IA. Requerem uma compreensão profunda do comportamento eletromagnético dos sistemas.
Esta preocupação reflecte-se também em estudos sobre Explainable AI aplicada a sistemas críticos. Como salienta a IBM, a falta de explicabilidade compromete diretamente a fiabilidade e a capacidade de validação dos sistemas avançados.
Fonte
É exatamente este o risco que o boom da IA traz para o desenvolvimento de hardware. Não se trata apenas de tecnologia, trata-se de competências.
As equipas que perdem o contacto com os fundamentos da engenharia produzirão inevitavelmente sistemas frágeis, inconsistentes e difíceis de manter.
Na Detus, consideramos que esta é uma das questões mais críticas para o futuro da engenharia eletrónica.
É por isso que mantemos deliberadamente uma aposta rigorosa na formação contínua e no reforço dos princípios fundamentais que sustentam a qualidade dos nossos projectos.
O papel da IA no hardware: onde faz sentido, onde não faz
Na Detus, não temos uma visão dogmática da inteligência artificial.
Não é uma questão de ser a favor ou contra. É uma questão de compreender claramente onde é que estas tecnologias acrescentam valor e onde é que introduzem riscos que não podem ser ignorados.
Há áreas do desenvolvimento de placas de circuito impresso em que a IA dá, de facto, um contributo promissor.
A análise da compatibilidade electromagnética é um exemplo claro. Os modelos treinados com dados reais podem complementar as simulações baseadas na física, ajudando a prever os efeitos da propagação de sinais em situações complexas, que nem sempre são bem captadas pelos modelos clássicos.
Como refere um artigo recente do Embedded. a IA já está a ser eficazmente integrada nos processos de otimização do layout e nas fases avançadas de fabrico, acelerando tarefas que, de outra forma, exigiriam longos ciclos de iteração manual.
Ferramentas como a Siemens EDA também oferecem agora capacidades avançadas para reduzir acoplamentos indesejados, otimizar a distribuição dos planos de potência e minimizar as emissões por radiação.
Estas são áreas em que a IA actua como um verdadeiro amplificador das capacidades da equipa de engenharia.
Outro aspeto importante é a vantagem competitiva que as grandes empresas com um vasto historial de projectos de PCB podem aproveitar. Ao criar conjuntos de dados internos bem estruturados e cuidadosamente selecionados, podem treinar modelos adaptados aos seus próprios padrões de design, preservando a consistência e a fiabilidade dos resultados.
No entanto, há limites que "não devem ser ultrapassados".
A arquitetura do sistema, a definição da interface, o controlo das margens de segurança, o planeamento da integridade do sinal e as estratégias de gestão térmica continuam a exigir um profundo conhecimento humano.
Nenhum modelo generativo pode, de forma fiável, tomar estas decisões de forma autónoma e explicável.
Como os quadros actuais sobre Explainable AI e Explainable Hardware salientam que a falta de transparência nos sistemas gerados por IA é um risco crítico em domínios em que a fiabilidade não pode ser comprometida.
Em suma, a IA deve ser utilizada como uma ferramenta para acelerar e apoiar o engenheiro, nunca como um substituto para uma engenharia sólida. Esta é, e continuará a ser, a abordagem que seguimos na Detus.
Porque é que a complexidade do design de hardware vai aumentar com a IA
Há uma ilusão recorrente quando se fala de automatização. A ideia de que a automatização de um processo o torna automaticamente mais simples. No caso do design de hardware, esta premissa não só é falsa como é perigosa.
Quando as ferramentas de desenvolvimento automatizado são introduzidas no processo de desenvolvimento, a complexidade não desaparece. Ela transforma-se. Torna-se mais difícil de visualizar, mais difícil de controlar, mais difícil de explicar.
Este fenómeno está bem descrito no conceito de Shift in Complexity. A complexidade não é eliminada pela automatização, apenas se transfere de uma fase do ciclo de vida para outra. No caso do desenvolvimento da PCB, passa da fase de criação para as fases de validação, depuração e manutenção.
As soluções geradas pela inteligência artificial podem, à primeira vista, parecer optimizadas. Mas esta otimização nem sempre é transparente. A arquitetura gerada pode esconder dependências cruzadas, efeitos indesejados ou pontos fracos que só aparecem em condições reais de funcionamento.
Segundo um estudo recente publicado no arXiv sobre o hardware explicável, a opacidade dos modelos generativos aplicados ao hardware é um dos principais factores que contribuem para o aumento da imprevisibilidade dos sistemas críticos.
Além disso, o próprio ciclo de desenvolvimento torna-se mais opaco.
Quando uma equipa está a trabalhar num sistema que não compreende totalmente, cada alteração incremental aumenta o risco de regressões inesperadas. Cada fase de validação demora mais tempo, não porque a ferramenta seja menos capaz, mas porque a imprevisibilidade aumenta.
Estudos recentes indicam que, em ambientes altamente automatizados, o custo das correcções associadas a falhas de explicabilidade pode exceder largamente os ganhos obtidos durante a fase de desenvolvimento.
É por isso que afirmamos com toda a convicção que o boom da Inteligência Artificial não vai simplificar o design de hardware. Vai sim aumentar a sua complexidade, exigindo engenheiros ainda mais bem preparados e com um domínio ainda maior dos fundamentos.
O verdadeiro risco não está na tecnologia. Está na crença de que ela pode substituir o conhecimento humano. Aqueles que seguirem esse caminho acabarão por se confrontar com sistemas que não conseguem dominar.
Como as equipas se devem preparar
Face a esta nova realidade, não basta adotar as ferramentas de IA com entusiasmo.
É necessário estabelecer conscientemente uma estratégia para garantir que os conhecimentos fundamentais não se perdem e que a complexidade introduzida pelas novas ferramentas se mantém sob controlo.
Em primeiro lugar, as equipas devem manter uma abordagem modular e compreensível ao design. Cada bloco funcional deve ser bem definido, documentado e testado isoladamente.
A automatização da criação pode acelerar tarefas específicas, mas nunca deve substituir o controlo total da arquitetura do sistema.
Em segundo lugar, é fundamental reforçar a formação em engenharia de base.
O domínio do eletromagnetismo aplicado, da compatibilidade electromagnética, da análise de sinais de alta frequência, do controlo do ruído e da gestão térmica continuará a ser indispensável.
Nenhuma ferramenta de IA elimina a necessidade de compreender a física subjacente.
Como os autores do Explainable Hardware salientam que garantir que o desenvolvimento de hardware apoiado por IA continua a ser explicável é uma responsabilidade fundamental das equipas de engenharia. Exige processos de validação mais robustos e um maior rigor na documentação técnica.
Em terceiro lugar, as equipas devem desenvolver processos de validação mais sólidos.
medida que a complexidade aumenta, a verificação sistemática baseada em ensaios reais torna-se ainda mais importante. As ferramentas de simulação devem ser complementadas com medições físicas rigorosas em condições representativas.
Por último, as organizações com um forte historial de projectos bem sucedidos poderão tirar partido da criação de conjuntos de dados próprios.
Os modelos treinados com dados reais da empresa permitirão integrar a IA de uma forma mais controlada, preservando as normas e garantindo uma maior previsibilidade dos resultados.
Como a IBM também reforça na sua Explainable AI a integração da IA em domínios críticos exige que os engenheiros permaneçam no centro do processo de tomada de decisões. A IA deve atuar como um amplificador, nunca como um substituto.
Na Detus, acreditamos que o futuro do desenvolvimento de hardware depende precisamente deste equilíbrio. Equipas altamente qualificadas que utilizam a IA para melhorar as suas capacidades, sem nunca renunciar a um conhecimento profundo dos sistemas que desenvolvem.
Conclusão
A inteligência artificial está, sem dúvida, a transformar o design de hardware. As suas capacidades de geração automática abrem novas possibilidades, aceleram os processos e desafiam os modelos de trabalho estabelecidos.
Mas esta evolução também traz riscos que não podem ser ignorados. Quando se automatiza algo que não se compreende, a complexidade não desaparece. Ela transforma-se, tornando-se mais difícil de detetar, mais difícil de analisar e diagnosticar, mais difícil de controlar.
Como o Automation Paradox. mostra que, quanto mais avançadas as ferramentas se tornam, maior é a responsabilidade dos engenheiros. A falta de explicabilidade em sistemas críticos como o hardware é um risco que nenhuma empresa responsável pode aceitar.
O verdadeiro desafio para as equipas técnicas não é resistir à adoção da IA. É integrá-la de uma forma cuidadosa, crítica e consciente, com processos robustos e com um reforço constante dos conhecimentos fundamentais. As ferramentas evoluem, mas a física não muda.
Na Detus, continuamos a acreditar que a engenharia de hardware exige um domínio profundo dos princípios que regem o comportamento do sistema. A IA pode e deve ser utilizada para ampliar este conhecimento, nunca como um atalho.
O futuro do design de hardware será inevitavelmente mais complexo. As equipas que souberem preparar-se para esta complexidade serão as que liderarão a próxima geração de inovação. Serão também elas que garantirão que os produtos que colocamos no mercado continuam a merecer a confiança dos clientes.