Anthropic 表示,Claude 已能把簡短的產品構想轉成電路板、外殼與韌體等設計,並交由合作團隊 Diode Computers 組裝,完成三款可運作原型。這確實顯示生成式 AI 的能力已跨入實體硬體設計,但「能做出原型」仍不等於「能穩定量產」,目前最關鍵的缺口正是一次又一次重做時,成果是否依然可靠。
事件時間線:從文字構想走到可運作原型
- 11 月 9 日發布研究成果:Anthropic 在研究貼文中表示,Claude Fable 5.2 參與設計揚聲電話、語音助理中樞,以及手持式虛擬寵物三款裝置,涵蓋電子電路、機構外殼與韌體等不同領域。
- 設計檔案交由人工製作:Claude 產出電路圖、元件配置、銅線路徑、可列印的 3D 外殼、軟體與零件清單;Diode 的工程人員負責實際製作、組裝及測試。
- 三款原型完成基本運作:依 Anthropic 的說法,Diode 直接依 Claude 的設計檔製作三塊電路板,未進行製造端調整,原型也能在沒有修正電路的情況下運作。
- 下一階段轉向更複雜的硬體:Anthropic 規劃讓 Claude 處理更密集、更快速也更複雜的電路板,加入模擬檢查,並從成品量測結果中持續學習。
已確認的成果:AI 負責設計,現場工程仍由人完成
這次展示最具體的部分,不只是 Claude 能畫出外觀,而是它能提出一套彼此對應的硬體設計。以揚聲電話為例,Claude 不只安排元件位置,也處理銅線路徑、外殼、韌體與零件清單,讓軟硬體設計能在同一個工作流程中銜接。
Anthropic 也披露兩個細節。Claude 檢查揚聲電話電路板是否能裝進外殼時,發現靜音開關會在插入過程中撞到殼壁,因此加入先傾斜電路板再放進定位的組裝步驟。語音助理中樞的外殼則被調整為縮短麥克風埠;同一套韌體也會隨音訊變大而降低 LED 亮度,避免超出電路板設計的電流限制。
| 工作項目 | Claude 負責的內容 | 仍由人員完成的事項 |
|---|---|---|
| 電子設計 | 規格、電路圖、元件配置、PCB 銅線路徑 | 製板、焊接、實機組裝與測試 |
| 機構設計 | 可 3D 列印外殼、插入干涉檢查與形狀調整 | 外殼製作、物理裝配與後續操作確認 |
| 韌體與軟體 | 裝置韌體、LED 亮度與音訊的聯動邏輯 | 燒錄、測試及問題排除 |
| 備料 | 整理零件清單 | 採購、備料、組裝品質管理 |
換句話說,Claude 這次扮演的是跨領域設計與協調角色,而不是獨自完成整條硬體供應鏈。Diode 曾給予後續指示,工程師也詢問虛擬寵物能否在沒有電池的情況下運作,但 Claude 沒有連接測試設備,也沒有操作製造與組裝機臺,因此所有實體製作和測試仍由人執行。
仍待回答的問題:一致性與商品化都沒有被證明
目前公佈的是三個成功案例,而不是完整且可重複的量產流程。Anthropic 沒有提供多次端到端設計嘗試的整體成功率,因此外界無法只憑這三款原型,判斷 Claude 面對不同產品、不同工程團隊或不同設計難度時,能否再次交出同樣可用的結果。
另一個缺口在正式工程驗證。Anthropic 表示,這些原型尚未完成電氣驗證、天線調校、熱測試與認證,也沒有按照大量生產需求設計。原型可以啟動或執行基本功能,是有意義的里程碑;不過,要成為市場可售產品,之後仍有可靠性、成本、組裝效率與法規等大量工作需要完成。
這也代表目前的展示不能直接等同於「AI 已能取代硬體工程師」。更準確的說法是,AI 已能承擔一部分跨專業設計工作,並把成果交給工程人員實作;真正影響商用價值的,是設計能否在重複執行後維持穩定,以及成品能否通過完整測試與製造流程。
下一個觀察重點:從會設計,走向能驗證
Anthropic 的下一步包括更密集的電路板、模擬檢查,以及利用已完成裝置的量測資料進行修正。這個方向的重要性在於補上設計與現實之間的落差:模型若只會產生看似合理的檔案,還不足以形成可靠的硬體生產能力;若能根據量測結果修正設計,價值才會更接近實際工程流程。
對開發者與硬體新創團隊而言,現階段比較實際的用法,是把 Claude 視為能協助產出設計草案、檢查細節與串接軟硬體工作內容的工具,而不是全自動的產品負責人。是否值得導入,仍應依團隊自身的工程能力、驗證需求與量產目標判斷。
FAQ 常見問題
Claude 是否已經能獨立完成硬體產品?
不能。依 Anthropic 的描述,Claude 負責生成設計與部分協調工作,但製板、焊接、組裝、燒錄和測試都由 Diode 的工程人員完成。
三款原型能運作,是否代表可以大量生產?
不代表。Anthropic 明確表示,這些原型尚未完成電氣驗證、天線調校、熱測試及認證,也不是以大量生產為前提設計。
能否從這次展示算出 Claude 的硬體設計成功率?
不能。現有資訊只有三個成功案例,沒有涵蓋反覆執行不同設計任務時的整體成功率資料,因此無法量化穩定性。
這項成果與加密貨幣或區塊鏈有直接關係嗎?
提供的資料沒有顯示直接的區塊鏈或加密貨幣應用。案例重點是 AI 協助硬體設計,以及未來如何透過模擬與實機量測改善成品。
資料來源與利益揭露
本文依據 CryptoSlate 的來源文章整理,來源標題為「Anthropic’s Claude builds custom gadget blueprints, but consistency stays hidden」。來源時間為 2026-11-17 06:40:09 UTC,網址為 https://cryptoslate.com/anthropics-claude-builds-custom-gadget-blueprints-but-consistency-stays-hidden/。
本文涉及 Anthropic 對研究結果與合作團隊作業過程的公司揭露;文中未另行取得 Anthropic 或 Diode Computers 的獨立採訪。讀者若要將成果用於商業評估,仍應查看原始設計、測試紀錄、驗證報告與量產條件。
如果你正在評估 AI 硬體工具,可以先用一項非關鍵產品做小型試作,實際記錄設計修改、人工介入次數與驗證成本,再決定是否放進正式研發流程。

