坐拥6.5亿颗元器件资料：这款AI工具究竟有什么用处

最近在搞一个项目，自己开发一款基于STM32N6的手表。STM32N6这块芯片关注MCU的朋友应该知道，ST的带NPU，能跑一些轻量级的AI推理。

不过设计板子的时候，在电源这块卡住了。

手表嘛，锂电池供电，需要一颗升降压芯片。电池满电的时候4.2V，快没电的时候大概3.0V，系统需要稳在3.3V输出。这就意味着这颗芯片要能在3.0V到4.2V之间来回切升降压模式，同时静态功耗不能太高，不然待机几天就没电了，那还戴个啥。

我先去几家大分销商网站搜，锂电升降压，出来的结果几万条。挨个点开看数据手册，有的输入电压范围不够宽，有的静态功耗直接飙到几百微安，有的封装是QFN的我还不想手焊，有的倒是参数合适但一看价格，一颗快二十块。

这时候我突然想起来，之前在与非网写文章的时候，他们的工作人员推荐过叫《与非AI》的东西，是什么专门给硬件工程师用的。

1、与非AI的使用体验

坦率的讲，我当时没抱太大期望。

市面上自称AI硬件助手的太多了，十个里面有九个半是把ChatGPT套个壳，加点提示词就敢说自己是垂直AI。你问它一颗料的价格，它给你编一个，你让它推荐替代料，它给你推荐一堆已经停产的型号。

但抱着死马当活马医的心态，我还是打开了与非AI（https://url.eefocus.com/4ddd）。

登录之后界面挺干净的，就是一个对话框，右边有一些推荐功能。我寻思了一下，就直接打字问了一句。

给STM32N6手表找一块锂电池升降压芯片，输入3.0到4.2V，输出3.3V，静态功耗尽量低，小封装。

它给我推荐了TPS62740和RP130Q。

仔细一看它的参数：输入2.8V到5.5V，输出5V/3.3V可配，内置锂电池充电管理，带电量指示，静态功耗极低，封装小巧。

我找了半天的东西，它十秒钟给我推过来了。而且推的还不是什么冷门料。参数、封装、工作温度、生命周期状态，全都有。

2、替代方案选择

STM32N6还有一颗配套料让我挺头疼的，APS256。AP Memory的256Mbit PSRAM，HyperBus接口。STM32N6要跑AI推理，SRAM肯定不够用，得外挂一颗大容量的PSRAM做代码存储。但AP Memory实在买不到这块货（立创商城）。

以前做这种事，流程大概是这样的。打开立创，搜PSRAM 256Mbit HyperBus，出来一堆型号。然后一颗一颗点开数据手册，看接口是不是HyperBus、看封装是不是BGA-24、看电压是1.8V还是3.0V、看温度等级是不是工业级。比对上大半天，最后列个Excel出来，还得再确认供货和价格。

这次我直接在与非AI里打字，APS256这颗PSRAM的替代芯片有哪些。

它不光列出了替代料，它是把替代料按梯队给我排好了。

第一梯队，Infineon的S26HL256T和Macronix的IS66WVH2M18BLL，标注了五颗星的兼容度。它甚至告诉我这两家是HyperBus标准的定义者，跟AP Memory兼容性最高，STM32N6的CubeMX原生支持，底层驱动不用改。

第二梯队，Winbond的W956D8MBKX，性价比更高，供货周期短。

第三梯队，国产替代，Puya和Zbit的型号，但它在后面很清楚地标了一句，需要验证时序匹配度，驱动可能需要微调。

坦率的讲，看到这个分级的时候我愣了一下。

不是因为它列了这么多替代料。是因为它把工程师脑子里那套决策逻辑给完整地呈现出来了。一个有经验的工程师找替代料，脑子里要同时装着接口协议、封装尺寸、电压匹配、温度等级、供货周期、成本、原厂生态支持，七八个维度来回权衡。这不是一个简单的配对问题，这是一个多维度的权衡问题。

而与非AI给我的回答里，每一个维度都覆盖了。它甚至在最后加了一段选型提醒，接口是HyperBus还是Octal SPI要看原理图上有没有差分时钟对，电压1.8V跟3.0V接错了会烧芯片，手腕上戴的东西温度等级最好到工业级。

这不是那种「根据我的知识库为您找到以下替代料」的敷衍回答。这是一个真正懂硬件的人在帮你做选型备忘。这个细节太重要了。很多AI工具给你推荐替代料的时候，就甩一个列表，型号加参数，你自己去判断。但与非AI给我的感觉是，它不只是告诉你答案，它在帮你梳理判断的逻辑。它在告诉你为什么这颗比那颗好，在什么场景下选哪个，有哪些坑需要避开。

你不知道怎么选的时候它帮你缩小范围，你大概有方向的时候它帮你确认逻辑，你准备拍板的时候它提醒你检查那几个最容易翻车的点。

这才是替代料该有的样子。

背后支撑这个体验的，是1.1亿条已经验证过的替代料数据。不是AI根据参数现编的，是你搜之前就已经在数据库里做过匹配验证的。

除此之外，与非AI还贴心的推荐器件的具体条目以及衍生提问，每条回答都有迹可循。

3、与非网的数据库

说到Datasheet 5，我觉得有必要稍微展开一下。

这个平台可能很多硬件工程师不陌生，它存了6.5亿颗电子元器件的数据，5.8亿页数据手册，1.1亿个ECAD模型，还有3万多个经过验证的电路方案和参考设计。

这些东西是什么体量呢。

6.5亿颗元器件，基本上覆盖了你能想到的所有主动、被动、分立器件。56亿页数据手册，你如果一天翻100页，大概需要翻1534万年才能翻完。。。3万多个参考设计和方案，从电源到MCU到射频，主流应用领域基本都覆盖了。

等于说，与非网把过去十几年积累的元器件数据和方案资源，全灌进了这个AI里面。

总结

用与非AI跑了这么一圈下来，我大概算了算。

至少省掉六成的查找和比对时间。剩下来的四成是要动脑子做判断的，那是AI替不了的部分，也是做硬件工程师最有价值的部分。

AI不是来替代工程师的，它是来替掉那些本该由机器来做的苦力的。真正需要专业判断、需要经验直觉、需要在几百个约束条件里做出权衡的那部分工作，还是要人来。

这也是我最近一直在想的一个事情。我们总在讨论AI会不会替代某个职业，但其实更值得讨论的是，一个职业里面，哪些部分是机械重复的，哪些部分是需要创造力和判断力的。AI吃掉前面那部分，人把精力集中在后面那部分，这才是理想的样子。

与非AI做的事情就是这样。它不替你做设计决策，但它让你做决策的时候有更完整的信息，花更少的查找时间。