软件工程师每天都在编译代码。硬件工程师一生只有4到5次机会。
当你设计一款要销售数百万台的产品时，从最终设计到大规模生产，你真的只能迭代4到5次。每一次都要花费数月。每一次都要投入数百万美元。每一次失败都可能致命。这就是为什么硬件工程师必须比软件工程师保守得多——不是因为他们更谨慎，而是因为物理世界根本不允许快速试错。
Caitlin Kalinowski在硅谷是个传奇人物。她参与设计了第一代一体式MacBook Pro，领导了MacBook Air和圆柱形Mac Pro的研发。她在Meta建立了VR硬件团队，打造了Oculus Rift和Quest。最近，她在OpenAI从零开始建立机器人和硬件部门。
换句话说，她见证了三个时代的硬件革命。
而她现在想告诉我们的是：物理世界的时代来了。而我们还没准备好。
硬件领导的四条铁律
在深入核心警告前，Caitlin分享了她从Apple、Meta和OpenAI学到的东西——这些规则现在对所有进入硬件领域的公司都至关重要。
第一条：提前定义目标，并坚持不懈
硬件不像软件那样可以适应许多变化。如果你说"我们想要一个300美元的产品"，然后中途改成"实际上它需要是150美元"，你已经浪费了大量早期时间。
"改变你的目标是最困难的事情，"她说，"但如果你正确地做到这一点，如果你有正确的优先级，你就知道你是否能够发货。"
第二条：先做最难的部分
大多数工程师从他们知道如何做的事情开始。大错。在MacBook项目中，他们需要通过铰链路由电缆。电缆是否会适合？架构师从那里开始，而不是从已知的部分开始。最好的架构师寻找瓶颈。他们首先做详细设计的地方。
第三条：在客户接触最多的地方花费最多的迭代
在电脑上，你最常接触的是触控板和键盘。这些东西必须非常好。其他部分可以少一点迭代。优化资源，而不是均匀分配。
第四条：不要等待。永远不要
"如果你知道你需要做某事，现在就做，"Caitlin说，"硬件中实际上没有更多的时间。延迟就是浪费。"这不是鸡汤。这是物理学的结果。
数字天花板与物理前沿
在旧金山的AI实验室里，一个共识正在形成。大语言模型的性能曲线依然陡峭，但所有人都能看到那条曲线最终会平缓。
"数据中心可以更快地处理信息，"Caitlin解释说，"但它们处理的仍然是比特和字节。你能在键盘后面用AI做的事情是有限的。"
这就是为什么，突然之间，每个AI公司都在谈论机器人。
OpenAI在建。Google在建。Meta在建。但大多数人都忽略了一个基本事实：物理世界的规则完全不同。
在数字世界，你可以部署一个更新，修复一个漏洞。在物理世界，你只有4到5次机会来编译你的代码。这不是比喻。这是现实。
为什么硬件这么难
Caitlin经常这样向软件工程师解释：你们每天都在编译代码。硬件工程师呢？
"我们设计一个产品，在CAD中反复迭代，然后发布它。一旦发布，我们编译最后一次——为大规模生产。就这样。完成了。"
这意味着每一个设计决策都必须是正确的。
考虑一下零件的方差。当你制造数百万台设备时，每个零件都会在一定范围内波动。这些微小的差异会累积。你必须设计一个系统，即使在最坏的情况下也能完美运行。
这就是为什么硬件工程师比软件工程师更有价值。至少在这个新时代。他们不能依赖修补程序。他们必须依赖直觉、经验和对物理学的深刻理解。
VR的真实故事
很多人看到Meta在VR上花费100多亿美元，然后看到消费者基本上拒绝了它，他们得出结论：这是一个失败。
Caitlin不同意。
"VR帮助我们理解了如何在空间中定向事物。我们开发了SLAM和深度传感器的应用。我们学到了人类如何感知视觉数据。"
然后呢？所有这些技术现在都在机器人中被使用。
VR没有赢得消费者。但它赢得了机器人。
Meta在VR上的投资不是浪费。它是对下一个十年的投资。这是硬件思维的标志：有时候，最重要的失败是那些教会你如何赢的失败。
供应链的脆弱性：一个国家安全问题
但这不仅仅是消费者机器人。Caitlin把对话转向了一个更黑暗的话题。
"在乌克兰，我们看到了战争中最大的变化。在接下来的两年里，我们需要投资更多的无人机，而不是航空母舰。"
她停顿了一下。
"想象一下10万架无人机从中国飞来。我们准备好了吗？"
答案是：没有。
这是一个硬件工程师基于供应链现状的冷静评估。过去25年，硬件制造的每一层都已经外包给了中国、日本、韩国。从原材料开始。
"磁铁是一个很好的起点。然后我们需要能够处理它们。然后我们需要能够将它们集成到执行器中。"
执行器就是电动机。但不仅仅是任何电动机——是精密的、高性能的、可靠的电动机。 它们是机器人手臂、无人机螺旋桨、任何需要精确运动的东西的心脏。
而我们几乎没有国内的执行器制造能力。
这是一个国家安全问题。
"我们需要在这些层中建立一些独立性。你现在的盟友将来可能不是。"这不是贸易保护主义。这是战略自主。
记忆芯片的隐形危机
还有另一个威胁悄悄接近。
AI数据中心正在吞噬所有可用的内存芯片。一个训练GPT的数据中心需要数十万块内存芯片。这些数据中心对成本不敏感——它们会为芯片支付任何价格。与此同时，消费硬件制造商——比如机器人公司——正在被挤出市场。
价格已经上涨了6倍。
Caitlin认为它们可能会翻倍。
"我建议初创公司预先购买内存，"她说，"如果他们能负担得起的话，要有足够的库存来度过价格飙升期。"
你不能创新你的方式走出这个问题。你只能囤积并希望最好。这是硬件时代的一个残酷真理：有时候，解决方案不是工程。是经济学。是地缘政治。
安全可以被设计出来
有一个关于机器人的更微妙的问题。当机器人变得足够先进来在人类身边工作时会发生什么？
Caitlin指出了一个许多人没有考虑的设计选择：重量和柔软度。
"如果一个机器人看起来很可怕，人们不会想要它。你希望这些设备看起来柔软，对你有反应。"
但这不仅仅是美学。这是物理学。
"如果机器人的手臂更轻更软，那么它击中你时的冲击就会更低。你必须考虑手臂通过空间移动的能量，以及旋转执行器的能量。如果它很硬，脉冲就很高。但如果它柔软可压缩，脉冲就更低。"
安全可以被设计出来。 它不是事后的想法。它是从第一原理开始的。这是硬件工程师和软件工程师思维方式的根本区别。
为什么是现在
所以为什么现在每个人都在谈论硬件？
部分原因是AI的进步使机器人变得可行。但更大的原因是数字世界已经饱和。
"我们已经有复杂的系统能够非常快速地解决数字世界中的问题。但你可以看到那条隧道的尽头。"
当饱和到来时——而它会到来——下一个前沿就是物理世界。
机器人。制造业。工业化。真实世界中的感知层。移动真实世界中的物体的能力。
这不是科幻小说。这是一个硬件领导者基于她所看到的、她所构建的东西的评估。
我们准备好了吗
Caitlin不会预测具体的时间表。没有人能。
但她清楚一点：我们没有为此做好准备。
我们的供应链依赖于我们可能很快无法依赖的国家。我们的内存价格正在飙升。我们没有足够的国内制造能力。我们的军事思维仍然停留在航空母舰的时代，而战争正在变成无人机的事情。
但美国有一个优势。
"我们有一种先驱的、独立的精神和伟大的工程文化。但我们需要行动。"
下一个十年的竞争不会在云中进行。它会在物理世界中进行。在工厂里。在天空中。在我们的街道上。
五年后，当第一批国产执行器流水线启动时，我们会想起这一刻。我们会想起那些试图发出警告的人。我们会想起Caitlin Kalinowski为三个时代构建硬件，然后为第四个时代敲响警钟的时刻。
到那时，要么我们已经行动。要么为时已晚。