CircuitPilot이 대규모 언어 모델로 제조 가능한 PCB 자동 배선 엔진을 구축함

CircuitPilot의 가장 큰 가치는 LLM에게 PCB의 공간 문제까지 억지로 맡기지 않았다는 데 있다고 봅니다. 기사에 따르면 OpenAI·Claude·로컬 LLM은 부품 매니페스트 추출과 IPC 규칙 검사를 담당하고, 실제 배치와 배선은 직접 작성한 Python 엔진이 처리합니다. 생성 결과를 KiCad에서 열 수 있는 .kicad_pcb 파일로 내보내고 오픈 소스로 공개했다는 점도 연구용 프로젝트로서는 의미가 큽니다. 다만 KiCad에서 열리는 파일과 바로 제조할 수 있는 설계는 전혀 같은 말이 아닙니다.

LLM과 기하·물리 엔진을 분리한 설계는 재현성과 검증 가능성을 높일 가능성이 큽니다. 자연어에서 부품명, 수량, 연결 관계를 뽑아내는 일은 LLM이 잘할 수 있지만, 좌표 충돌이나 배선 폭 같은 제약을 언어 모델의 출력만으로 보장하기는 어렵기 때문입니다. 비평기가 매니페스트를 검사하는 구조도 입력 단계의 오류를 줄이는 데 유용해 보입니다. 하지만 LLM이 잘못된 풋프린트, 누락된 전원 네트, 모호한 부품 사양을 자신 있게 생성할 가능성은 여전히 남습니다. 따라서 비평기는 최종 심판이라기보다 불완전한 입력을 걸러내는 첫 번째 방어선에 가깝다고 봅니다.

힘 기반 그래프 시뮬레이션은 연결된 부품을 가깝게 만들고 서로 겹치지 않게 밀어내는 직관적인 방법입니다. 소규모 보드나 배치 후보를 빠르게 만드는 데는 꽤 효과적일 수 있습니다. 그러나 이런 방식은 초기 조건과 가중치에 따라 지역 최적해에 갇힐 가능성이 있으며, 부품 배치가 좋아 보여도 배선 단계에서 병목이 생길 수 있습니다. 네트 인식 최단 경로, 45도 모따기, 다층 비아 지원 역시 중요한 기능이지만, 각 네트를 따로 잘 잇는 것이 전체 보드의 배선 가능성을 보장하지는 않습니다. 한 네트의 최단 경로가 다른 네트의 탈출로를 막을 수 있기 때문입니다.

더 중요한 문제는 기사에 제시된 기능만으로는 제조 적합성의 범위를 판단하기 어렵다는 점입니다. 고속 신호의 임피던스와 길이 매칭, 차동쌍 규칙, 전원 무결성, 열 분산, EMI, 고전류 트레이스, 층별 스택업이 어떻게 처리되는지는 드러나지 않습니다. 또한 제조사별 최소 선폭과 간격, 드릴 크기와 종횡비, 비아의 환형 패드, 솔더마스크, 패널화, 조립 장비의 부품 방향 같은 DFM·DFA 조건도 실제 생산에서는 중요합니다. IPC 규칙 검사가 이 모든 항목을 자동으로 포괄한다고 단정할 근거는 없습니다.

그렇다고 이 프로젝트를 과소평가할 필요는 없습니다. 단일 docker-compose up으로 실행할 수 있고 소스가 공개됐다는 사실은 실패 사례와 개선 과정을 외부 개발자가 직접 확인하게 만듭니다. 특히 어떤 배치·배선 규칙을 엔진에 넣었는지, 특정 보드에서 어느 정도의 성공률을 보이는지 공개 벤치마크를 만들 수 있다는 점이 강점입니다. 다음 단계에서는 회로도와 풋프린트 검증, 결정론적 제약 솔버, 전기적 규칙 검사, 제조사별 DRC, 사람이 승인해야 하는 체크포인트를 하나의 파이프라인으로 묶어야 합니다.

결국 CircuitPilot은 인간 설계자를 대체했다기보다 자연어 요구사항을 배선 가능한 초안으로 변환하는 오픈 소스 실험대에 가깝습니다. 이 초안을 반복 생성하고 비교하는 데는 상당한 생산성 향상이 있을 가능성이 큽니다. 반면 고속·고집적·고전력 보드에 대해 자동 생성 결과를 그대로 제조에 넘기는 단계는 아직 멀어 보입니다. 프로젝트가 앞으로 제조사 규칙과 실제 생산·검증 데이터까지 연결한다면 강력한 설계 보조 도구로 발전할 수 있지만, 지금은 ‘제조 가능’이라는 표현보다 ‘제조 가능성을 향해 검증할 수 있는 자동 배선 기반’이라고 부르는 편이 정확합니다.