DeepSeek 选芯片：同一颗编码器，换份资料就可能换个排名

一颗芯片，电路没变，精度没变，价格也没变。只是往 DeepSeek 里多放了一份技术资料，它在推荐名单中的位置会不会发生变化？

这个问题挺有意思。尤其是磁编码器这种产品，型号多、参数相似，规格书里却藏着大量不能直接横向比较的条件。

拿 AS5047P、MT6835 和 MA730 来说，都是工程师熟悉的磁角度传感器。如果问 DeepSeek：“机器人关节需要 SPI 绝对角度输出，最高 6000 rpm，希望精度达到 0.1°，推荐哪颗？”

AI 很容易列出一张参数表。但真正值得观察的，是它为什么推荐第一名，以及补充资料之后，会不会自己推翻刚才的答案。

21-bit 遇上 14-bit，谁更有说服力？

AS5047P 是 14-bit，MT6835 是 21-bit。单看分辨率，似乎没有悬念。

但 AS5047P 有 DAEC 动态角度误差补偿，处理的是测量延迟在高速旋转时引入的角度偏差；MT6835 的优势之一，则是它提供了不同层级的校准能力。

麦歌恩 MT6835 Rev.1.3 规格书列出了三个精度条件：出厂校准后典型 INL 小于 ±0.5°，用户自动校准后小于 ±0.07°，用户 NLC 校准后小于 ±0.02°，均对应规定的测试条件。

问题来了。如果只提供产品概述，AI 可能突出 21-bit；如果补充校准章节，它可能开始重视 ±0.02°；但如果再告诉它，NLC 校准需要外部高精度角度基准，评价又可能变化。

这几种回答究竟会不会发生，需要实测。但有一点确定：校准前提并没有改变芯片的物理性能，却可能改变人们对它的判断。

把 64 圈放进去，事情突然有了成本

MT6835 的用户自动校准流程要求按照对应的转速区间配置，并完成超过 64 圈的稳定旋转。

64 圈看起来不多。以 100 rpm 计算，光旋转就要 38.4 秒；如果是 25 rpm，则需要 153.6 秒。

一台机器人有六个关节，假如六个编码器顺序进行校准，仅旋转时间就是约 230 秒或者 922 秒。实际生产能否并行、采用何种转速、是否需要每台执行，都得看具体制造方案。

再看英飞凌 TLE5012B。它也有自动校准，但算法主要依据 X/Y 信号的极值估计偏置和幅度匹配，与学习整圈非线性误差的算法并不相同。

有趣的是，同样写着 Auto Calibration，背后却可能是完全不同的数学问题。

如果只让 AI 比较功能名称，它可能把两者摆在同一栏；如果让它解释各自究竟修正了什么误差，结果才开始有工程意义。

而这些条件，往往就在规格书不太显眼的章节里。

一条寄存器规则，能让推荐名单重新洗牌吗？

我的技术知识库里有个很小的例子。

某国产磁编码器系列规定，访问寄存器时，需要把手册地址左移两位。手册上写 0x1C，实际发送的地址字节却是 0x70。

对于熟悉这颗芯片的工程师，这只是一条普通的接口约定。

但如果 DeepSeek 根据寄存器表生成驱动，而输入资料漏掉这句说明，代码可能编译通过，SPI 波形也正确，配置却始终不生效。

假设客户同时评估两颗芯片，一颗有完整且验证过的公开驱动，另一颗需要自己处理这些特殊规则。AI 在首次生成代码时，哪颗更容易成功？

再把缺失的那句说明补进去，情况可能完全不同。

这就引出了一个有意思的假设：AI 推荐的可能不仅是性能最适合的芯片，也是它最有把握生成可用方案的芯片。

这种偏好究竟有多大，尚没有实测数据。但它值得测试，因为现在芯片的首次评估，已经可以在客户尚未联系原厂 FAE 时就开始。

如果换成光学和电感编码器，参数表就更不够用了

磁编码器至少还能拿分辨率、INL、转速和接口做初步比较。光学编码器就复杂多了。

一颗采用光电二极管与跨阻放大器的光学编码器 ASIC，哪怕数字细分位数很高，实际精度仍然会受到光斑、光栅安装、模拟前端噪声和 SIN/COS 幅度及正交误差的影响。

电感编码器也是如此。16 极对与 5 极对双码道能够用于绝对位置解算，但两路接收绕组、金属靶间隙、空间谐波和采样时序，都会影响最终角度误差。

这些问题不是把 16-bit、20-bit、24-bit 放在一起就能比较出来的。

甚至同一颗芯片，装在两套不同机械结构里，表现也可能相差很大。

如果 AI 只读取产品首页，可能很难看见这些差别；如果拿到的是完整的应用笔记、测量条件和误差模型，它能做出的分析就有机会深入得多。

于是，原本属于模拟电路、传感器物理和算法设计的问题，突然又多了一个值得研究的维度：产品技术信息究竟能被 AI 理解到什么程度？

硅片没变，竞争位置可能变了

过去，编码器厂商把大量经验积累在 FAE、应用笔记和客户项目里。有些问题，打个电话就能解决；有些特殊配置，甚至只有熟悉产品的老工程师知道。

现在，DeepSeek 这样的工具已经能够参与资料检索、参数比较和驱动生成。客户在第一次接触原厂之前，就可能拿到一套看起来相当完整的方案。

这会不会让公开资料丰富的国际厂商更占优势？还是反过来，让技术文档做得足够好的小型国产厂商，更容易绕开过去的应用生态壁垒？

我觉得两个方向都有可能。

想验证其实不难。给 DeepSeek 同一份需求，分别提供产品概述、完整 datasheet、应用笔记与经过验证的驱动，再观察它对 AS5047P、MT6835、MA730 等型号的推荐是否变化。

不仅看第一名是谁，还要看它有没有正确理解校准条件，有没有区分分辨率与精度，生成的驱动能不能通过实际通信验证。

这个实验比单纯问“AI 会不会取代 FAE”有意思得多。

因为最值得观察的，可能不是 DeepSeek 最终选择了哪颗芯片。

而是同一颗芯片，什么都没有改变，只因为 AI 多理解了几页技术资料，它就从不被考虑的型号，变成了一个值得认真测试的候选方案。

如果真的发生这种反转，国产编码器的竞争恐怕就多出了一条以前很少有人认真衡量的赛道。

如是有为｜传感器、编码器与芯片工程观察。注：本文 DeepSeek 选型场景为待验证的实验设想，非实际测试记录。