Schematik एआई वाइब कोडिंग को भौतिक दुनिया में लाना चाहता है

कोड जनरेशन से डिवाइस निर्माण तक

एआई इंटरफेस का नवीनतम प्रयोग स्क्रीन से निकलकर कार्य-मेज़ पर पहुंच रहा है। Wired की रिपोर्ट के अनुसार, Amsterdam-आधारित संस्थापक Samuel Beek द्वारा बनाई गई Schematik खुद को “Cursor for Hardware” के रूप में पेश कर रही है, जो एक ऐसा उपकरण है जिसका उद्देश्य उपयोगकर्ताओं को बताई गई भौतिक डिवाइस के निर्माण में मदद करना है और फिर उन्हें components, sourcing, और assembly पर मार्गदर्शन देना है।

इस पिच को समझना आसान है क्योंकि यह एक बहुत ठोस विफलता से निकली है। Beek ने Wired को बताया कि इलेक्ट्रिक door opener के लिए ChatGPT-जनित wiring guidance पर भरोसा करने के बाद उन्होंने अपने घर के सभी fuse उड़ा दिए थे। उन्होंने कहा कि इस समस्या ने उन्हें ऐसा एआई बनाने के लिए प्रेरित किया जो hardware contexts में “गहराई से समझता हो कि वह किस बारे में बात कर रहा है,” जहां गलतियां सिर्फ परेशान करने वाली नहीं बल्कि संभावित रूप से विनाशकारी भी हो सकती हैं।

हार्डवेयर एआई के लिए कठिन समस्या क्यों है

सॉफ्टवेयर “vibe coding” एआई सिस्टम को जल्दी काम करने वाला code पैदा करने के लिए prompt करने का एक संक्षिप्त तरीका बन गया है। हार्डवेयर कम माफ करने वाला होता है। गलत सॉफ्टवेयर output किसी ऐप को crash करा सकता है। लेकिन गलत हार्डवेयर instruction connection को short कर सकती है, उपकरण को नुकसान पहुंचा सकती है, या safety risks पैदा कर सकती है। Wired की रिपोर्टिंग Schematik के उभरने के लिए इसी तनाव को पृष्ठभूमि के रूप में इस्तेमाल करती है।

लेख के अनुसार, यह product उपयोगकर्ताओं को यह बताने देता है कि वे क्या बनाना चाहते हैं, जिसके बाद system आवश्यक wires और components सुझाता है, उन्हें खरीदने के लिए links देता है, और सब कुछ जोड़ने में मार्गदर्शक की भूमिका निभाता है। इससे एआई इंटरफेस केवल विचार-निर्माण से आगे बढ़कर अधिक operational भूमिका में आ जाता है: वास्तविक दुनिया के parts चुनना और assembly की प्रक्रिया को आकार देना।

इसका वादा स्पष्ट है। गहरी हार्डवेयर ट्रेनिंग के बिना कोई व्यक्ति विचार से वस्तु तक अधिक तेजी से पहुंच सकता है। जोखिम भी उतना ही स्पष्ट है। अगर model का judgment गलत है, तो भौतिक परिणाम उस तरह विफल हो सकते हैं जो एक buggy web app से कहीं अधिक गंभीर हो। इसलिए Schematik की अपील इस बात पर टिकी है कि क्या वह रचनात्मक महत्वाकांक्षा और भरोसेमंद निष्पादन के बीच की दूरी कम कर सकती है।

शुरुआती traction पहले से दिख रही है

Wired के अनुसार, Beek ने फरवरी में X पर इस विचार के बारे में पोस्ट किया और इसे आज़माने के इच्छुक लोगों से मजबूत रुचि हासिल की। उनमें से एक, N8N branding lead Marc Vermeeren, ने कहा कि उन्होंने Schematik का उपयोग कई devices बनाने में किया, जिनमें एक MP3 player और Clawy नाम का Tamagotchi-शैली का bot शामिल है, जो Claude coding sessions को manage करने में मदद करता है। लेख में अन्य उपयोगकर्ताओं द्वारा अपनी खुद की variations बनाने का भी वर्णन है।

यह महत्वपूर्ण है क्योंकि maker tools अक्सर polished businesses बनने से पहले community enthusiasm पर ही टिकते या गिरते हैं। इस मामले में, startup के पास user experimentation और investor backing दोनों दिखाई देते हैं। Wired की रिपोर्ट के अनुसार Schematik ने Lightspeed Venture Partners से $4.6 million जुटाए हैं और Beek इसके आसपास एक business बनाने की योजना बना रहे हैं।

Anthropic की भूमिका निवेश नहीं, enablement है

लेख का शीर्षक संकेत देता है कि Anthropic भी इसमें शामिल होना चाहता है, और body बताती है कि इसका क्या मतलब है। Anthropic engineer Felix Rieseberg ने X पर पोस्ट किया कि कंपनी ने makers और developers के लिए Bluetooth API सक्षम किया है। संदर्भ में देखें तो यह Schematik जैसे tools द्वारा खोले जाने वाले hardware-building workflows के लिए platform support जैसा लगता है।

यह एक महत्वपूर्ण भेद है। दिए गए text के आधार पर, Anthropic को यहां Schematik में investor के रूप में वर्णित नहीं किया गया है। Wired जो दिखाता है वह frontier AI models और maker-oriented tooling के बीच बढ़ता हुआ alignment है। अगर बड़े model providers devices, hobby electronics, और connected products के लिए उपयोगी interfaces expose करते हैं, तो coding assistant और hardware assistant के बीच की सीमा धुंधली होने लगती है।

कहानी के पीछे का बड़ा बदलाव

Schematik सिर्फ इसलिए दिलचस्प नहीं है कि वह लोगों को gadgets assemble करने में मदद करता है, बल्कि इसलिए भी कि वह AI product design के एक व्यापक pattern को आगे बढ़ाता है। उपयोगकर्ता increasingly मॉडलों से workflows across agents होने की उम्मीद करते हैं, न कि सिर्फ answer engines होने की। सॉफ्टवेयर में यह अपेक्षा पहले ही सामान्य हो चुकी है। हार्डवेयर में यह अभी भी प्रयोगात्मक है, आंशिक रूप से क्योंकि गलत होने की लागत अधिक है और संबंधित ज्ञान parts, tolerances, connections, और constraints में अधिक grounded है।

इसीलिए Schematik का “Cursor for Hardware” के रूप में वर्णन असरदार है। यह एक परिचित software metaphor को अधिक कठिन domain में अनुवादित करता है। क्या यह तुलना पूरी तरह सही बैठती है, यह अभी भी खुला प्रश्न है। लेकिन महत्वाकांक्षा साफ है: एक prompt किए गए विचार और एक काम करने वाले भौतिक artifact के बीच की दूरी कम करना।

यह hobbyists से आगे क्यों मायने रख सकता है

अगर ये tools बेहतर होते हैं, तो इनकी relevance weekend tinkering तक सीमित नहीं रहेगी। prototypes पर तेज iteration शिक्षा, product design, internal tooling, और छोटे manufacturing teams के लिए महत्वपूर्ण हो सकती है। मूल लाभ जादू नहीं है। यह compression है। एक system जो parts सुझा सके, assembly steps बता सके, और पूरे build process में context-aware रह सके, वह कुछ वास्तविक बनाने की शुरुआत को आसान कर सकता है।

इसके बावजूद, Wired का framing केंद्रीय सावधानी को सामने रखता है। हार्डवेयर वह जगह है जहां अस्पष्ट एआई आत्मविश्वास जले हुए components, बर्बाद समय, या उससे भी बुरा परिणाम दे सकता है। इस श्रेणी की असली परीक्षा यह नहीं है कि यह रचनात्मक महसूस होती है या नहीं। परीक्षा यह है कि क्या wires वास्तविक होने पर उस पर भरोसा किया जा सकता है।

क्या देखें

• क्या maker communities सार्वजनिक build workflows में AI-native hardware tools को अपनाना जारी रखती हैं।
• Anthropic जैसे model providers devices और peripherals के लिए targeted interfaces कितनी दूर तक expose करते हैं।
• क्या reliability और safety, AI-assisted hardware design में मुख्य differentiators बनते हैं।

Schematik applied AI की एक वास्तविक frontier को पकड़ता है: software जनरेट करने से physical creation को orchestrate करने की ओर बढ़ना। अवसर बड़ा है। गलती की कीमत भी उतनी ही बड़ी है।

यह लेख Wired की reporting पर आधारित है। मूल लेख पढ़ें.