OpenAI进军物理工程：AI全流程参与硬件与汽车研发

OpenAI 近日披露了前沿 AI 模型在实体产品设计、仿真与制造领域的最新进展。相关能力已覆盖机械工程、电气工程及软硬件一体化系统设计，正逐步渗透至工业研发的核心链路。

在工程实践中，工程师需要跨专业整合机械结构、电子电路、固件及制造工艺。OpenAI 正在训练模型承担复杂的跨学科协同任务，涵盖生成工程图纸、配置物理仿真以及协调跨专业的设计变更。

Astra 端到端自主设计硬件设备

为了检验 Astra 在多模态与计算机使用（Computer-Use）工作流中的能力，OpenAI 尝试在无人工直接干预设计的前提下开发了一款实体设备。团队使用 GPT-6 梳理功能需求，完成了外观外壳、印刷电路板（PCB）和配套软件系统的全套研发：

• 工业设计：借鉴与 Work Louder 的合作经验，从游戏设备与玩具中汲取造型灵感。
• 机械结构：Astra 独立设计了外壳结构以及内部元件的固定骨架。
• 电气工程：自主完成元器件选型，并绘制了适配外壳尺寸的 PCB 布局与布线。
• 软硬件协同：设计了 UI 交互界面，并生成了对接底层 Codex 所需的固件与集成代码。

两位团队成员借助 Astra，在不到一周的时间内完成了整机设计方案，合作代工厂随后在不到一个月内完成了小批量原型制造。不过 OpenAI 指出，模型在量产制造公差和精细装配约束上仍有局限，方案仍需工程人员进行最终校验与评审。

内部硬件研发提速 23 倍

在 OpenAI 内部，硬件与计算基础设施团队正深度使用 Codex 和 ChatGPT 构建及修改计算机辅助设计（CAD）模型、生成制造图纸并运行机器人仿真。自今年 2 月以来，相关硬件团队的模型 Token 用量已激增至原先的 23 倍。

在结合编程与机械工程知识的基准测试 BenchCAD 2.0 中，AI 需要重建三维零件装配体并识别电路拓扑。数据显示，OpenAI 内部最新模型的平均得分达到 0.875，显著高于 GPT-6 Astra 在最高推理设置下的 0.594 分。

携手马自达与赛车队落地实战

OpenAI 正在将工程级模型推向真实工业场景：

1. 逆向工程与制造：与赛车团队 Chip Ganassi Racing 合作，测试将零部件三维激光扫描点云数据直接逆向重建为可编辑的 CAD 模型和二维加工图纸，大幅缩短缺失原厂图纸时的修复周期。
2. 汽车空气动力学优化：与马自达汽车（Mazda）达成前沿研究合作。马自达的气动与安全工程师利用 GPT-6 Astra 对新车车头造型进行几何建模，通过流体与碰撞响应仿真，在压低造型风阻的同时兼顾结构成本。

OpenAI 表示，目前正在面向机械工程、机电一体化及工业软件厂商开放合作通道，以推动 AI 智能体在高端实体制造中的安全落地。