精华速览

OpenAI披露其AI模型正从软件开发延伸至实体工程设计与制造。GPT-6 Astra参与设计了一款可与Codex语音交互的桌面设备Codex pet，两名团队成员不到一周完成初步方案，代工厂不到一个月制作出原型机。在BenchCAD 2.0工程能力测试中，OpenAI一款更新的内部模型平均得分0.875，高于GPT-6 Astra最高推理设置下的0.594。OpenAI硬件团队自今年2月以来模型使用量增长23倍。此外，OpenAI宣布与马自达和Chip Ganassi Racing合作，探索AI在汽车空气动力学、零部件建模等实际生产场景中的应用。

要点透视

  • GPT-6 Astra参与设计Codex pet桌面设备，该设备配有显示屏和实体按键，用户按键后可语音与Codex交互；两名OpenAI成员不到一周完成初步设计，代工厂不到一个月制作出小批原型机。
  • GPT-6 Astra在Codex pet项目中承担功能需求确定、外壳设计、PCB布局与连接、电子元件选择，以及用户界面、固件和连接Codex的软件生成。
  • OpenAI硬件团队自今年2月以来按Token数量计算的模型使用量增长23倍，应用场景包括创建和修改CAD模型、制作制造图纸、搭建仿真环境及审核设计方案。
  • BenchCAD 2.0测试考察模型重建三维零部件和装配体、识别电路板连接关系的能力，OpenAI一款更新的内部模型平均得分0.875，GPT-6 Astra在最高推理设置下得分为0.594。
  • OpenAI与Chip Ganassi Racing合作测试将现有零部件三维扫描数据转换为可编辑CAD模型和二维制造图纸的工作流程，用于原始设计文件丢失或无法获取时重建数字设计资料。
  • OpenAI宣布与马自达开展新研究合作，GPT-6 Astra可辅助空气动力学工程师设计不同车头造型、模拟气流变化并优化方案，同时兼顾外观风格、性能表现和成本。
  • OpenAI技术人员Qiong Wang本科毕业于清华大学电气工程专业，后在弗吉尼亚理工大学获硕士和博士学位，曾任职谷歌电力工程师，现于OpenAI从事硬件系统设计相关工作。

文章拆解

OpenAI此次披露的信息显示，其模型能力正从代码生成向实体工程链条渗透。Codex pet项目是一个典型样本：GPT-6 Astra不仅参与外观设计，还介入PCB布局、电子元件选择和固件生成，两名成员不到一周完成初步方案，代工厂不到一个月做出原型机。这一节奏说明AI在工程设计环节的介入可能压缩早期方案迭代时间，但OpenAI也承认，模型尚不能始终准确考虑制造商实际生产关注的细节，从设计方案到可量产设备仍需多轮审核修改。

支撑这一判断的是内部使用数据。OpenAI硬件团队自今年2月以来模型使用量增长23倍，应用覆盖CAD模型修改、二维图纸转换、仿真和有限元分析等任务。使用量的快速增长表明工程团队正在将模型嵌入日常工作流，而非仅做概念验证。不过，使用量增长本身不等于效率提升，OpenAI也指出模型在工程设计上的进步只是早期信号，能否真正提升专业工作流程中的迭代效率尚待验证。

BenchCAD 2.0测试提供了另一个观察维度。OpenAI更新的内部模型平均得分0.875，明显高于GPT-6 Astra最高推理设置下的0.594，说明模型工程能力仍在快速迭代，且内部已有更强模型在测。但该测试聚焦三维零部件重建和电路板连接关系识别，与真实制造中的验证、生产环节仍有距离。

产业合作方面，CGR的扫描数据转CAD流程和马自达的空气动力学设计探索，均采用合作方工程师审核模型输出的模式。这种安排既是对模型准确性的检验，也意味着短期内AI在工程领域更可能扮演辅助角色，而非替代专业判断。值得关注的变量包括：模型对制造约束的理解能否改善、内部更强模型何时落地、以及合作方在实际生产中的采纳程度。潜在风险在于，若模型生成的设计方案在审核环节被频繁推翻，其效率收益可能被高估；相关合作的具体产出和量化效果尚待确认。

查看原文