OpenAI의 물리 엔지니어링 도전: Astra로 1주일 만에 기기 설계, 마쓰다와 협력

AI가 소프트웨어 코드를 짜거나 문서를 작성하는 일은 이제 흔한 일상이 되었습니다. 하지만 AI에게 실제 하드웨어의 외형 케이스를 깎고, 회로 기판을 배선하며, 신차의 공기역학 시뮬레이션까지 맡긴다면 어떨까요?

OpenAI는 자사의 프론티어 모델인 GPT-6 Astra와 Codex를 기계 설계, 전자 공학, 물리 제품 개발 전반에 적용한 최신 연구 성과를 공개했습니다.

사이드 프로젝트로 1주일 만에 완성한 하드웨어 설계

Astra의 멀티모달 기능과 컴퓨터 사용 능력을 시험하기 위해, OpenAI 팀은 인간의 직접적인 도면 수정 없이 물리 기기를 제작할 수 있는지 검증했습니다. 목표는 사용자가 Codex와 대화할 수 있는 휴대용 기기 시제품을 만드는 것이었습니다.

OpenAI 직원 두 명이 사이드 프로젝트로 참여해 Astra와 함께 1주일도 채 안 되는 기간에 설계를 끝마쳤습니다. Astra는 기기의 외형 디자인과 내부 지지 구조, 부품 선정 및 PCB 기판 배선, 그리고 기기를 구동할 펌웨어와 인터페이스 소프트웨어까지 도맡았습니다. 위탁 제조사는 한 달이 채 지나지 않아 첫 시제품을 완성했습니다.

하지만 실제 공장 양산의 장벽은 높았습니다. 프로토타입을 실제 생산 라인에 올리기까지 여러 차례의 검토와 반복 수정 작업이 필요했습니다. Astra가 제조사의 가공 한계나 조립 세부 사항, 부품 공차를 일관되게 계산하지 못했기 때문입니다. 물리적인 제조 노하우를 습득하는 일이 AI에게 여전히 큰 숙제임을 보여주는 대목입니다.

사내 토큰 사용량 23배 폭증, 마쓰다 및 레이싱 팀과 실증

이러한 한계에도 불구하고 OpenAI 내부의 하드웨어 워크플로는 급격히 AI 중심으로 재편되고 있습니다. 로보틱스와 연산 인프라 팀에서는 CAD 모델 수정, 2D 제작 도면 작성, 시뮬레이션 세팅 등에 모델을 일상적으로 활용하고 있으며, 2월 이후 하드웨어 팀의 토큰 소비량은 무려 23배나 급증했습니다.

3D 부품 재구성과 회로 기판 연결성을 측정하는 BenchCAD 2.0 벤치마크에서는 최고 추론 설정의 GPT-6 Astra가 0.594점을 기록한 반면, 내부에서 테스트 중인 최신 모델은 0.875점까지 성능을 끌어올렸습니다.

실제 산업 현장과의 협력도 구체화되고 있습니다. 레이싱 팀 칩 가나시 레이싱(Chip Ganassi Racing)은 기존 부품의 3D 스캔 데이터를 편집 가능한 CAD 모델과 2D 제조 도면으로 변환하는 데 OpenAI 모델을 활용하고 있습니다. 원본 도면이 유실된 오래된 부품을 재생산할 때 특히 유용합니다.

마쓰다(Mazda)와의 연구 협력도 발표되었습니다. 마쓰다의 공기역학 및 충돌 안전 엔지니어들과 함께 공기 흐름과 구조 거동 시뮬레이션을 수행하며, 디자인과 비용을 동시에 고려한 새로운 차량 설계를 탐색하고 있습니다.

왜 중요한가

우리는 OpenAI가 이번 발표에서 'AI가 하드웨어를 전자동으로 만든다'고 과장하지 않고, 공차와 조립 한계라는 제조업의 엄연한 현실을 가감 없이 드러낸 점이 영리하다고 봅니다.

엔지니어와 하드웨어 스타트업에게 이 기술은 당장 공장 기술자를 대체하지는 못하더라도, 시제품 개발 속도를 극적으로 끌어올리는 강력한 조수가 될 수 있습니다. 이전에는 외형 디자이너, 기구 설계자, PCB 엔지니어, 펌웨어 개발자가 따로 협업해야 했던 초기 구상 단계를 단 몇 명이서 며칠 만에 조율할 수 있게 됩니다.

산업 전반으로 보면 AI의 전선이 소프트웨어를 넘어 전통적인 중공업 및 제조업 파이프라인으로 확장되고 있음을 보여줍니다. 다만 소프트웨어 버그는 재컴파일하면 그만이지만, 물리적 제품에서 수 밀리미터의 공차 오류는 막대한 자재 폐기로 직결됩니다. 이 신뢰성의 격차를 인간 엔지니어가 얼마나 효율적으로 통제하느냐가 당분간 핵심 관건이 될 것입니다.