OpenAI 進軍物理工程：Astra 一週畫出硬體原型，聯合馬自達搞模擬

讓大模型寫程式碼、寫文案，大家早就見怪不怪了。但如果讓 AI 去畫機箱外殼、排電路板走線，甚至幫車企搞氣流模擬呢？

OpenAI 最近公佈了他們在物理工程領域的最新探索。說白了，他們正在把 GPT-6 Astra 和 Codex 這類多模態模型，推向機械設計、電氣工程和端到端系統開發這些物理世界的硬核場景。

兩個人當副業，一週搓出一臺硬體

為了測試 Astra 在計算機操作和多模態工作流中的極限，OpenAI 做了一個實驗：不用人類做任何直接編輯，能不能造出一臺實體裝置？

答案是兩個團隊成員在業餘時間拿 Astra 當副手，用不到一週時間就敲定了一款可以和 Codex 對話的硬體原型。隨後代工廠在不到一個月裡，就把第一批原型樣機造了出來。

這臺裝置幾乎是 Astra 一手包辦的。從參考玩具和鍵盤產品的外觀設計，到內部裝配固定結構的機械外殼，再到電路板上的元器件選型與 PCB 走線佈設，甚至包括底層韌體和軟體整合，全由模型搞定。

但現實製造遠比跑程式碼嚴苛。OpenAI 直言，樣機送廠製造前還是經歷了好幾輪審查與迭代。Astra 往往不能穩定顧及代工廠的生產工藝極限、裝配細節以及工程公差，這也是目前 AI 進軍制造業最難啃的骨頭。

內部用量暴漲 23 倍，車企和賽車隊下場實測

雖然離全自動製造還差得遠，但在輔助工程方面，OpenAI 內部已經深度依賴這些工具了。

在機器人研發和計算基礎設施團隊裡，工程師們每天都在用 Codex 和 ChatGPT 搭建 CAD 模型、繪製 2D 加工圖、配置模擬並做設計評審。從 2 月至今，OpenAI 硬體團隊的模型 token 使用量暴漲了 23 倍。

在衡量 3D 零件重構與電路板連線識別的 BenchCAD 2.0 基準測試中，GPT-6 Astra 在最高推理設定下的得分是 0.594，而 OpenAI 正在測試的內部新模型已經把分數拉到了 0.875。

與此同時，實體制造業的客戶也進場了。賽車隊 Chip Ganassi Racing 正在用它把舊零件的 3D 掃描資料反向還原為可編輯的 CAD 模型和 2D 製造工程圖，專門對付沒有原始設計檔案的情況。

馬自達則找上門來，跟 OpenAI 合作拿模型跑氣流和碰撞安全模擬，試圖在兼顧成本和造型的前提下，加速下一代汽車的結構設計與氣動最佳化。

為什麼重要

我們認為，OpenAI 這一步走得相當實在。它沒有吹噓「AI 一鍵製造硬體」，而是老老實實指出了公差與工藝極限這些真實存在的工程鴻溝。

對於硬體工程師和獨立創作者來說，現在的模型做不到直接替代開模師傅，但絕對是一個極高水平的打樣助手。以前硬體創業最磨人的就是外觀、結構、PCB 和韌體各幹各的，現在由同一個模型統籌草案，能把前期的跨學科對齊成本壓到極低。

對行業而言，這場試驗的訊號很明顯：AI 的主戰場正從純軟體領域跨入工業製造。過去 CAD 和模擬軟體巨頭靠著複雜的引數化建模和專有格式築起極高門檻，如今大模型正通過多模態輸入和計算機控制能力，直接插手逆向工程和引數除錯。

不過隱患同樣顯而易見。軟體寫錯了個 bug 大不了重新編譯，但在物理世界裡，一旦幾毫米的公差算錯，整批沖壓件或電路板就全成了工業垃圾。在可靠性沒有徹底解決前，人類工程師的嚴格把關依然是不可跨越的一環。