OpenAI 进军物理工程：Astra 一周画出硬件原型，联合马自达搞仿真

让大模型写代码、写文案，大家早就见怪不怪了。但如果让 AI 去画机箱外壳、排电路板走线，甚至帮车企搞气流仿真呢？

OpenAI 最近公布了他们在物理工程领域的最新探索。说白了，他们正在把 GPT-6 Astra 和 Codex 这类多模态模型，推向机械设计、电气工程和端到端系统开发这些物理世界的硬核场景。

两个人当副业，一周搓出一台硬件

为了测试 Astra 在计算机操作和多模态工作流中的极限，OpenAI 做了一个实验：不用人类做任何直接编辑，能不能造出一台实体设备？

答案是两个团队成员在业余时间拿 Astra 当副手，用不到一周时间就敲定了一款可以和 Codex 对话的硬件原型。随后代工厂在不到一个月里，就把第一批原型样机造了出来。

这台设备几乎是 Astra 一手包办的。从参考玩具和键盘产品的外观设计，到内部装配固定结构的机械外壳，再到电路板上的元器件选型与 PCB 走线布设，甚至包括底层固件和软件集成，全由模型搞定。

但现实制造远比跑代码严苛。OpenAI 直言，样机送厂制造前还是经历了好几轮审查与迭代。Astra 往往不能稳定顾及代工厂的生产工艺极限、装配细节以及工程公差，这也是目前 AI 进军制造业最难啃的骨头。

内部用量暴涨 23 倍，车企和赛车队下场实测

虽然离全自动制造还差得远，但在辅助工程方面，OpenAI 内部已经深度依赖这些工具了。

在机器人研发和计算基础设施团队里，工程师们每天都在用 Codex 和 ChatGPT 搭建 CAD 模型、绘制 2D 加工图、配置仿真并做设计评审。从 2 月至今，OpenAI 硬件团队的模型 token 使用量暴涨了 23 倍。

在衡量 3D 零件重构与电路板连接识别的 BenchCAD 2.0 基准测试中，GPT-6 Astra 在最高推理设置下的得分是 0.594，而 OpenAI 正在测试的内部新模型已经把分数拉到了 0.875。

与此同时，实体制造业的客户也进场了。赛车队 Chip Ganassi Racing 正在用它把旧零件的 3D 扫描数据反向还原为可编辑的 CAD 模型和 2D 制造工程图，专门对付没有原始设计文件的情况。

马自达则找上门来，跟 OpenAI 合作拿模型跑气流和碰撞安全仿真，试图在兼顾成本和造型的前提下，加速下一代汽车的结构设计与气动优化。

为什么重要

我们认为，OpenAI 这一步走得相当实在。它没有吹嘘「AI 一键制造硬件」，而是老老实实指出了公差与工艺极限这些真实存在的工程鸿沟。

对于硬件工程师和独立创作者来说，现在的模型做不到直接替代开模师傅，但绝对是一个极高水平的打样助手。以前硬件创业最磨人的就是外观、结构、PCB 和固件各干各的，现在由同一个模型统筹草案，能把前期的跨学科对齐成本压到极低。

对行业而言，这场试验的信号很明显：AI 的主战场正从纯软件领域跨入工业制造。过去 CAD 和仿真软件巨头靠着复杂的参数化建模和专有格式筑起极高门槛，如今大模型正通过多模态输入和计算机控制能力，直接插手逆向工程和参数调试。

不过隐患同样显而易见。软件写错了个 bug 大不了重新编译，但在物理世界里，一旦几毫米的公差算错，整批冲压件或电路板就全成了工业垃圾。在可靠性没有彻底解决前，人类工程师的严格把关依然是不可跨越的一环。