OpenAI 展示 AI 辅助硬件设计：原型能做出来，量产约束仍需工程师把关

OpenAI 公布模型参与设备、机械与电路设计的内部试验，并给出原型制作时间、基准测试及制造环节的限制。

资料整理

文章目录

资料图：深色桌面上的两块绿色印刷电路板，可见芯片、连接器和线路

两块印刷电路板，摄于2024年8月31日。资料图。并非OpenAI原型。摄影: IMG 4512 · CC0 1.0.

原型设计进展，制造准备仍需审核

OpenAI 11 月 3 日公布一项把模型用于实体工程的试验。团队使用 GPT‑6 定义一款可与 Codex 交互的设备需求，并披露了 GPT‑6 Astra 在外壳结构、印刷电路板、界面、固件及软件连接设计中的参与。按公司披露，两名成员以兼顾其他工作的方式，在不到一周内完成测试设备设计；合同制造商在不到一个月内制作了小批原型。这证明的是特定流程中的原型推进，并不是模型已能独立完成商业化硬件开发。¹

这类工作之所以复杂，是因为机械尺寸、电子元件位置、软件功能和制造工艺必须相互兼容。模型可以帮助整理要求、生成设计文件或准备仿真，但实体产品最终仍要经受公差、装配顺序、供应和生产设备能力的检验。OpenAI 自己指出，原型进入制造准备阶段后仍进行了数轮人工审核和修改；Astra 对制造商的生产限制、公差以及装配细节的考虑并不稳定。¹

使用量与测试进步的实际边界

公司还表示，自今年 2 月以来，其硬件团队使用模型的 token 量已增至 2 月基准的 23 倍。这是使用量指标，不是生产率提高 23 倍。在 BenchCAD 2.0 内部测试中，一个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；测试考察三维零部件重建及电路板连接识别，不能直接换算成实际产品的可靠性或制造成本。¹

OpenAI 正让外部工程师检查模型输出，并与 Chip Ganassi Racing 探索将现有零件的三维扫描转成可编辑 CAD 模型及二维制造图纸。这里最有现实价值的场景，可能是原始设计文件缺失时减少逆向整理的重复劳动；但“可编辑”与“可制造”仍是两道不同的门槛。现阶段更审慎的结论是，AI 在工程文档、设计迭代和跨专业协调上显现潜力，最终签核责任仍在具备设备、材料和工艺知识的人。¹