OpenAI 展示 AI 輔助硬體設計：原型可製作，量產限制仍須工程師把關

OpenAI 公布模型參與裝置、機械與電路設計的內部試驗，並提供原型製作時間、基準測試及製造環節的限制。使用量增加不等於生產力等幅提升。

資料整理

文章目錄

資料圖：深色桌面上的兩塊綠色印刷電路板，可見晶片、連接器和線路

兩塊印刷電路板，攝於2024年8月31日。資料圖。並非OpenAI原型。攝影: IMG 4512 · CC0 1.0.

原型進度與製造限制

OpenAI 於 2026 年 11 月 3 日公布一項將模型用於實體工程的試驗。團隊使用 GPT‑6 協助定義可與 Codex 互動的裝置需求與設計，並描述 GPT‑6 Astra 在外殼結構、印刷電路板、介面、韌體及軟體連接設計中的參與。據公司揭露，兩名成員兼顧其他工作，在不到一週內完成測試裝置設計；合約製造商則在不到一個月內製作了小批原型。這顯示的是特定流程中的原型開發進度，尚非模型能獨立完成商業化硬體開發的證明。¹

這類工作之所以複雜，是因為機械尺寸、電子元件位置、軟體功能與製造製程必須相互相容。模型可以協助整理需求、產生設計檔案或準備模擬，但實體產品最終仍須通過公差、組裝順序、供應及生產設備能力的檢驗。OpenAI 自己指出，原型進入製造準備階段後，仍經過數輪人工審核與修改；Astra 對製造商生產限制、公差以及組裝細節的考量並不穩定。¹

使用量與評測分數不等於量產表現

公司也表示，其硬體團隊使用模型的 token 量已達今年 2 月基準的 23 倍。這是使用量指標，不代表生產力提高 23 倍。在 BenchCAD 2.0 內部測試中，一個較新的內部模型平均得分 0.875，高於 GPT‑6 Astra 在最高推理設定下的 0.594；測試評估三維零件重建與電路板連接辨識，不能直接換算為實際產品的可靠性或製造成本。¹

OpenAI 正讓外部工程師檢查模型輸出，並與 Chip Ganassi Racing 探索將現有零件的三維掃描轉為可編輯 CAD 模型及二維製造圖面。這裡最有實際價值的場景，可能是在缺少原始設計檔案時，減少逆向整理的重複工作；但可編輯與可製造仍是兩項不同門檻。現階段較審慎的結論是，AI 在工程文件、設計迭代和跨專業協調上展現潛力，最終簽核責任仍在具備設備、材料和製程知識的人員。¹