OpenAI 让 AI 自己造硬件：两个人一周，从零画出一台整机

11 月 3 日，OpenAI 发了一篇不太”营销”的研究博客，主题是模型如何参与硬件工程。和以往”AI 帮你写代码”不同，这次它讲的是：模型能不能直接画外壳、布电路板、搭仿真，最后把一台设备交到工厂手上。

核心看点

• OpenAI 让 GPT-6 系列模型（Astra）在几乎零人工修改的前提下，从一句需求出发做完一台能和 Codex 对话的设备：外观、结构、PCB、界面、固件全部由模型产出。
• 两名员工把它当副业做，一周出设计，一个月出原型。
• 内部硬件与基础设施团队用 Codex、ChatGPT 改 CAD、出制造图纸、搭仿真，2 月至今 token 用量涨了 23 倍。
• 新基准 BenchCAD 2.0 上，一个更新的内部模型平均 0.875 分，GPT-6 Astra 最高推理档只有 0.594。
• 同时官宣两个产业合作：与 Chip Ganassi Racing 把 3D 扫描件转成可编辑 CAD 与 2D 图纸；与马自达做气动外形和碰撞安全研究。

从需求到整机，模型包了哪些活

测试目标很直白：不给人工修改的机会，看模型能不能独立做出一台”能和 Codex 对话”的小设备。GPT-6 先定义功能需求，然后四路推进——外观参考了此前与 Work Louder 合作的 Codex Micro，以及游戏、玩具的造型语言；结构上设计外壳和固定内部器件的支架；电气上做选型、布局、连线，把 PCB 塞进壳体；软件上设计界面，并生成固件和与 Codex 对接的集成代码。

结果：两名团队成员用一周的业余时间完成设计，代工厂在一个月内做出了小批量原型。放在传统硬件流程里，这相当于把”打样前的几个月”压缩成了一次冲刺。

内部已经在用，用量涨了 23 倍

OpenAI 的硬件与基础设施团队（覆盖机器人与算力基础设施）现在用 Codex 和 ChatGPT 修改 CAD 模型、准备制造图纸、配置仿真、做设计评审。从今年 2 月算起，这些团队的 token 用量增长了 23 倍——这个数字比任何演示视频都更能说明渗透速度。

为了量化进步，OpenAI 还更新了 BenchCAD 2.0：要求模型从图纸重建三维零件与装配体，并在电路板上识别连接关系。一个更新的内部模型平均得分 0.875，而 GPT-6 Astra 在最高推理档下是 0.594。

模型还差什么：公差、工艺、装配

OpenAI 自己也没藏着：要把设备推进到可量产，仍然需要多轮评审和返工。模型不能稳定地把代工厂的产能限制、公差、装配所需的细节纳入设计。这些”物理世界的脏活”，正是下一代模型要补的课。

所以现在的定位很清楚——模型是加速迭代的助手，不是替代工程师的设计师。所有对外合作里都强调：由人类工程师复核输出的准确性与可制造性。

两个产业信号：赛车与马自达

一是扩大与 Chip Ganassi Racing 的合作，测试把现有零件的 3D 扫描直接转成可编辑 CAD 模型和 2D 制造图纸——这在原始设计文件缺失时特别值钱，车队工程师负责核对精度与可制造性。二是与马自达的新研究合作：OpenAI 的研究与前瞻部署工程团队，和马自达的气动、碰撞安全工程师一起，用气流与结构仿真评估新车设计，GPT-6 Astra 已经在帮忙试不同的车头造型以降阻。

总结

代码世界是软约束，物理世界是硬约束。这次发布的真正含义，不是”AI 会画电路板了”，而是模型开始被允许进入有公差、有工艺、有安全责任的那部分工程流程。它现在能出草图、能提方案、能跑仿真，离”能签字”还差得远——但方向已经很清楚：下一个被 AI 重写的岗位，可能不在写字楼里，而在实验室和车间。