- OpenAI 在一周内设计出运作中的硬件装置,展示其技术能力。
- 原型开发需要协调多个工程领域,并面临制造挑战。
- OpenAI 的内部团队使用 Codex 和 ChatGPT 加速设计过程。
- OpenAI 与行业伙伴合作,探索模型在真实工程中的应用。
OpenAI 在不到一周的时间内设计出一款运作中的硬件装置,展示其技术如何应对复杂的工程任务。两名团队成员在 GPT-6 和 Astra 的协助下,将这一原型作为副项目进行开发。该装置通过专用的物理接口将用户连接至 Codex。该项目测试了 OpenAI 的模型是否能在无需直接人类编辑的情况下,处理整个硬件开发过程。Astra 协助开发装置的外观及内部组件,并负责电路板设计、固件及软件整合。
一家合同制造商在不到一个月内生产出小批量的原型。OpenAI 表示,这项实验提供了模型如何加速专业工程的初步视野。该公司亦与汽车及赛车合作伙伴合作,测试这些能力。
原型开发的挑战
原型的开发需要 Astra 协调多个工程领域。GPT-6 协助确立功能需求并指导设计过程。Astra 随后开发了外壳,该外壳容纳了装置的内部组件。模型还选定了电气元件并设计了印刷电路板 (PCB)。其工作涵盖了元件放置及电气连接,这些设计必须适合物理外壳。在软件方面,Astra 创建了用户界面并生成了固件,同时开发了连接装置与 Codex 所需的整合。然而,将原型准备好进入生产的过程中还出现了额外的挑战。
Astra 难以考虑制造限制和元件公差,工程师们还需通过多轮审查来解决组装要求。OpenAI 承认这些短处是改进的方向。
这项实验显示模型能够多快产出初步设计。制造仍然需要工程监督和实际调整。OpenAI 的内部硬件及基础设施团队已经在使用 Codex 和 ChatGPT,他们的工作包括创建计算机辅助设计 (CAD) 模型及准备技术制造图纸。这些模型也能帮助工程师配置模拟及评估设计。OpenAI 表示,自二月至十月,其硬件团队的使用量增加了 23 倍,这一增长是通过模型标记的消耗来衡量的。
两名 OpenAI 团队成员与 GPT-6 Astra 合作,在不到一周的时间内设计了一款用于与 Codex 交流的原型装置,作为副项目进行。Astra 设计了外壳、电路板、界面及软件。尽管如此,制造该装置仍需多轮审查。OpenAI 的前线工程师 Grace Lam 表示,Codex 加速了从概念到工程元件的过程,强调了更快的 CAD 修订及将 3D 设计转换为可生产的 2D 图纸的能力。
OpenAI 亦在通过专门的基准测试来追踪模型的表现。在 BenchCAD 2.0 中,其更新的内部模型达到了 0.875 的平均分数,而在最高推理设定下,GPT-6 Astra 的得分为 0.594。该基准测试评估模型如何重建 3D 元件及识别电路板连接。
行业合作的探索
OpenAI 正在与行业伙伴测试其模型,以评估它们在真实工程环境中的实用性。与 Chip Ganassi Racing 的扩展合作专注于 CAD 开发和原型制作。这支赛车团队的研发工程师正在探索如何将 3D 扫描转换为可编辑的 CAD 模型,并从扫描元件生成 2D 制造图纸。这种方法有助于工程师在原始设计文件不可用时重建零件。OpenAI 亦宣布与 Mazda 展开研究合作,双方正在探讨模型如何帮助汽车工程师改善车辆的气动性能及碰撞安全性。
Astra 可以探索不同的车头形状并模拟气流,以识别能减少阻力的设计。Mazda 的工程师随后可以根据造型要求和开发成本评估有潜力的配置。
Mazda 的首席工程师 Akihiro Nakata 表示,这项合作帮助设计师了解哪些特征影响气动性能,并使他们能够更自由地探索不同的车辆形状。OpenAI 计划继续与行业伙伴测试这些能力,其更广泛的目标是帮助工程师从初步概念转向可制造的产品,并减少人工干预。
OpenAI 如何加速硬件设计流程
OpenAI 的实验显示,利用 GPT-6 和 Astra 进行硬件设计能显著提升效率,尤其是在原型开发阶段。尽管面临制造限制和设计调整的挑战,这一过程仍然强调了模型在工程任务中的潜力。与行业伙伴的合作进一步验证了这些技术在实际应用中的价值,特别是在提升设计灵活性和减少人工干预方面。这些进展不仅有助于加快产品开发,还可能改变未来硬件设计的工作流程。

