- OpenAI 在一週內設計出運作中的硬件裝置,展示其技術能力。
- 原型開發需要協調多個工程領域,並面臨製造挑戰。
- OpenAI 的內部團隊使用 Codex 和 ChatGPT 加速設計過程。
- OpenAI 與行業夥伴合作,探索模型在真實工程中的應用。
OpenAI 在不到一週的時間內設計出一款運作中的硬件裝置,展示其技術如何應對複雜的工程任務。兩名團隊成員在 GPT-6 和 Astra 的協助下,將這一原型作為副項目進行開發。該裝置通過專用的物理介面將用戶連接至 Codex。該項目測試了 OpenAI 的模型是否能在無需直接人類編輯的情況下,處理整個硬件開發過程。Astra 協助開發裝置的外觀及內部組件,並負責電路板設計、固件及軟件整合。
一家合同製造商在不到一個月內生產出小批量的原型。OpenAI 表示,這項實驗提供了模型如何加速專業工程的初步視野。該公司亦與汽車及賽車合作夥伴合作,測試這些能力。
原型開發的挑戰
原型的開發需要 Astra 協調多個工程領域。GPT-6 協助確立功能需求並指導設計過程。Astra 隨後開發了外殼,該外殼容納了裝置的內部組件。模型還選定了電氣元件並設計了印刷電路板 (PCB)。其工作涵蓋了元件放置及電氣連接,這些設計必須適合物理外殼。在軟件方面,Astra 創建了用戶介面並生成了固件,同時開發了連接裝置與 Codex 所需的整合。然而,將原型準備好進入生產的過程中還出現了額外的挑戰。
Astra 難以考慮製造限制和元件公差,工程師們還需通過多輪審查來解決組裝要求。OpenAI 承認這些短處是改進的方向。
這項實驗顯示模型能夠多快產出初步設計。製造仍然需要工程監督和實際調整。OpenAI 的內部硬件及基礎設施團隊已經在使用 Codex 和 ChatGPT,他們的工作包括創建計算機輔助設計 (CAD) 模型及準備技術製造圖紙。這些模型也能幫助工程師配置模擬及評估設計。OpenAI 表示,自二月至十月,其硬件團隊的使用量增加了 23 倍,這一增長是通過模型標記的消耗來衡量的。
兩名 OpenAI 團隊成員與 GPT-6 Astra 合作,在不到一週的時間內設計了一款用於與 Codex 交流的原型裝置,作為副項目進行。Astra 設計了外殼、電路板、介面及軟件。儘管如此,製造該裝置仍需多輪審查。OpenAI 的前線工程師 Grace Lam 表示,Codex 加速了從概念到工程元件的過程,強調了更快的 CAD 修訂及將 3D 設計轉換為可生產的 2D 圖紙的能力。
OpenAI 亦在通過專門的基準測試來追蹤模型的表現。在 BenchCAD 2.0 中,其更新的內部模型達到了 0.875 的平均分數,而在最高推理設定下,GPT-6 Astra 的得分為 0.594。該基準測試評估模型如何重建 3D 元件及識別電路板連接。
行業合作的探索
OpenAI 正在與行業夥伴測試其模型,以評估它們在真實工程環境中的實用性。與 Chip Ganassi Racing 的擴展合作專注於 CAD 開發和原型製作。這支賽車團隊的研發工程師正在探索如何將 3D 掃描轉換為可編輯的 CAD 模型,並從掃描元件生成 2D 製造圖紙。這種方法有助於工程師在原始設計文件不可用時重建零件。OpenAI 亦宣佈與 Mazda 展開研究合作,雙方正在探討模型如何幫助汽車工程師改善車輛的氣動力學及碰撞安全性。
Astra 可以探索不同的車頭形狀並模擬氣流,以識別能減少阻力的設計。Mazda 的工程師隨後可以根據造型要求和開發成本評估有潛力的配置。
Mazda 的首席工程師 Akihiro Nakata 表示,這項合作幫助設計師瞭解哪些特徵影響氣動性能,並使他們能夠更自由地探索不同的車輛形狀。OpenAI 計劃繼續與行業夥伴測試這些能力,其更廣泛的目標是幫助工程師從初步概念轉向可製造的產品,並減少人工幹預。
OpenAI 如何加速硬件設計流程
OpenAI 的實驗顯示,利用 GPT-6 和 Astra 進行硬件設計能顯著提升效率,尤其是在原型開發階段。儘管面臨製造限制和設計調整的挑戰,這一過程仍然強調了模型在工程任務中的潛力。與行業夥伴的合作進一步驗證了這些技術在實際應用中的價值,特別是在提升設計靈活性和減少人工干預方面。這些進展不僅有助於加快產品開發,還可能改變未來硬件設計的工作流程。

