大数跨境

OpenAI用GPT不到一周设计了台设备

OpenAI用GPT不到一周设计了台设备 AI范儿
2026-11-04
10
导读:Astra参与了外壳、电路板和软件设计,两名员工不到一周完成方案,工厂再做出小批原型。沿着这台设备,看模型已经能接手什么,以及制造前还要补哪些检查。

这台紫色的小设备,是 OpenAI 交给工厂做出的小批原型,用来和 Codex 对话。

▲ 图:设备原型亮屏,截自 OpenAI 官方视频
▲ 图:设备原型亮屏,截自 OpenAI 官方视频

在在这个官方演示里,电路设计、装配和最后亮屏的实物,都能直接看到。

▲ 视频:从电路设计到设备亮屏

两个人,把做硬件当副项目,不到一周设计出了一台能与 Codex 对话的设备。

这是 OpenAI 11 月 3 日公布的实验。Astra 参与的不止是外观,还包括外壳结构、电路板、界面和软件。

硬件设计已经能让模型跨着几个专业一起做了。这次最有亮眼的,是这些设计最后真的交给工厂,做出了小批原型。

这段不到一周的时间,只算设计。官方另写了一句:代工厂做出原型,用了不到一个月。

要做的,是一整台东西

这台设备的任务很具体:让用户能通过一个实体设备,与 Codex 对话。

要让它成为实物,先得把几件互相牵制的事放到一起。

外壳长什么样,里面怎么固定零件;电路板用哪些元件,摆在哪里,彼此怎么连接;界面和底层程序,又怎样接上 Codex。

PCB 就是承载元件和连接线路的电路板。它得放进外壳,元件也得在里面待得住。光把外观画漂亮,还远远没做完。

▲ 图:PCB 布线界面,OpenAI 官方视频截图
▲ 图:PCB 布线界面,OpenAI 官方视频截图

OpenAI 说,Astra 定义了功能需求,设计了外壳和内部固定结构,选择元件、布局电路板,再生成界面、固件及软件接入。

▲ 图:外壳、电路与软件配合
▲ 图:外壳、电路与软件配合

图中只解释这几项设计如何配合,不是设备的真实图纸。

这一类任务难在配合:外壳改了,电路板可能得跟着变;零件位置变了,固定结构也要检查。

把这些工作交给同一个模型协助完成,才是这个案例比单独生成一张外观图更值得看的地方。

制造前的几轮修改

官方对实验的描述很大胆:尝试在没有人直接修改设计的情况下,做出一台设备。

不过,同一篇文章也明确写着,制造准备仍然经历了多轮审查和修改。

▲ 图:装配操作,OpenAI 官方视频截图
▲ 图:装配操作,OpenAI 官方视频截图

模型没有稳定考虑工厂的生产限制、尺寸公差和装配细节。

公差,就是零件尺寸允许偏离设计值的范围。图纸上刚好能插进去,做出来的两件东西,却未必还能顺利装上。

▲ 图:尺寸偏差影响装配
▲ 图:尺寸偏差影响装配

设计文件、工厂能做的零件、最后能装好的整机,中间还有工程检查。

所以,官网写的“两个人与 Astra”,这并不是“AI 独自完成”。

OpenAI 的设备帖下,@praymoreee 就提出,希望看到迭代过程和人的输入。官方这次的文章,还没有把完整修改日志摊出来。

两个人具体花了多少小时,模型做了多少次尝试,哪些意见来自工厂,仍无法据此算清。

分数测不到装配的全部

随这次案例一起公布的,还有工程任务评测 BenchCAD 2.0 的成绩。

这套评测让模型重建三维零件、摆放装配件,以及恢复电路连接。它能检查设计的一些具体能力。

OpenAI 报告,一个未公布名字的内部新模型,平均分达到 0.875;GPT-6 Astra 在最高推理档为 0.594。

▲ 图:OpenAI 官方 BenchCAD 2.0 对照图;纵轴为平均分,横轴为相对成本代理(对数刻度)
▲ 图:OpenAI 官方 BenchCAD 2.0 对照图;纵轴为平均分,横轴为相对成本代理(对数刻度)

这里比较的是平均分。高分属于内部新模型,而不是Astra 。

BenchCAD 的原始说明也划出了范围:评分不覆盖可制造性和物理性能。

也就是说,几何形状、零件位置、电路连接做得好,并没有顺带证明它耐用、好装,或者能交付生产。

已经用起来的地方

比起“普通人一句话造硬件”,官方公布的另一个用法更具体。

Chip Ganassi Racing 赛车团队,正在尝试把旧零件的三维扫描,转成可以编辑的设计模型,再生成二维制造图。

CAD 是计算机辅助设计。这里的价值,在于把扫到的形状,变成工程师能继续修改的设计文件。

原始设计文件找不到时,这条路径尤其有用。工程师仍会核对模型、图纸的准确性,以及它们能否制造。

▲ 图:扫描到可编辑设计和图纸
▲ 图:扫描到可编辑设计和图纸

赛车团队在试的,是减少重建模型和出图的手工活,把设计选择和审核留给工程师。

对轻度开发者来说,这次案例提供的是判断演示的依据,还没有给出一套低成本复现教程。

接下来真正值得看到的,是完整的设计文件、人的修改记录,以及工厂退回来哪些问题。那会比又一个“一周做出来”的标题,更能说明模型已经接住了多少工作。

把 AI 用到具体的活里

我之前已经写过一篇文章,关于怎么用 Claude/Codex 来改造家里各种智能设备(包括电视机、打印机、Kindle 等等)。AI 远不止聊天机器人这么简单,它可以在很多方面帮助我们提高效率,比如硬件设计。

这次 OpenAI 的实验,把这个用途往前推了一步:外壳、电路和软件可以一起交给模型协助设计,结果还能交到工厂,做出原型。

普通人未必要从造一台新设备开始。家里现有的设备、工作中反复做的事,都可以成为尝试的起点。先找一件具体的活,再看 Claude 或 Codex 能接下哪一段。

参考资料

01|OpenAI:Accelerating engineering for the physical world

https://openai.com/index/accelerating-engineering-for-the-physical-world/

02|OpenAI:设备设计实验原帖

https://x.com/OpenAI/status/2117692477947641954

03|BenchCAD:BenchCAD 2.0

https://benchcad.com/blog/benchcad-2.html

【声明】内容源于网络
0
0
AI范儿
只讲人话,带你玩转AIGC。
内容 79
粉丝 0
AI范儿 只讲人话,带你玩转AIGC。
总阅读2.8k
粉丝0
内容79