将 ScienceAI设为星标
第一时间掌握
新鲜的 AI for Science 资讯
编辑丨&
AI 正在重塑软件开发，而随着模型开始涉足机械结构、电路设计与制造约束等物理世界领域，工程研发正成为人工智能的下一个核心应用场景。实体产品设计不仅涉及单一维度，更需兼顾机械装配、电子元件布局、软硬件协同以及制造工艺、材料与成本等多重约束，各环节紧密耦合。
2026 年 11 月 3 日，OpenAI 发布文章《Accelerating engineering for the physical world》，详细介绍了其模型在机械工程、电气工程及系统设计领域的最新进展。从内部团队利用 Codex 处理 CAD 与仿真任务，到与 Chip Ganassi Racing 和 Mazda 的深度合作，OpenAI 正逐步推动 AI 参与从概念设计到工程验证的全流程。
设计一台真实设备：GPT-6 的多模态工程实践
OpenAI 团队首先展示了一项内部测试：利用模型设计一台能与 Codex 交互的实体设备，以检验其在多模态理解和计算机操作方面的能力。
在此过程中，GPT-6 不仅定义功能需求，还深度参与外壳设计、印刷电路板（PCB）布局及软件集成方案。具体任务涵盖：
- 机械设计：规划设备外壳及内部结构，确定组件安装与固定方式；
- 电气设计：筛选电子元件，完成 PCB 元件布局与连线，确保适配外壳空间；
- 软件集成：设计用户界面，生成固件及软件集成代码，实现设备与 Codex 的连接。
图示：由 GPT-6 自主设计的电路板。
结果显示，两名团队成员借助模型在不到一周内完成了设计，期间无需人工直接修改设计细节。随后，合同制造商在一个月内生产出小批原型。然而，OpenAI 也指出，模型在考虑生产限制、尺寸公差及装配细节方面仍有不足，原型仍需经过多轮人工审查与修正才能投入实际制造。
硬件研发流程：Codex 使用量激增 23 倍
除特定项目测试外，OpenAI 硬件与基础设施团队已将 Codex 和 ChatGPT 融入日常研发流程。应用场景包括创建与修改 CAD 模型、准备制造工程图、设置仿真任务及工程设计审查，覆盖机器人和计算基础设施等领域。
数据显示，自今年二月以来，硬件团队对模型的使用量增长了 23 倍。
图示：OpenAI 硬件团队日均 Codex 使用量。
团队成员反馈，Codex 有效辅助了跨职能设计约束的整理、系统架构探索、ECAD 环境操作及设计审查。在处理涉及机械、电气和软件的复杂系统时，这种跨领域协作能力显著提升了研发效率。
衡量工程能力：BenchCAD 2.0 基准测试
为量化模型在工程任务上的进步，OpenAI 推出了 BenchCAD 2.0 基准测试。该测试结合代码能力与工程知识，重点考察两类核心能力：
- 重建三维零件及其装配结构；
- 识别电路板中的连接关系。
测试结果显示，一个较新的内部模型平均得分达到 0.875，而 GPT-6 Astra 在最高推理设置下的得分为 0.594。
图示：GPT-6 与内部模型在 BenchCAD 2.0 上的表现。
外部合作：赛车与汽车设计的 AI 赋能
在商业应用层面，OpenAI 扩展了与 Chip Ganassi Racing（CGR）的合作，并启动了与 Mazda 的新研究项目。
与 CGR 合作：双方测试基于三维扫描数据的工程工作流。OpenAI 模型负责将现有零件的三维扫描数据转换为可编辑的 CAD 模型，并生成二维制造图纸。CGR 工程师则负责校验模型准确性及零件的可制造性。
与 Mazda 合作：聚焦汽车空气动力学及碰撞安全设计。OpenAI 前沿部署工程团队与 Mazda 工程师共同探索利用仿真分析气流和结构行为，以优化车辆性能。具体应用中，GPT-6 Astra 辅助空气动力学工程师探索降低风阻的车头造型，通过气流模拟评估不同设计方案，并根据反馈持续迭代。Mazda 表示，该方法有助于平衡空气动力学性能与品牌外观设计，帮助工程师更深入理解造型特征对性能的影响。
目前，相关合作仍处于探索阶段，OpenAI 计划在未来几个月分享更多进展。
人工智能 × [ 生物 神经科学 数学 物理 化学 材料 ]
「ScienceAI」关注人工智能与其他前沿技术及基础科学的交叉研究与融合发展。
欢迎关注标星，并点击右下角点赞和在看。