大数跨境
首页
>
GPT-6 给 Codex 造了个拓麻歌子身体，硬件改造自由真要来了
>

GPT-6 给 Codex 造了个拓麻歌子身体，硬件改造自由真要来了

GPT-6 给 Codex 造了个拓麻歌子身体，硬件改造自由真要来了 APPSO
2026-11-08
14
这是一款外观酷似电子宠物的紫色设备，配备屏幕、实体按键及草莓挂饰。用户可通过语音直接与 Codex 进行交互。
其独特之处在于设计流程：两名 OpenAI 员工利用业余时间，将外壳结构、电路板、UI 及固件设计交由 GPT-6 Astra 处理。不到一周即完成原型设计，随后合同制造商在一个月内生产出少量样品。
然而，实验过程并非一帆风顺。进入制造环节后，团队经历了多轮审查与修改。AI 虽能完成数字设计，却未能充分考量生产限制、公差及装配细节。
11 月 3 日，OpenAI 发布关于 AI 辅助实体工程的进展报告。相较于代码生成或复杂推理，此次关注焦点在于：当 AI 介入真实产品设计时，距离制造业所需的精度与可靠性仍有差距。

Astra 的设计局限与工程挑战

在美学设计上，Astra 参考了 OpenAI 与 Work Louder 的合作成果，以及游戏和玩具的设计语言。
Tamagotchi
Work Louder 是加拿大知名外设厂商，以模块化机械按键设备著称。2026 年 7 月，双方联名推出 Codex Micro 键盘，售价 230 美元，12 小时内售罄。作为 OpenAI 首款实体硬件产品，Codex Micro 实质上是 Codex 工作流的物理快捷入口，可实时显示 AI 智能体 RGB 状态并映射常用操作。
与已上市的 Codex Micro 不同，TamaGPT 并非面向消费者的成熟产品，而是用于测试 AI 工程能力的实验原型。
硬件开发中，外观设计仅是起点。外壳需预留电路空间，元器件排列需满足尺寸与连接要求，屏幕、按键及固件需协同工作。此次实验中，Astra 承担了机械、电气设计及软件集成三大环节：
  • 机械设计：负责外壳造型及内部支撑，确保元件定位准确；
  • 电气设计：选取元器件并完成 PCB 布局及电路连接，确保适配外壳；
  • 固件开发：连接设备与 Codex，实现从语音输入到代码生成的完整链路。
尽管数字层面设计顺利完成，但在生产阶段仍遭遇阻碍。Astra 未能始终如一地考虑制造商的生产限制、公差要求及装配细节，导致原型经历多轮审查与修改。简言之，AI 已具备绘制零件的能力，但在组装可行性方面仍有欠缺。

从辅助工具到默认工作流

自 2026 年 2 月以来，OpenAI 内部硬件与基础设施团队使用 Codex 的 token 量增长 23 倍，表明 Codex 已从辅助工具转变为默认工作流。团队日常利用 Codex 和 ChatGPT 进行 CAD 模型绘制与修改、加工图纸准备、仿真设置及设计评审，涵盖机器人与算力基础设施两大方向。
前线部署工程师 Grace Lam 表示，从创意到工程零件的速度大幅提升，三维设计转二维生产图的过程显著减少人工干预。原本需工程师在 CAD 软件中进行标注和尺寸换算的工作，现由 Codex 完成，工程师仅需负责审查与修正。
在性能衡量方面，OpenAI 推出 BenchCAD 2.0，测试内容涵盖 3D 零件重建与电路板连接关系识别。内部新模型平均得分为 0.875，GPT-6 Astra 最高推理档得分为 0.594。尽管分数低于内部模型，但其在日常 CAD 重建和电路识别中已能显著降低重复劳动。

赛车领域的深度应用

IndyCar 和 WEC 参赛车队 Chip Ganassi Racing (CGR) 于 2025 年 2 月与 OpenAI 签署战略合作，初期聚焦赛道数据分析与前台运营。至 2026 赛季，OpenAI 成为两站主赞助商，合作深入至工程端：将零件 3D 扫描转化为可编辑 CAD 模型及 2D 制造图纸，特别适用于原始设计文件缺失的场景。
CGR 研发工程师 Matthew Ortman 表示，模型反馈可直接落地，手动微调流畅且干预较少。CGR 赛车搭载超 200 个传感器，单次比赛每小时产生约 10 亿个数据点，为 AI 工程应用提供了充分的验证场景，同时也让错误代价清晰可见。

行业趋势：从生成到评估

据 SEMI 旗下 ESD Alliance 数据，2026 年第一季度全球电子系统设计行业收入约 57.5 亿美元，同比增长 12.7%。与此同时，EDA 厂商正将 AI 引入更复杂的设计工作流。2026 年 3 月，西门子推出 Fuse EDA AI Agent，尝试由智能体协调执行半导体、3D IC 及 PCB 设计任务。尽管数字层面能力提升迅速，但「可制造性核查」仍需人工把关。
OpenAI 与马自达气动及碰撞安全工程师合作，通过模拟气流与结构行为探索新车型设计，目标是在兼顾造型与成本前提下提升性能。合作框架已从「用 AI 生成设计」延伸至「用 AI 评估设计」：Astra 通过仿真数十个变体，帮助工程师识别对气动性能至关重要的特征，明确设计师的自由发挥空间。
类似地，IBM 与赛车底盘制造商 Dallara 合作，将赛车气动仿真时间从数小时压缩至 10 秒以内，逐渐改变了工程师与设计师的协作模式。马自达首席工程师 Nakata Akihiro 指出，通过模拟多个变体，团队能更清晰地理解哪些特征影响性能，从而优化设计自由度。

Hardware by AI：代理式硬件工程崛起

以往讨论 AI 与硬件，主要关注如何将大模型植入手机、眼镜、机器人或汽车，赋予硬件「AI 大脑」。如今，新的探索方向正在浮现：
OpenAI 致力于让 AI 成为设计、开发、测试乃至制造硬件的参与者；Anthropic 则聚焦于让 AI 理解、操作和协调真实世界中的硬件。上月，Anthropic 发布 Model Hardware Standard (MHS) 研究预览，Claude 可通过 MHS 系统操作摄像头拍摄移液过程，利用计算机视觉识别气泡等错误并进行干预。
沿此路径，未来可能出现全新的开发模式：人类定义产品目标，AI 负责工程设计、仿真、代码实现及迭代，实体制造与测试提供反馈，再由 AI 持续优化设计。这种「代理式硬件工程」（Agentic Hardware Engineering）有望像 Vibe Coding 改变软件开发一样，重塑电子产品、机器人、工业设备乃至汽车和芯片的研发方式。
值得关注的不仅是 OpenAI 和 Anthropic。更具长期价值的机会可能属于那些掌握专业工程工具、制造流程及真实测试数据的企业。通用大模型虽能辅助思考，但可靠的工程交付依赖于元器件数据库、CAD/EDA 内核、工艺规则、仿真模型、测试设备及制造反馈。当 AI 能够设计电路、机械结构、固件并连接工厂时，未来硬件公司的核心壁垒将是 AI 可调用的制造与实验数据。
【声明】内容源于网络
0
0
APPSO
AI第一新媒体，「超级个体」的灵感指南。 #AIGC #智能设备 #独特应用 #Generative Al
内容 15908
粉丝 0
APPSO AI第一新媒体，「超级个体」的灵感指南。 #AIGC #智能设备 #独特应用 #Generative Al
总阅读588.1k
粉丝0
内容15.9k