OpenAI展示ChatGPT与Codex如何加速硬件工程设计与仿真

Share 用 Astra 设计设备 加速 OpenAI 硬件团队 衡量工程任务的进展 与行业合作者一起安全部署 帮助塑造面向工程与制造的 AI 用 Astra 设计设备 加速 OpenAI 硬件团队 衡量工程任务的进展 与行业合作者一起安全部署 帮助塑造面向工程与制造的 AI

今天，我们分享 OpenAI 模型如何帮助工程师设计、仿真和构建实体产品方面取得的一些进展。这些能力覆盖机械工程、电气工程以及端到端系统设计，并且已经帮助我们的内部团队更快地验证想法、加快迭代。

在这些项目中，工程师需要借助专业工具，把机械设计、电子、软件和制造要求整合到一起。我们正在教会模型支持这类工作，从准备图纸、搭建仿真，到协调跨学科的变更。我们的目标是让工程师有更多时间去探索想法、改进设计。

过去一年里，前沿模型能力的提升帮助我们的内部团队更快地验证新想法、加快迭代，我们也看到了这些能力改善行业专业工作流的早期证据。我们正与合作伙伴一起，弄清这些能力在哪些环节能带来最大价值，以及还有哪些地方需要改进。如果你是一名工程师、一家工程公司，或是一家参与复杂实体产品设计、仿真、制造或生产的软件厂商，我们很乐意与你合作，围绕你使用的工具和你需要解决的问题来推进这项工作。

我们测试了 Astra 在多模态和计算机使用工作流中的最先进性能：看能否在没有任何人工直接编辑的情况下造出一台设备。为此，我们用 GPT‑6 定义功能需求，并设计外壳、印刷电路板（PCB）以及软件集成，从而做出一台用户可以用来与 Codex 对话的设备。

美学与设计：Astra 设计了设备的外观，参考了我们近期与 Work Louder⁠（在新窗口中打开）的合作，以及来自游戏和玩具的灵感。 机械设计：Astra 设计了外壳⁠（在新窗口中打开）以及固定组件的内部结构。 电气设计：Astra 选定了电气组件，并设计了印刷电路板（PCB），包括组件布局和连接方式，使其能装进外壳内。 UI/UX 与软件：Astra 设计了用户界面，并生成了把设备连接到 Codex 所需的固件和软件集成。

两名团队成员把这项测试当作副业项目，用不到一周的时间借助 Astra 设计出了这台测试设备。一家代工厂在不到一个月内生产出了一小批原型。

要让设备具备量产条件，仍然需要多轮评审和迭代。Astra 并不能始终考虑到制造商的生产限制、公差，或装配所需的细节。这些差距正好帮助我们明确未来的模型需要在哪些方面做得更好。

OpenAI 的硬件和基础设施团队使用 Codex 和 ChatGPT 来创建和修改计算机辅助设计（CAD）模型、准备制造图纸、搭建仿真以及评审设计。这项工作覆盖机器人技术和计算基础设施。自 2 月以来，我们各硬件团队的模型使用量（以 token 计）增长了 23 倍。

我们也在衡量较新模型在结合编程与工程知识的任务上的进展。BenchCAD 2.0 测试模型能否重建 3D 零件和装配体，以及识别电路板中的连接关系。一个较新的内部模型平均得分 0.875，而 GPT‑6 Astra 在最高推理设置下的得分为 0.594。尽管工程生命周期远不止设计这一个环节，我们仍将这里的能力提升视为 AI 模型能够切实改善专业工作流迭代速度的早期证据。

我们正与一小批行业合作者一起，在真实工程问题上测试这些能力。他们的工程师会审查模型输出的准确性和实用性，帮助我们了解模型目前能胜任哪些任务，以及为了安全可靠地使用还需要改进什么。

我们正在扩大与 Chip Ganassi Racing（CGR）的合作，探索 OpenAI 模型如何加速工程和原型制作。我们与其研发团队合作，测试将现有零件的 3D 扫描转化为可编辑 CAD 模型和 2D 制造图纸的工作流。当原始设计文件缺失时，这尤其有用。

CGR 的工程师会审查模型和图纸的准确性与可制造性。他们的反馈帮助我们找出模型能在哪些环节减少人工工作，以及哪些地方还需要进一步改进。

我们还宣布与 Mazda 建立新的研究合作。我们的研究和 Forward Deployed Engineering 团队正与 Mazda 的空气动力学和碰撞安全工程师合作，探索 OpenAI 模型如何帮助开发和评估新的车辆设计。

这项工作利用气流和结构行为的仿真来探索性能改进，同时兼顾造型和成本。我们将在未来几个月分享更多进展和结果。

GPT‑6 Astra 帮助 Mazda 的空气动力学工程师通过建模新的车头形状、仿真气流并优化最有前景的设计，来探索降低车辆阻力的方法。已获得 Mazda Motor Corporation 的使用许可。严禁在其他地方重新发布或复用。

（原文较长，此处译出前 6000 字，完整内容请点「打开原文」。）