Michael Johnson能否把一整台设备交给 AI 设计，而不只是单独一张图纸——从外壳和印刷电路板到固件？2026 年 11 月 3 日，OpenAI 介绍了一项实验：Astra 模型与 GPT‑6 一起，帮助设计了一台用于与 Codex 交流的设备。对工程师而言，主要启示是：AI 在此处的实用价值，在于连接多个设计阶段并加快迭代；从数字模型走向可投入生产的成品，仍须核查结构和工艺细节。
据介绍，该项目从功能需求出发。随后，Astra 设计了外观、外壳和内部结构，挑选电子元件，设计印刷电路板的布局与连接，并准备了界面、固件和软件集成。这已是一套相互关联的工作流程：外壳尺寸的变化可能影响电路板的布局，而元件及其连接方式也会限制结构方案。
模型的工作方式究竟有哪些变化
普通图像生成器回答的是“它可能看起来怎样”。OpenAI 介绍的方案则试图更紧密地连接不同的表达形式：在同一任务中处理需求、机械几何结构、电路设计和软件部分。工程师关注的正是它们之间的衔接，例如确保电路板能实际装入外壳，并且所选元件符合设备的预期功能。
OpenAI 表示，两名员工以副项目形式在不到一周内制作出一台测试设备，合同制造商则在不到一个月内生产了一小批原型。这些时间仅适用于这项特定的内部实验和所述原型。它们表明，从构想到实体样品可以快速推进，但不能据此普遍推断其他设备或团队的设计速度。
这个案例的价值在于，AI 参与的不只是制作单一成果。当模型帮助协调外壳、电路板和软件时，工程师可以更早发现相互依赖关系；这些问题通常要等到不同工具和专业人员之间交接成果时才会显现。对于由一人协调多个专业领域的小团队，这种协同尤其重要。
为什么数字设计还不等于可以投产
模型可能提出一种在屏幕上看起来协调一致的结构，却没有考虑现实中的制造约束。OpenAI 特别指出，在这项实验中，Astra 对制造商的限制、公差以及装配所需细节的处理并不稳定。因此，要让设备达到可生产状态，仍需经过多轮检查和修改。
这一差距源于实际机制：数字结构定义了形状和零件之间的相对位置；制造则加入了具体条件，包括尺寸允许偏差、加工方式和装配要求。如果外壳留出的空间太小，或者结构没有考虑零件的安装方式，文件或许在技术上已经成形，但产品仍可能难以制造，甚至无法按照指定工艺生产。
由此形成一种实际的责任分工：模型协助准备并协调方案，专业人员则检查方案是否适配设备、材料和制造商的工艺。对团队来说，评估成果时不应只看 3D 模型是否美观，而要看在制作可用样品之前，还剩下多少重要的工程检查和修改工作。
哪些应用已经有了明确场景
OpenAI 的内部硬件团队使用 Codex 和 ChatGPT 创建和修改 CAD 模型、准备生产图纸、配置仿真并分析结构。公司表示，自 2 月以来，硬件团队对模型的使用量按 token 计增长了 23 倍。这个指标反映的是这些团队内部对模型的使用量，并不代表设计时间或成本有所下降。
在与 Chip Ganassi Racing 的合作中，团队正研究如何将现有零件的三维扫描转换成可编辑 CAD 模型和生产图纸。如果原始设计文件缺失，这类场景就很有价值：扫描结果可作为重建几何结构的基础，而合作方的工程师会检查图纸的准确性和可制造性。
在与 Mazda 的合作中，模型被用于汽车设计：研究车头形状、模拟气流，并综合性能、设计和成本比较不同方案。OpenAI 将其描述为一项研究合作，并计划日后公布结果。这一应用的意义在于探索更多造型方案，并更快地将空气动力学仿真与结构决策联系起来；目前公布的材料尚未提供成品车辆性能提升的量化数据。
工程团队如何评估这类系统
OpenAI 将 BenchCAD 2.0 列为评估模型在结合编程与工程知识任务上的一项测试。该测试评估三维零件和装配体的重建，以及对印刷电路板连接关系的识别。在这项评测中，一款新的内部模型平均得分为 0.875，而 GPT‑6 Astra 在最高推理模式下得分为 0.594。
对实际选型而言，这一结果可作为特定任务类别取得进展的信号，涉及几何构建和关系识别。但它并未衡量完整的开发周期，而完整周期还包括材料选择、热学和机械测试、认证以及可制造性验证。因此，团队最好用自己的典型任务测试模型，并记录哪些输出文件能被工程工具直接接受，哪些仍需人工处理。
可以围绕一个重复性环节开展实践试点，例如将零件扫描转换为 CAD、准备图纸，或创建仿真的初始配置。对于每项任务，应提前设定验收标准，指定工程师核查几何结构和约束，并记录交给制造商前需要进行的修正。这样，团队就能看清模型在哪些环节减轻了重复劳动，又在哪些环节增加了额外的检查轮次。
关键分界在于设计与核验之间
OpenAI 的项目表明，AI 可以用于实体设计中相互关联的多个阶段，而不只是处理文本、代码或单张图片。当系统帮助快速协调机械结构、电子元件和软件之间的需求与方案时，价值便会显现。但可制造性仍是一项独立的工程任务，取决于公差、装配方式和具体工艺的能力。
对于硬件产品开发者，这提供了明确的方向：从范围有限、可验证的环节开始评估，衡量的不是生成了多少模型，而是工程验收前需要多少人工修改。这样既能利用快速生成方案的优势，也能在数字设计转化为实体产品的关键环节保持控制。
