前言¶
2026 年 11 月 3 日，OpenAI 发布博文《Accelerating engineering for the physical world》，说明前沿模型如何参与物理产品的设计、仿真与制造准备。与侧重代码生成的叙事不同，这次把能力边界写在了 CAD、有限元与系统级约束上，并给出内部硬件团队的使用数据、BenchCAD 2.0 评测结果，以及与马自达、Chip Ganassi Racing 等伙伴的合作方向。对做机电一体化、汽车仿真或 ECAD 流程的工程师来说，这是一份可对照自家工具链阅读的官方进展说明，而不是单点 demo。
博文覆盖了哪些工程环节¶
OpenAI 将目标概括为：让模型协助机械设计、电子设计，以及跨机械、电子、软件与制造要求的端到端系统设计。具体工作包括准备图纸、配置仿真、在多学科之间协调变更。公司表示，过去一年前沿模型能力提升后，内部团队试想法、迭代的节奏变快，并在部分工业场景看到早期证据；同时通过合作方反馈，弄清哪些任务今天可用、哪些还不该交给模型单独完成。
内部硬件与基础设施团队已在用 Codex 和 ChatGPT 创建与修订 CAD、出制造图、搭仿真与做设计评审，范围覆盖机器人与算力基础设施。博文给出一条量化数据：自 2026 年 2 月以来，硬件相关 token 用量增长约 23 倍。文中引用的工程师描述包括：从概念到可加工零件的迭代加速、3D 转 2D 制造图、仿真与 FEA 配置的手工量减少，以及在 ECAD 环境里整理约束、做设计评审等。
Astra 端到端设备案例¶
博文用一次内部测试说明 Astra 在多模态与「计算机使用」类工作流上的表现：在测试设定下，目标是在没有人工直接改稿的前提下，做出一台可与 Codex 对话的实体设备。
流程上，团队用 GPT-6 定义功能需求，并由 Astra 负责外壳与内部结构、PCB 选型与布局布线、UI/UX 以及连接 Codex 所需的固件与软件集成；外观参考了与 Work Louder 的合作以及游戏、玩具类视觉参考。两名成员在约一周内完成该副项目的设计协作；合同制造商在不到一个月内做出小批量原型。
OpenAI 同时写明局限：量产就绪仍需要多轮评审与迭代。Astra 并未稳定考虑制造商的产能上限、公差与装配细节，这些缺口被用来界定下一代模型需要补强的能力。这一点对评估「无人工编辑」宣传边界很重要：案例展示的是跨学科串联能力，而非可直接下线的 DFM 闭环。
BenchCAD 2.0 与评测分数¶
为衡量「编码能力 + 工程知识」类任务，OpenAI 更新了 BenchCAD 2.0，考察模型能否重建 3D 零件与装配、识别电路板上的连接关系等。博文给出的对比是：较新的内部模型平均分 0.875，GPT-6 Astra 在最高推理设置下为 0.594。官方说明工程生命周期远不止设计环节，但认为此类能力提升是模型加快专业迭代节奏的早期信号。读者若自建 benchmark，应注意这是 OpenAI 内部任务集与内模对比，不宜外推为全行业统一标尺。
工业合作：赛车扫描与马自达仿真¶
在「安全、可靠地部署」部分，OpenAI 列举了两类合作。
与 Chip Ganassi Racing（CGR）的合作在原有基础上扩展：与 R&D 团队试验将现有零件的 3D 扫描转为可编辑 CAD 与 2D 制造图，适用于原始设计文件缺失的场景。CGR 工程师对模型输出做准确性与可制造性审查；R&D 工程师 Matthew Ortman 在引述中提到，在 CAD 内直接使用 Codex、把扫描数据转为 CAD 实体的流程对其个人而言更省手工。
新公布的是与马自达的研究合作：OpenAI 研究与 Forward Deployed Engineering 团队与马自达空气动力学、碰撞安全工程师一起，探索模型如何协助开发与评估新车型设计。工作依托气流与结构行为仿真，在造型与成本约束下探索性能改进；博文称未来数月会分享更多进展。配图说明中，GPT-6 Astra 协助空气动力学工程师通过建模新前部造型、仿真气流并对较优方案继续迭代来探索降阻；马自达首席工程师 Akihiro Nakata 的引述强调，在大量变体仿真下理解哪些特征影响风阻、哪些留给造型师发挥，是把造型与空气动力学表现一并考虑，而非简单缩短周期。
对行业叙事的含义¶
从已公开事实看，OpenAI 把 Codex / ChatGPT / GPT-6 Astra 明确摆进机电与汽车仿真的工具链，并用内部 token 增长、BenchCAD 分数、可制造原型与 OEM 研究合作四条线互相印证。这与纯聊天或纯代码助手的产品故事不同，更接近「物理世界工程能力」作为 2026 年头部厂商的产品主线之一。
对工程团队而言，博文给出的可操作结论是：多学科变更协调、仿真配置、扫描转 CAD 等任务已进入「人审 + 模型执行」的试点阶段；DFM、公差与装配细节仍须人主导。对工具与数据厂商而言，OpenAI 在文末开放合作表单，征集机械、电气、机电一体化等领域的高价值用例与软件栈信息——若自家 PLM、CAE 或 ECAD 环境与 agent 接口相关，这是与训练数据和使用场景对齐的公开入口。
信息来源：OpenAI 官方博文（2026-11-03），https://openai.com/index/accelerating-engineering-for-the-physical-world
