前言¶

2026 年 11 月 3 日，OpenAI 发布博文《Accelerating engineering for the physical world》，说明模型如何参与物理产品的设计、仿真与制造准备。机械结构、PCB、固件和制造图往往分属不同工具链，变更还要在多学科之间对齐；博文把能力写在这些环节上，并给出内部硬件团队的 token 用量、BenchCAD 2.0 分数，以及与马自达、Chip Ganassi Racing 的合作。下面按官方披露的顺序，把可核对的事实拆开说明。

博文定位：从图纸到仿真的工程协作¶

OpenAI 描述的目标是：让模型协助准备图纸、配置仿真，并在机械、电子、软件与制造要求之间协调变更，把更多时间留给工程师做方案探索。公司称，过去一年前沿模型能力提升后，内部试想法、迭代的节奏变快，工业场景里也有早期迹象；同时通过合作方审查输出，判断哪些任务今天可用、哪些还不能单独交给模型。

硬件与基础设施团队已在用 Codex 和 ChatGPT 创建与修订 CAD、生成制造图、搭建仿真并做设计评审，范围包括机器人与算力基础设施。自 2026 年 2 月起，硬件相关 token 用量增长约 23 倍。文中工程师引述涉及：从概念到可加工零件的迭代、3D 转 2D 制造图、有限元与仿真配置的手工量减少，以及在 ECAD 环境里整理跨职能约束与做设计评审。

GPT-6 与 Astra：可对话 Codex 设备案例¶

博文用一次内部测试检验 Astra 在多模态与 computer use 工作流上的表现：在设定下尽量做到「无人工直接改稿」，完成一台用户可与 Codex 对话的实体设备。

1、用 GPT-6 定义功能需求，并由 Astra 负责外壳与内部承力结构、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。

2、两名成员把该设备当作副项目，与 Astra 协作，设计周期在约一周内；合同制造商在不到一个月内完成小批量原型。

3、OpenAI 明确写出缺口：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，这些被用来界定后续模型需要补强的能力。案例展示的是跨学科串联，而不是可直接下线的 DFM 闭环。

BenchCAD 2.0 评测¶

OpenAI 用 BenchCAD 2.0 衡量「编码 + 工程知识」类任务，包括重建 3D 零件与装配、识别电路板连接等。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，但认为此类分数上升是模型加快专业迭代节奏的早期信号；任务集与内模对比均来自 OpenAI 内部，不宜当作全行业统一标尺。

马自达与 Chip Ganassi Racing¶

在工业部署部分，OpenAI 列举了两类合作。

与 Chip Ganassi Racing 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。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建模新前部造型、仿真气流并对较优方案继续迭代以探索降阻；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，而非只谈缩短周期。

对工程与工具链的含义¶

从已公开事实看，OpenAI 把 Codex、ChatGPT 与 GPT-6 Astra 写进 CAD、ECAD 与汽车仿真流程，并用 token 增长、BenchCAD 分数、可制造原型与 OEM 研究合作互相印证。对工程团队，博文给出的边界是：多学科协调、仿真配置、扫描转 CAD 等已进入「人审 + 模型执行」的试点；DFM、公差与装配细节仍须人主导。文末开放合作表单，向机械、电气、机电一体化等领域的工程方与软件厂商征集高价值用例与工具栈信息。

信息来源：OpenAI 官方博文（2026-11-03），https://openai.com/index/accelerating-engineering-for-the-physical-world