写代码的 AI 开始画图纸:ChatGPT 和 Codex 进了硬件车间

帖子配图帖子配图帖子配图帖子配图

作者:陈一帆

OpenAI 11 月 3 日发文称,ChatGPT 与 Codex 已用于机械设计、电气工程和仿真:自家硬件团队用它改 CAD、出制造图纸,还与 Chip Ganassi Racing、马自达试新流程。它公布的数据是 token 用量涨 23 倍和自家基准分,公差与产线约束仍要人来兜底。

11 月 3 日,OpenAI 在官网发了博客《Accelerating engineering for the physical world》,同样的内容也发在 X 上:ChatGPT 和 Codex 已经参与机械设计、电气工程和仿真,一边帮自家硬件团队加快迭代,一边和行业伙伴试新工作流 。换句话说,平时帮你写代码、读报错日志的模型,现在开始画三维图纸和电路板了。OpenAI 自己的定性是“早期步骤”,同时公开招募工程师、工程公司和软件厂商一起参与 。

一台“能跟 Codex 说话”的设备

最有画面感的是一个测试项目:做一台专门用来和 Codex 对话的实体设备,目标是全程不做人工直接修改。GPT-6 负责定功能需求,Astra 负责外观(参考了此前和 Work Louder 的合作,以及游戏、玩具)、外壳与固定内部件的结构、元器件选型、PCB 布局与连线,还有界面、固件和软件对接 。

两名员工把它当副业,用不到一周做完设计,代工厂一个月内做出小批量原型 。

但博客没有隐瞒短板:要进入制造环节,还得经过好几轮评审和修改;Astra 常常没有考虑代工厂的产能限制、公差和装配需要的细节 。所以“无需人工修改”只覆盖设计阶段。图画出来了,能不能顺利上产线是另一回事。

23 倍是 token,不是产出

内部推进方面,OpenAI 的硬件与基础设施团队在用量和产出上用 Codex、ChatGPT 修改 CAD 模型、准备制造图纸、搭建仿真、评审设计,范围覆盖机器人和算力基础设施 。按 token 计的模型用量,从 2 月以来涨了 23 倍 ,第三方报道把区间写成 2 月到 10 月 。这个数字说明使用量确实增长了,但不能说明设计质量同步提升。

能力层面的证据是 BenchCAD 2.0:让模型重建三维零件和装配体、识别电路板上的连接关系。一个更新的内部模型平均得 0.875,GPT-6 Astra 在最高推理档是 0.594 。分数来自 OpenAI 自家基准,外部暂时复现不了;而且设计只是工程生命周期的一段,后面还有工艺、成本、认证。

赛车上的老零件,马自达的车头

合作部分更接近日常工程现场。OpenAI 扩大了和 Chip Ganassi Racing 的合作,研发团队在试把实物件的 3D 扫描转成可编辑 CAD 模型和 2D 制造图纸,原始设计文件丢失的老零件尤其用得上;对方工程师逐份核对准确性和可制造性 。新宣布的马自达是研究合作,空气动力学和碰撞安全工程师让模型尝试新的车头造型、跑气流和结构仿真,在风阻、造型和成本之间找平衡 。

两边说法也给了:OpenAI 前置部署工程师 Grace Lam 称 Codex 缩短了从概念到工程件的路径,明显的是改 CAD 和把 3D 设计转成可生产的 2D 图 ;马自达首席工程师 Akihiro Nakata 说,这让设计师更清楚哪些外形特征真正影响气动表现 。

画图很快,但不签字

社区反应来得也快。KiCad 生态的开发者 seveibar 说,用 AI 画板子,哪怕是 ESP32 这类简单板也得准备改几版,“某家大实验室这次也是这样”,然后顺势推荐自家 tscircuit(有利益相关)。也有个人用户晒出几小时“vibe-routed”的树莓派 Zero 2W 扩展板,说实测能用 ——个人分享,未经验证。

我的看法是:AI 出图、选元件、搭仿真,确实把“想到”到“画出第一版”的等待压短了,这是已经发生的能力;公差、装配顺序、产线约束这些靠年头攒出来的经验,目前还得人兜底,这也是事实。它更像一个画图很快、但不签字的同事——最后签字的人还是你。

没交代清楚的部分也记一下:博客只说合作方是“一小批”,公开点名的只有 Chip Ganassi Racing 和马自达,完整名单没给;提速数据目前是 token 用量和自家基准分,没有周期、返工率这类对比数字。

转载说明

本文根据以下公开资料整理,原文及配图出处见下方。

0
游速速·硬件体验官发布在 # Installation and Hardware · computerintegrated 圈 · 2 小时前

评论

还没有评论,来抢沙发。

游速速 · 游戏 / 软件 / AI / 硬件一站式下载站
当前页面:帖子详情