原文標題：Accelerating engineering for the physical world

OpenAI 於 11 月 3 日發表實體工程研究進展，展示模型如何支援機械工程、電機設計、PCB、CAD、模擬與跨領域系統整合。這次重點不是推出可直接取代工程師的新產品，而是透過內部案例與產業合作測試，找出 AI 在設計、製造準備與跨工具協作中的能力邊界。

其中一項測試讓 GPT-6 先定義功能需求，再由 Astra 進行裝置外殼、內部結構、電路元件布局、PCB 與連接 Codex 的韌體及軟體介面設計。官方表示，兩名成員以兼職專案方式在不到一週內完成測試設計，委託製造商則在不到一個月內做出少量原型；但實際可製造性仍需反覆審核，模型未能始終正確掌握製造端的尺寸公差、工藝限制與組裝細節。

OpenAI 硬體及基礎設施團隊也在 CAD 模型調整、製造圖面製作、有限元素分析準備、ECAD、跨團隊設計審查等流程中使用 ChatGPT 和 Codex。官方稱自 2026 年 2 月以來，硬體團隊以 token 計算的模型使用量增加了 23 倍；這反映採用程度變化，不應解讀為工程產能提高 23 倍。

在工程能力測試 BenchCAD 2.0 中，模型需重建 3D 零件和組件、辨識 PCB 連線。OpenAI 公布較新內部模型平均得分 0.875，GPT-6 Astra 最高推理設定為 0.594；此結果只代表指定內部測試指標，不足以直接推導工廠設計或量產可靠度。

在產業協作部分，OpenAI 與 Chip Ganassi Racing 的研發團隊測試把現有零件 3D 掃描轉換為可編輯 CAD 模型與 2D 製造圖面；工程師仍須評估準確度與可製造性。OpenAI 另宣布和 Mazda 進行研究合作，讓模型協助空氣動力與碰撞安全工程師探索車體設計，透過氣流及結構模擬考慮性能、外形與成本。公司表示將持續徵求工程及製造領域合作夥伴。

發生了什麼事

OpenAI 公布 AI 在機械設計、PCB、CAD、模擬與製造準備流程的實驗結果，並說明與賽車及汽車業者的合作。

為什麼重要

生成式 AI 正從文字與程式碼延伸到受物理法則、法規、製程限制約束的工程環境；成效需要可重現的驗證。

影響哪些人

機械與電機工程師、PCB 設計團隊、工業軟體開發者、車輛研發與製造工程管理者，可從這些案例評估輔助工作流程。

已確認與未確認

已確認原型時間、使用量與 BenchCAD 指標；模型並非無需人工驗證，量產公差、製造限制和跨領域品質仍有待改善。