OpenAI内部模型曝光：工程测试得分0.875，超过GPT-6 Astra
智东西（公众号：zhidxcom）作者 | 黄菲编辑 | 江宇智东西11月4日报道，昨日，根据OpenAI披露信息，GPT-6 Astra和Codex已开始参与实体工程设计与制造等相关工作。其中，GPT-6 Astra参与设计了一款可与Codex进行语音交互的桌面设备，两名OpenAI团队成员在不到一周的时间内完成初步
智东西11月4日消息，昨天OpenAI对外披露，GPT-6 Astra和Codex已经参与到实体工程设计与制造等工作中。GPT-6 Astra设计了一款能和Codex进行语音交互的桌面设备，两名OpenAI团队成员用了不到一周就拿出初步方案，代工厂随后做出原型机。
OpenAI表示，其硬件团队从今年2月至今的模型使用量涨了23倍，AI正在从软件开发往实体产品的设计与工程环节延伸。
另外，OpenAI用BenchCAD 2.0测试评估自家内部模型和
GPT-6 Astra的工程能力，重点看模型重建三维零部件和装配体、识别电路板连接关系这类任务的表现。测试中，OpenAI内部模型平均得分0.875，GPT-6 Astra在最高推理设置下为0.594。
除内部硬件项目外，OpenAI还宣布与日本汽车制造商马自达CGR（Chip Ganassi Racing）建立新的研究合作，探索AI在汽车产业实际生产场景中的用法。
一、GPT-6 Astra参与设计，语音设备不到一周完成初步方案
OpenAI先讲了一项内部硬件实验。研究团队成员Justin Lin想设计一款叫Codex pet的桌面设备，让用户不用打开笔记本电脑，就能直接和Codex语音对话。
设备带有显示屏和实体按键，屏幕上显示一个虚拟角色。用户按下按键就能语音提问，设备以语音回应。演示中，Justin Lin问当前有多少个正在运行的智能体，设备答有5个，还主动问要不要逐个读出来。
Justin Lin说，他希望用这种方式，让原本发生在电脑屏幕上的软件交互有更具体的物理形态。和一个看得见的对象说话，交互过程会更有生命感。
设计环节，OpenAI用GPT-6 Astra确定设备的功能需求，并让它参与外壳、印刷电路板（Printed Circuit Board，PCB）和软件集成设计。
具体来说，GPT-6 Astra不光负责外观，还设计了固定内部零部件的结构，挑选电子元件并完成电路板布局和连接，同时生成用户界面、固件以及连接
Codex所需的软件。
OpenAI称，两名团队成员把这台设备当业余项目做，不到一周就完成了初步设计。之后一家代工厂用不到一个月做出了小批原型机。
不过，从设计方案到能生产的实体设备，中间还要经过多轮审核和修改。OpenAI称，GPT-6 Astra还不能始终准确顾及制造商实际生产时要留意的细节，这些问题也是该公司后续改进该模型的方向。
Justin Lin在项目介绍中还提到，这是他第一次完整走完从空白电路板到组装完成PCB的开发过程。他把需求说明和设计方案交给GPT-6 Astra，模型据此完成电路板设计，但后面仍和工厂改了好几轮。团队还做了多个并行设计方案，以及不同版本的设备外壳。
二、清华学霸加盟其硬件团队，模型使用量增长23倍
除了单个设备的设计实验，OpenAI内部硬件和基础设施团队也在用Codex与ChatGPT处理更多工程任务。
该公司称，硬件团队已把模型用于创建和修改计算机辅助设计（Computer-Aided Design，CAD）模型、制作制造图纸、搭建仿真环境以及审核设计方案，涉及机器人和算力基础设施等领域。按Token数量计算，自今年2月以来，OpenAI硬件团队的模型使用量增长了23倍。
▲OpenAI硬件团队Codex日均使用量中位数变化。来源：OpenAI
OpenAI前沿部署工程师Grace Lam称，Codex加快了团队从设计想法到工程零部件的转化。团队改CAD模型更快了，能把三维设计转成可用于生产的二维图纸，仿真和有限元分析（Finite Element Analysis，FEA）所需的人工操作也更少。
OpenAI技术人员Qiong Wang介绍，硬件系统设计人员正在用Codex和ChatGPT汇总不同团队的设计约束、探索系统架构、操作电子计算机辅助设计（Electronic Computer-Aided Design，ECAD）软件，并开展设计审核。该团队希望进一步推动模型参与电路板生产文件的生成。
Qiong Wang本科读的是清华大学电气工程专业，后在弗吉尼亚理工大学取得硕士和博士学位，毕业后留校在电力电子系统中心做研究科学家，之后到谷歌任电力工程师，目前在OpenAI任职。其研究和工作经历主要涉及电力电子及硬件系统设计。
▲Qiong Wang个人履历，来源：IEEE Xplore
此外，OpenAI基础设施团队成员Jackie Lee介绍了Codex在建筑、工程与施工（Architecture, Engineering and Construction，AEC）及建筑信息模型（Building Information Modeling，BIM）领域的应用。
该模型能自动处理重复建模任务、核对图纸和技术规格中的信息，协调不同专业之间的设计变更，再把发现的问题整理成明确的待处理事项，最后由专业技术人员审核结果。
智东西（公众号：zhidxcom） 作者 | 黄菲 编辑 | 江宇
三、工程测试拿下0.875分，携手马自达与CGR
为了衡量模型在工程任务上的水平，OpenAI还亮出了BenchCAD 2.0测试。这项测试看的是模型能不能把三维零部件和装配体重建出来，以及能不能识别电路板上的连接关系，核心在于检验模型把编程能力和工程知识捏在一起处理任务的能力。
从测试结果看，OpenAI一款更新的内部模型平均得分0.875，GPT-6 Astra在最高推理设置下则是0.594。
OpenAI表示，工程开发流程不止设计一环，后面还有验证、制造、生产等好几个步骤。所以该公司认为，模型在工程设计任务上的进步只是个早期信号，接下来还得看它能不能真的把专业工作流程里的迭代效率提上去。
产业合作这块，OpenAI正和少数行业伙伴一起测试模型处理真实工程问题的本事。合作方的工程师会审核模型给出的结果，判断准不准、能不能用，帮OpenAI弄清楚哪些任务可以交给模型，哪些能力还得接着补。
具体来说，OpenAI正在加深与美国职业赛车队机构Chip Ganassi Racing（CGR）的合作，摸索模型在工程设计和原型开发上能派上什么用场。
双方的研发团队正在验证一套流程：把现有零部件的三维扫描数据转成可编辑的CAD模型和二维制造图纸。碰上原始设计文件丢了或者拿不到的情况，工程师就能靠这个办法重新建起零部件的数字设计资料。
CGR研发工程师Matthew Ortman表示，Codex能帮团队把原始扫描数据变成实体模型。他可以直接在CAD软件里和Codex配合，把反馈交给模型并直接落到设计上，手动调整的活儿少了不少。
另外，OpenAI宣布与日本汽车制造商马自达展开新的研究合作。该公司的研究团队和前沿部署工程团队将和马自达的空气动力学及碰撞安全工程师联手，探索模型如何辅助开发和评估新车型设计。
落到具体应用上，GPT-6 Astra能帮马自达的空气动力学工程师寻找降低车辆风阻的办法。模型可以设计出不同的车头造型，模拟气流变化，再把效果较好的设计拿去做进一步优化，整个过程还能兼顾车辆外观风格、性能表现和成本。
马自达首席工程师Akihiro Nakata表示，设计师有时会怀疑，有利于气流通过的车身造型是否符合设计要求。借助Astra在Codex中探索并模拟数十种方案，工程师能看清哪些设计特征会影响空气动力学表现，也能明确设计师还有多少可以调整的余地。
结语：AI从软件开发走向实体工程
从内部设备设计，到参与汽车设计和零部件建模，OpenAI正试着让自家AI走进更复杂的实体工程流程。
Codex pet项目里的电路板设计、CGR的零部件建模，还有马自达的汽车空气动力学研究，分别展示了AI参与真实工程任务的不同路径。
让模型更准确地理解工程约束，把设计能力延伸到验证和制造环节，将是OpenAI进一步深入实体工程领域要面对的重要课题。
