OpenAI

3 november 2026

ForskningPublikation

Snabbare teknikutveckling för den fysiska världen

Laddar …

I dag berättar vi om framsteg i hur OpenAI:s modeller hjälper ingenjörer att konstruera, simulera och bygga fysiska produkter. Dessa förmågor omfattar maskinteknik, elektroteknik och systemkonstruktion från början till slut, och hjälper redan våra interna team att testa idéer och iterera snabbare.

I dessa projekt behöver ingenjörer förena mekaniska konstruktioner, elektronik, programvara och tillverkningskrav med hjälp av specialiserade verktyg. Vi lär modeller att stödja det arbetet, från att ta fram ritningar och förbereda simuleringar till att samordna ändringar mellan olika discipliner. Vårt mål är att ge ingenjörer mer tid att utforska idéer och förbättra konstruktioner.

Under det senaste året har förbättrade förmågor hos banbrytande modeller hjälpt våra interna team att testa nya idéer och iterera snabbare. Vi ser nu tidiga tecken på att dessa förmågor även förbättrar professionella arbetsflöden inom industrin. Tillsammans med våra samarbetspartner undersöker vi var dessa förmågor kan göra störst skillnad och vad som behöver förbättras. Om du är ingenjör eller företräder en ingenjörsfirma eller programvaruleverantör som arbetar med konstruktion, simulering, tillverkning eller produktion av komplexa fysiska produkter vill vi gärna samarbeta med dig för att anpassa satsningen till de verktyg du använder och de problem du behöver lösa.

Konstruera en enhet med Astra

Vi testade Astras topprestanda⁠ i multimodala arbetsflöden och arbetsflöden där modellen använder en dator, genom att undersöka om vi kunde skapa en enhet utan några direkta ändringar av människor. För att göra det använde vi GPT‑6 för att definiera funktionskraven och utforma höljet, kretskortet (PCB) och programvaruintegrationerna som behövdes för att skapa en enhet där användare kan prata med Codex.

  • Estetik och design: Astra tog fram enhetens utseende med inspiration från vårt senaste samarbete med Work Louder⁠(öppnas i ett nytt fönster) samt från spel och leksaker.

  • Mekanisk konstruktion: Astra konstruerade höljet⁠(öppnas i ett nytt fönster) och de inre strukturer som håller komponenterna på plats.

  • Elektronikkonstruktion: Astra valde elektronikkomponenterna och konstruerade kretskortet (PCB), inklusive komponentplacering och anslutningar, så att det skulle rymmas i höljet.

  • UI/UX och programvara: Astra utformade användargränssnittet och genererade den fasta programvaran och de programvaruintegrationer som behövdes för att ansluta enheten till Codex.

Två teammedlemmar konstruerade den här testenheten med Astra på mindre än en vecka som ett sidoprojekt. En kontraktstillverkare byggde en liten serie prototyper på mindre än en månad.

Att få enheten klar för tillverkning krävde dock fortfarande flera omgångar av granskning och vidareutveckling. Astra tog inte alltid hänsyn till tillverkarens produktionsbegränsningar, toleranser eller detaljer som krävdes för monteringen. Dessa brister hjälper oss att identifiera vad framtida modeller behöver bli bättre på.

Snabbare arbete i OpenAI:s hårdvaruteam

OpenAI:s hårdvaru- och infrastrukturteam använder Codex och ChatGPT för att skapa och revidera CAD-modeller, ta fram tillverkningsritningar, förbereda simuleringar och granska konstruktioner. Arbetet omfattar robotik och beräkningsinfrastruktur. Sedan februari har modellanvändningen i våra hårdvaruteam, mätt i token, ökat till 23 gånger den tidigare nivån.

1 av 3
”Codex har gjort vägen från idé till konstruerad komponent dramatiskt mycket snabbare. Vi itererar snabbare i CAD, omvandlar 3D-konstruktioner till produktionsklara 2D-ritningar och förbereder simuleringar och finita elementanalyser med betydligt mindre manuellt arbete.”
– Grace Lam, kundnära ingenjör på OpenAI

Mäta framsteg i ingenjörsuppgifter

Vi mäter också framsteg hos nyare modeller i uppgifter som kombinerar programmering med ingenjörskunskap. BenchCAD 2.0 testar om modeller kan återskapa 3D-komponenter och sammanställningar samt identifiera anslutningar på kretskort. En nyare intern modell nådde ett genomsnittligt resultat på 0,875, jämfört med 0,594 för GPT‑6 Astra med den högsta inställningen för resonemang. Även om ingenjörsarbetets livscykel omfattar mycket mer än konstruktion ser vi förbättringarna inom detta område som tidiga tecken på att AI-modeller kan öka iterationstakten i professionella arbetsflöden.

Säkert införande tillsammans med branschpartner

Vi samarbetar med en liten grupp branschpartner för att testa dessa förmågor på verkliga ingenjörsproblem. Deras ingenjörer granskar modellernas resultat utifrån korrekthet och praktisk användbarhet. Det hjälper oss att förstå vilka uppgifter modellerna kan stödja i dag och vad som behöver förbättras för säker och tillförlitlig användning.

Vi utökar vårt samarbete med Chip Ganassi Racing (CGR) för att undersöka hur OpenAI:s modeller kan påskynda konstruktion och prototypframtagning. Tillsammans med företagets FoU-team testar vi arbetsflöden som omvandlar 3D-skanningar av befintliga komponenter till redigerbara CAD-modeller och 2D-tillverkningsritningar. Det är särskilt användbart när de ursprungliga konstruktionsfilerna inte finns tillgängliga.

CGR:s ingenjörer granskar modellerna och ritningarna med avseende på korrekthet och tillverkningsbarhet. Deras återkoppling hjälper oss att identifiera var modellerna kan minska det manuella arbetet och var ytterligare förbättringar behövs.

“Modellen har varit användbar för att gå från råa skanningsdata till en solidmodell. Jag har arbetat med Codex direkt i CAD. Återkopplingen jag ger modellen tillämpas direkt, manuella justeringar kan göras direkt och processen har blivit snabbare och kräver mindre handpåläggning från mig.”
– Matthew Ortman, FoU-ingenjör på Chip Ganassi Racing

Vi presenterar också ett nytt forskningssamarbete med Mazda. Våra forskningsteam och team av kundnära ingenjörer samarbetar med Mazdas ingenjörer inom aerodynamik och krocksäkerhet för att undersöka hur OpenAI:s modeller kan hjälpa till att utveckla och utvärdera nya fordonskonstruktioner.

I arbetet används simuleringar av luftflöden och strukturellt beteende för att undersöka prestandaförbättringar med hänsyn till formgivning och kostnad. Vi kommer att dela fler framsteg och resultat under de kommande månaderna.

GPT‑6 Astra hjälper Mazdas aerodynamikingenjörer att utforska sätt att minska fordons luftmotstånd genom att modellera nya former för frontpartiet, simulera luftflöden och förfina de mest lovande konstruktionerna. Tillstånd för användning har inhämtats från Mazda Motor Corporation. All återpublicering eller återanvändning i andra sammanhang är strängt förbjuden.

”Måste den se ut så där?” frågar våra formgivare ofta när vi hittar en form som förbättrar luftflödet. Genom att utforska och simulera dussintals varianter hjälper Astra i Codex oss att förstå vilka egenskaper som är viktiga för aerodynamiken och var formgivarna har utrymme att utforska alternativ. Därför sträcker sig värdet av Astra och samarbetet med OpenAI bortom automatisering av uppgifter och kortare utvecklingscykler: det hjälper oss att förena Mazdas särpräglade design med aerodynamisk prestanda utan att kompromissa med någondera.”
– Akihiro Nakata, chefsingenjör på Mazda

Var med och forma AI för konstruktion och tillverkning

Vi har arbetat nära branschpartner och tidiga användare för att tänja på gränserna för vad vi kan göra med AI-agenter inom hårdvara och tillverkning. De tidiga resultaten är mycket lovande, och vi söker nu samarbetspartner som kan hjälpa oss att utveckla dessa förmågor snabbare och säkerställa att de införs på ett säkert sätt i industrin.

Vill du samarbeta med oss för att forma träningen och utvecklingen av våra banbrytande modeller genom att identifiera värdefulla användningsområden, programvaruverktyg eller framtida möjligheter inom maskinteknik, elektroteknik, elektromekanisk konstruktion, mekatronik eller ett närliggande område? Fyll i det här formuläret så hör vi av oss.

Författare

OpenAI