OpenAI testa Astra nell’ingegneria applicata ai prodotti fisici, dai dispositivi ai veicoli

OpenAI ha annunciato il 3 novembre 2026 una serie di progetti di ingegneria applicata ai prodotti fisici, tra cui un dispositivo di prova progettato da Astra, l’ampliamento delle attività di ingegneria con Chip Ganassi Racing e una nuova collaborazione di ricerca con Mazda sulla progettazione di veicoli.

Le capacità spaziano dall’ingegneria meccanica ed elettrica alla progettazione di sistemi dall’inizio alla fine: dalla preparazione dei disegni e dalla configurazione delle simulazioni al coordinamento delle modifiche tra diverse discipline. L’obiettivo è lasciare agli ingegneri più tempo per esplorare idee e migliorare i progetti, collegando al contempo il lavoro svolto con strumenti specialistici.

Un esperimento di progettazione di un dispositivo dall’inizio alla fine

L’esperimento con il dispositivo ha messo alla prova le capacità multimodali e di utilizzo del computer di GPT-6 Astra, chiedendo al modello di creare un dispositivo per comunicare con Codex, senza che i membri del team modificassero direttamente i risultati della progettazione. Astra ha definito i requisiti funzionali, sviluppato l’involucro e i supporti interni per i componenti, selezionato i componenti elettrici e progettato la scheda a circuito stampato, compresi il posizionamento dei componenti e i collegamenti. Ha inoltre progettato l’interfaccia utente e generato il firmware e le integrazioni software necessari per collegare il dispositivo a Codex.

In una precedente dimostrazione di Astra, il modello ha posizionato i componenti e tracciato i collegamenti in rame in KiCad, trasformando uno schema elettronico in un layout per una scheda a circuito stampato.

Due membri del team hanno progettato il dispositivo di prova con Astra in meno di una settimana, lavorandoci come progetto secondario. In seguito, un produttore conto terzi ha realizzato un piccolo lotto di prototipi in meno di un mese.

Per arrivare a un progetto pronto per la produzione sono comunque serviti diversi cicli di revisione e perfezionamento. Astra non ha tenuto conto con costanza dei vincoli produttivi, delle tolleranze o dei requisiti di assemblaggio del produttore. Queste carenze vengono utilizzate per individuare gli aspetti che i modelli futuri dovranno migliorare, distinguendo tra la generazione di un progetto completo e la sua preparazione per la produzione.

Adozione interna e BenchCAD 2.0

Nelle attività di robotica e infrastrutture di calcolo, i team hardware e infrastrutture di OpenAI utilizzano Codex e ChatGPT per la modellazione e le revisioni CAD, i disegni di produzione, la configurazione delle simulazioni e le revisioni dei progetti. OpenAI riferisce che l’utilizzo dei modelli da parte dei suoi team hardware, misurato in token, è cresciuto di 23 volte da febbraio. Questo dato misura il consumo dei modelli e non rileva direttamente la produzione ingegneristica né il tempo risparmiato.

BenchCAD 2.0 offre una valutazione distinta delle capacità di progettazione: chiede ai modelli di ricreare componenti e assiemi 3D e di determinare i collegamenti delle schede a circuito stampato. OpenAI riferisce che un modello interno più recente ha ottenuto un punteggio medio di 0,875, contro lo 0,594 di GPT-6 Astra con l’impostazione di ragionamento più elevata, e presenta questo miglioramento come una prima indicazione del fatto che i modelli di IA potrebbero accelerare le iterazioni professionali, osservando al contempo che la progettazione è solo una parte del ciclo di vita dell’ingegneria.

Resta quindi una netta discrepanza tra i risultati dei benchmark e la preparazione alla produzione: la valutazione riguarda attività legate alla progettazione, mentre l’esperimento con il dispositivo mostra come i requisiti di produzione possano rendere necessarie ulteriori revisioni.

La revisione ingegneristica in Chip Ganassi Racing e Mazda

OpenAI sta testando queste capacità con un piccolo gruppo di collaboratori del settore, i cui ingegneri esaminano i risultati dei modelli per verificarne l’accuratezza e l’utilità pratica. Le loro valutazioni mirano a individuare le attività in cui i modelli possono essere d’aiuto e gli aspetti da migliorare per un’implementazione sicura e affidabile.

In Chip Ganassi Racing, la collaborazione ampliata mette alla prova flussi di lavoro che trasformano scansioni 3D di componenti esistenti in modelli CAD modificabili e disegni di produzione 2D, in particolare quando i file di progettazione originali non sono disponibili. Gli ingegneri di CGR verificano l’accuratezza e la producibilità dei modelli e dei disegni risultanti, fornendo riscontri su quali attività manuali si possano ridurre e su quali aspetti dei modelli vadano migliorati.

Nel primo anno, la collaborazione con Chip Ganassi Racing si è concentrata sull’interpretazione dei dati provenienti dai sensori delle auto, dalle gare e dalle prestazioni dei meccanici ai box. I nuovi flussi di lavoro affiancano l’ingegneria dei componenti fisici e la prototipazione alle precedenti attività basate sui dati.

La collaborazione con Mazda riunisce i team di ricerca e di ingegneria sul campo di OpenAI con gli ingegneri Mazda specializzati in aerodinamica e sicurezza in caso di urto. I team utilizzano simulazioni dei flussi d’aria e del comportamento strutturale per sviluppare e valutare progetti di veicoli, tenendo conto dello stile e dei costi. Nell’ambito delle attività di aerodinamica, GPT-6 Astra genera forme alternative per il muso, esegue simulazioni dei flussi d’aria e perfeziona i progetti più promettenti nel tentativo di ridurre la resistenza aerodinamica.

Akihiro Nakata, ingegnere principale di Mazda, ha affermato che simulare decine di varianti aiuta gli ingegneri a capire quali caratteristiche sono importanti per l’aerodinamica e dove i progettisti hanno margine per esplorare nuove soluzioni. OpenAI prevede di condividere ulteriori progressi e risultati della ricerca.

OpenAI invita inoltre le società di ingegneria e i fornitori di software attivi nella progettazione, nella simulazione, nella produzione e nella fabbricazione a proporre applicazioni di grande valore e strumenti da sviluppare nell’ambito di future collaborazioni. La questione centrale alla base di questi progetti è se risultati di progettazione migliori possano superare i vincoli produttivi e la revisione ingegneristica, fasi che continuano a determinare se un progetto generato possa diventare un prodotto fabbricabile.