OpenAI testuje Astrę w inżynierii produktów fizycznych — od urządzeń po pojazdy

OpenAI ogłosiło 3 listopada 2026 r. zestaw projektów związanych z inżynierią produktów fizycznych, w tym urządzenie testowe zaprojektowane przez Astrę, rozszerzenie współpracy inżynieryjnej z Chip Ganassi Racing oraz nową współpracę badawczą z Mazdą w zakresie projektowania pojazdów.

Możliwości te obejmują inżynierię mechaniczną i elektryczną oraz kompleksowe projektowanie systemów — od przygotowywania rysunków i konfigurowania symulacji po koordynowanie zmian w różnych dziedzinach. Celem jest zapewnienie inżynierom więcej czasu na analizowanie pomysłów i ulepszanie projektów, a jednocześnie łączenie pracy wykonywanej z użyciem wyspecjalizowanych narzędzi.

Kompleksowy eksperyment z urządzeniem

Eksperyment z urządzeniem miał sprawdzić multimodalne możliwości GPT-6 Astry oraz jego zdolność do obsługi komputera. Model miał stworzyć urządzenie umożliwiające komunikację z Codexem, a członkowie zespołu nie ingerowali bezpośrednio w wyniki projektowania. Astra określiła wymagania funkcjonalne, opracowała obudowę i wewnętrzne mocowania podzespołów, wybrała elementy elektryczne oraz zaprojektowała płytkę drukowaną, w tym rozmieszczenie podzespołów i połączenia między nimi. Zaprojektowała również interfejs użytkownika oraz wygenerowała oprogramowanie układowe i integracje programowe potrzebne do połączenia urządzenia z Codexem.

Podczas wcześniejszej demonstracji Astry model rozmieszczał elementy i wyznaczał ścieżki połączeń miedzianych w KiCad, przekształcając schemat elektroniczny w projekt płytki drukowanej.

Dwóch członków zespołu zaprojektowało z Astrą urządzenie testowe w niecały tydzień, pracując nad nim jako nad projektem pobocznym. Następnie producent kontraktowy wykonał małą serię prototypów w niecały miesiąc.

Przygotowanie projektu do produkcji nadal wymagało kilku rund weryfikacji i poprawek. Astra nie zawsze uwzględniała ograniczenia produkcyjne producenta, wymagane tolerancje ani wymogi montażowe. Te niedociągnięcia pomagają określić, co należy ulepszyć w przyszłych modelach, i pokazują różnicę między wygenerowaniem kompletnego projektu a przygotowaniem go do produkcji.

Wewnętrzne wdrożenie i BenchCAD 2.0

W obszarach robotyki i infrastruktury obliczeniowej zespoły sprzętowe i infrastrukturalne OpenAI korzystają z Codex i ChatGPT do modelowania i wprowadzania zmian w projektach wspomaganych komputerowo, przygotowywania rysunków produkcyjnych, konfigurowania symulacji oraz przeglądów projektów. OpenAI informuje, że od lutego wykorzystanie modeli przez zespoły sprzętowe, mierzone liczbą tokenów, wzrosło 23-krotnie. Wskaźnik ten odzwierciedla zużycie modeli, a nie bezpośrednio mierzoną wydajność prac inżynieryjnych ani zaoszczędzony czas.

BenchCAD 2.0 stanowi odrębną ocenę możliwości projektowych: modele mają odtworzyć części i zespoły w 3D oraz określić połączenia na płytce drukowanej. OpenAI podaje, że nowszy model wewnętrzny uzyskał średni wynik 0,875, w porównaniu z 0,594 dla GPT-6 Astry przy najwyższym poziomie wnioskowania. Firma przedstawia tę poprawę jako wstępny dowód na to, że modele AI mogą przyspieszyć iteracyjny proces projektowania w pracy profesjonalistów, zaznaczając jednocześnie, że projektowanie stanowi tylko część cyklu inżynieryjnego.

Wciąż wyraźnie widać różnicę między wynikami testów porównawczych a gotowością do produkcji: ocena obejmuje zadania związane z projektowaniem, podczas gdy eksperyment z urządzeniem pokazuje, że wymogi produkcyjne nadal mogą wymagać dodatkowej weryfikacji.

Przeglądy inżynieryjne w Chip Ganassi Racing i Mazdzie

OpenAI testuje te możliwości z niewielką grupą partnerów z branży, których inżynierowie sprawdzają dokładność wyników generowanych przez modele i ich praktyczną użyteczność. Ich oceny mają pomóc ustalić, w jakich zadaniach modele mogą wspierać pracę oraz co trzeba ulepszyć, aby można je było wdrażać bezpiecznie i niezawodnie.

W Chip Ganassi Racing rozszerzona współpraca obejmuje testowanie procesów, które przekształcają skany 3D istniejących części w edytowalne modele CAD i dwuwymiarowe rysunki produkcyjne, zwłaszcza gdy oryginalne pliki projektowe są niedostępne. Inżynierowie CGR sprawdzają dokładność tych modeli i rysunków oraz możliwość ich wykorzystania w produkcji, przekazując informacje zwrotne o tym, gdzie można ograniczyć pracę ręczną, a które elementy modeli wymagają poprawy.

W pierwszym roku partnerstwo z Chip Ganassi Racing koncentrowało się na interpretowaniu danych z czujników samochodowych, wyścigów i pracy zespołów obsługi technicznej. Nowe procesy rozszerzają te wcześniejsze prace z danymi o inżynierię i prototypowanie części fizycznych.

W ramach współpracy z Mazdą zespoły badawcze OpenAI oraz zespoły inżynierii wdrożeniowej współpracują z inżynierami Mazdy specjalizującymi się w aerodynamice i bezpieczeństwie biernym. Zespoły wykorzystują symulacje przepływu powietrza i zachowania konstrukcji, aby opracowywać i oceniać projekty pojazdów z uwzględnieniem stylistyki i kosztów. W pracach nad aerodynamiką GPT-6 Astra generuje różne kształty przedniej części nadwozia, przeprowadza symulacje przepływu powietrza i dopracowuje obiecujące projekty, dążąc do zmniejszenia oporu aerodynamicznego.

Akihiro Nakata, główny inżynier w Mazdzie, powiedział, że symulowanie dziesiątek wariantów pomaga inżynierom zrozumieć, które cechy mają znaczenie dla aerodynamiki i w jakim zakresie projektanci mogą eksperymentować. OpenAI planuje udostępnić dalsze informacje o postępach i wynikach badań.

OpenAI zaprasza również firmy inżynieryjne i dostawców oprogramowania działających w obszarach projektowania, symulacji, wytwarzania i produkcji do zgłaszania propozycji wartościowych zastosowań i narzędzi na potrzeby przyszłej współpracy. W tych projektach kluczowe jest pytanie, czy lepsze projekty sprostają ograniczeniom produkcyjnym i przejdą weryfikację inżynieryjną — etapom, które wciąż decydują o tym, czy wygenerowany projekt stanie się produktem możliwym do wytworzenia.