OpenAI testează Astra în ingineria produselor fizice, de la dispozitive la vehicule

OpenAI a anunțat o serie de proiecte de inginerie a produselor fizice la 3 noiembrie 2026, printre care un dispozitiv de testare proiectat de Astra, extinderea colaborării în domeniul ingineriei cu Chip Ganassi Racing și o nouă colaborare de cercetare cu Mazda privind proiectarea vehiculelor.

Capabilitățile acoperă ingineria mecanică și electrică, precum și proiectarea sistemelor de la un capăt la altul, de la pregătirea desenelor și configurarea simulărilor până la coordonarea modificărilor între discipline. Scopul este de a le oferi inginerilor mai mult timp pentru a explora idei și a îmbunătăți proiectele, conectând totodată activitățile desfășurate cu instrumente specializate.

Un experiment de proiectare a unui dispozitiv de la un capăt la altul

Experimentul cu dispozitivul a testat capacitățile multimodale și de utilizare a computerului ale GPT-6 Astra, punând modelul să creeze un dispozitiv pentru a comunica cu Codex, fără ca membrii echipei să editeze direct rezultatele proiectării. Astra a definit cerințele funcționale, a dezvoltat carcasa și suporturile pentru componentele interne, a selectat componentele electrice și a proiectat placa de circuit imprimat, inclusiv amplasarea componentelor și conexiunile. De asemenea, a proiectat interfața cu utilizatorul și a generat firmware-ul și integrările software necesare pentru conectarea dispozitivului la Codex.

Într-o demonstrație anterioară a Astra, modelul a amplasat componente și a trasat conexiuni din cupru în KiCad, transformând o schemă electronică într-un proiect de placă de circuit imprimat.

Doi membri ai echipei au proiectat dispozitivul de testare împreună cu Astra în mai puțin de o săptămână, lucrând la el ca proiect secundar. Ulterior, un producător contractual a realizat un lot mic de prototipuri în mai puțin de o lună.

Pregătirea pentru fabricație a necesitat în continuare mai multe runde de verificare și iterații. Astra nu a ținut seama în mod consecvent de constrângerile de producție, toleranțele sau cerințele de asamblare ale producătorului. Aceste neajunsuri sunt folosite pentru a identifica aspectele pe care modelele viitoare trebuie să le îmbunătățească, evidențiind diferența dintre generarea unui proiect complet și pregătirea acestuia pentru producție.

Adoptarea internă și BenchCAD 2.0

În activitățile din domeniul roboticii și al infrastructurii de calcul, echipele OpenAI responsabile de hardware și infrastructură folosesc Codex și ChatGPT pentru modelare și revizuiri în proiectarea asistată de calculator, desene tehnice pentru fabricație, configurarea simulărilor și evaluarea proiectelor. OpenAI afirmă că utilizarea modelelor de către echipele sale de hardware, măsurată în tokenuri, a crescut de 23 de ori din februarie. Această cifră reflectă consumul de modele, nu măsoară direct rezultatele activității de inginerie sau timpul economisit.

BenchCAD 2.0 oferă o evaluare separată a capacităților de proiectare, cerând modelelor să reproducă piese și ansambluri 3D și să determine conexiunile de pe plăcile de circuit. OpenAI raportează un scor mediu de 0,875 pentru un model intern mai nou, față de 0,594 pentru GPT-6 Astra la setarea sa maximă de raționament. Compania prezintă acest progres drept o dovadă timpurie că modelele de inteligență artificială ar putea accelera iterațiile profesionale, menționând totodată că proiectarea reprezintă doar o parte a ciclului de viață al ingineriei.

Rămâne astfel o diferență clară între performanța la evaluare și pregătirea pentru producție: evaluarea acoperă sarcini legate de proiectare, în timp ce experimentul cu dispozitivul arată că cerințele de fabricație pot impune în continuare verificări suplimentare.

Evaluarea inginerească la Chip Ganassi Racing și Mazda

OpenAI testează aceste capabilități împreună cu un grup restrâns de colaboratori din industrie, ai căror ingineri verifică acuratețea rezultatelor modelelor și utilitatea lor practică. Evaluările lor urmăresc să identifice sarcinile pe care modelele le pot sprijini și aspectele care trebuie îmbunătățite pentru o implementare sigură și fiabilă.

La Chip Ganassi Racing, colaborarea extinsă testează fluxuri de lucru prin care scanările 3D ale pieselor existente sunt transformate în modele CAD editabile și desene tehnice 2D pentru fabricație, în special atunci când fișierele originale de proiectare nu sunt disponibile. Inginerii CGR verifică acuratețea și posibilitatea de fabricație a modelelor și desenelor rezultate, oferind feedback despre activitățile manuale care pot fi reduse și aspectele pe care modelele trebuie să le îmbunătățească.

În primul an, parteneriatul cu Chip Ganassi Racing s-a concentrat pe interpretarea datelor provenite de la senzorii mașinilor, din curse și despre performanța echipelor de la boxe. Noile fluxuri de lucru adaugă ingineria pieselor fizice și prototiparea la activitatea anterioară bazată pe date.

Colaborarea cu Mazda reunește echipele de cercetare și de inginerie aplicată în teren ale OpenAI cu inginerii Mazda specializați în aerodinamică și siguranță la impact. Echipele folosesc simulări ale fluxului de aer și ale comportamentului structural pentru a dezvolta și evalua proiecte de vehicule, ținând cont de stil și costuri. În activitatea de aerodinamică, GPT-6 Astra generează forme alternative pentru partea frontală, execută simulări ale fluxului de aer și rafinează proiectele promițătoare, în încercarea de a reduce rezistența la înaintare.

Akihiro Nakata, inginer principal la Mazda, a declarat că simularea a zeci de variante îi ajută pe ingineri să înțeleagă ce caracteristici contează pentru aerodinamică și unde au proiectanții libertatea de a explora. OpenAI intenționează să împărtășească progresele și rezultatele ulterioare ale cercetării.

OpenAI invită, de asemenea, firmele de inginerie și furnizorii de software implicați în proiectare, simulare, fabricație și producție să propună utilizări cu valoare ridicată și instrumente pentru colaborări viitoare. Întrebarea centrală în toate aceste proiecte este dacă rezultatele unor proiectări mai bune pot respecta constrângerile producției și cerințele evaluării inginerești, etape care determină în continuare dacă un proiect generat poate deveni un produs fabricabil.