OpenAI testar Astra inom fysisk produktutveckling – från enheter till fordon

OpenAI tillkännagav den 3 november 2026 en rad projekt inom utveckling av fysiska produkter, däribland en testanordning utformad av Astra, ett utökat ingenjörssamarbete med Chip Ganassi Racing och ett nytt forskningssamarbete med Mazda om fordonsdesign.

Förmågorna omfattar mekanik och elektroteknik samt systemdesign från början till slut, från att ta fram ritningar och konfigurera simuleringar till att samordna ändringar mellan olika discipliner. Målet är att ge ingenjörerna mer tid att utforska idéer och förbättra konstruktioner, samtidigt som arbetet kopplas samman mellan specialiserade verktyg.

Ett heltäckande experiment med en enhet

I experimentet testades GPT-6 Astras multimodala förmågor och förmåga att använda datorer genom att modellen fick skapa en enhet för att kommunicera med Codex, utan att teammedlemmarna redigerade designresultaten direkt. Astra fastställde funktionskraven, utvecklade höljet och fästena för de interna komponenterna, valde elektriska komponenter och utformade det tryckta kretskortet, inklusive komponenternas placering och anslutningar. Modellen utformade också användargränssnittet och skapade den fasta programvaran och de programvaruintegrationer som behövdes för att ansluta enheten till Codex.

I en tidigare Astra-demonstration placerade modellen ut komponenter och drog kopparledningar i KiCad och omvandlade därmed ett elektroniskt kretsschema till en kretskortsdesign.

Två teammedlemmar utformade testanordningen med Astra på mindre än en vecka som ett sidoprojekt. Därefter tillverkade en kontraktstillverkare en mindre serie prototyper på mindre än en månad.

Det krävdes ändå flera gransknings- och förbättringsomgångar innan konstruktionen var redo för tillverkning. Astra tog inte alltid hänsyn till tillverkarens produktionsbegränsningar, toleranser eller monteringskrav. Dessa brister används för att identifiera vad framtida modeller behöver förbättra och tydliggör skillnaden mellan att ta fram en komplett konstruktion och att förbereda den för produktion.

Intern användning och BenchCAD 2.0

OpenAI:s hårdvaru- och infrastruktuream använder Codex och ChatGPT i arbetet med robotteknik och beräkningsinfrastruktur för CAD-modellering och ändringar, tillverkningsritningar, simuleringskonfiguration och designgranskningar. OpenAI uppger att användningen av modeller i företagets hårdvaruteam, mätt i token, har ökat 23 gånger sedan februari. Den siffran mäter modellförbrukningen, inte ingenjörsarbetets resultat eller den tid som sparats direkt.

BenchCAD 2.0 ger en separat bedömning av designförmågan genom att låta modeller återskapa 3D-delar och sammansättningar samt fastställa anslutningarna på kretskort. OpenAI uppger att en nyare intern modell fick ett genomsnittligt resultat på 0,875, jämfört med 0,594 för GPT-6 Astra vid dess högsta resonemangsnivå. Företaget framhåller förbättringen som tidiga belägg för att AI-modeller skulle kunna påskynda professionellt utvecklingsarbete, samtidigt som man påpekar att design bara är en del av ingenjörsarbetets livscykel.

Det finns alltså en tydlig skillnad mellan resultaten i benchmarktestet och beredskapen för produktion: utvärderingen omfattar uppgifter med koppling till design, medan experimentet med enheten visar att tillverkningskrav fortfarande kan kräva ytterligare granskning.

Ingenjörsgranskning hos Chip Ganassi Racing och Mazda

OpenAI testar dessa förmågor tillsammans med en mindre grupp branschsamarbetspartner, vars ingenjörer granskar modellernas resultat med avseende på riktighet och praktisk användbarhet. Bedömningarna ska visa vilka uppgifter modellerna kan användas för och vad som behöver förbättras för att de ska kunna tas i bruk på ett säkert och tillförlitligt sätt.

Det utökade samarbetet med Chip Ganassi Racing testar arbetsflöden där 3D-skanningar av befintliga delar omvandlas till redigerbara CAD-modeller och tvådimensionella tillverkningsritningar, särskilt när de ursprungliga designfilerna saknas. Ingenjörerna på CGR kontrollerar att modellerna och ritningarna är korrekta och går att tillverka. De återkopplar också om vilka delar av arbetet som kan kräva mindre manuellt arbete och vad modellerna behöver förbättra.

Under det första året fokuserade samarbetet med Chip Ganassi Racing på att tolka data från bilsensorer, tävlingar och depåteamens prestationer. De nya arbetsflödena kompletterar detta tidigare dataarbete med ingenjörsarbete och prototyputveckling för fysiska delar.

I Mazda-samarbetet arbetar OpenAI:s forskarteam och teamet för Forward Deployed Engineering tillsammans med Mazdas ingenjörer inom aerodynamik och krocksäkerhet. Teamen använder simuleringar av luftflöde och strukturellt beteende för att utveckla och utvärdera fordonsdesign, med hänsyn till både formgivning och kostnader. I det aerodynamiska arbetet tar GPT-6 Astra fram alternativa nosformer, kör luftflödessimuleringar och vidareutvecklar lovande konstruktioner i syfte att minska luftmotståndet.

Akihiro Nakata, chefsingenjör på Mazda, sade att simuleringar av dussintals varianter hjälper ingenjörerna att förstå vilka egenskaper som har betydelse för aerodynamiken och var formgivarna har utrymme att utforska olika lösningar. OpenAI planerar att dela ytterligare framsteg och resultat från forskningen.

OpenAI bjuder också in ingenjörsföretag och programvaruleverantörer som arbetar med konstruktion, simulering, tillverkning och produktion att föreslå användningsområden med högt värde och verktyg för framtida samarbeten. Den centrala frågan i alla dessa projekt är om bättre konstruktionsresultat kan fungera inom produktionsbegränsningar och klara teknisk granskning – de steg som fortfarande avgör om en genererad konstruktion kan bli en produkt som går att tillverka.