Проектирование за дни — производство требует ручной доработки
Инженерные процессы, ранее требовавшие работы отдельных CAD-команд, переходят в режим автоматических прогонов моделей: с февраля потребление токенов аппаратными подразделениями OpenAI выросло в 23 раза по мере того, как системы берут на себя задачи физического проектирования.
OpenAI раскрывает данные о том, как ее модели помогают инженерам проектировать, симулировать и создавать физические продукты. Эта инициатива выводит генеративные системы за рамки административных и программных задач — напрямую в сферу машиностроения, разводки печатных плат и подготовки производства, меняя структуру затрат на ранних стадиях прототипирования.
Стратегический вопрос для руководителей хардверных направлений заключается в том, способны ли автономные системы самостоятельно выдавать готовые к производству устройства или физические производственные ограничения сохранят обязательный инженерный контроль со стороны человека. Внутренние команды OpenAI по аппаратному обеспечению и инфраструктуре уже используют Codex и ChatGPT в проектах робототехники и вычислительных мощностей для создания и корректировки CAD-моделей, подготовки производственных чертежей, настройки симуляций и ревью конструкций.
Тест автономного прототипирования
Чтобы оценить уровень сквозной автономии, OpenAI протестировала мультимодальные возможности и функции управления компьютером модели Astra, попытавшись создать физическое устройство без прямого вмешательства человека. Используя GPT-6, команда задала функциональные требования и сгенерировала корпус, печатную плату и программные интеграции для автономного устройства, позволяющего пользователям общаться с Codex. Два инженера спроектировали тестовый девайс с помощью Astra менее чем за неделю в рамках сайд-проекта, сократив традиционные сроки предварительного проектирования.
«Astra не всегда учитывала производственные ограничения фабрики, допуски или детали, необходимые для сборки».
Контрактное производство подтвердило исходную скорость цифрового пайплайна, выпустив небольшую партию физических прототипов менее чем за месяц. Однако перенос генеративного результата в реальное железо выявил операционные сложности. Подготовка устройства к производству потребовала нескольких раундов доработок и ревью, поскольку модель упустила базовые требования к сборке и производственные допуски. В итоге расчетная экономия на рабочей силе трансформировалась в затраты на повторные итерации.
Бенчмарки и промышленные пилоты
Для устранения этих системных пробелов OpenAI тестирует рассуждения моделей на задачах, объединяющих разработку софта с принципами физического проектирования. В бенчмарке BenchCAD 2.0, оценивающем способность моделей восстанавливать 3D-детали и сборки, а также определять соединения на печатных платах, новая внутренняя модель набрала 0,875 балла против 0,594 у GPT-6 Astra на максимальных настройках рассуждений.
«Мы рассматриваем рост возможностей в этой сфере как раннее подтверждение способности ИИ-моделей напрямую ускорять циклы итераций в профессиональных рабочих процессах».
OpenAI проверяет эти функции в реальных условиях через отраслевые партнерства. Компания расширяет сотрудничество с Chip Ganassi Racing, где инженеры R&D конвертируют 3D-сканы существующих деталей в редактируемые CAD-модели и 2D-чертежи при отсутствии исходных файлов, проверяя результаты на точность и технологичность производства. Параллельно OpenAI объявила о совместном исследовательском проекте с Mazda: команды исследователей и Forward Deployed Engineering объединяют усилия со специалистами по аэродинамике и краш-тестам для оценки конструкций автомобилей через симуляции воздушных потоков и структурной прочности.
Автономная модель способна спроектировать работающую печатную плату и корпус за считанные дни, однако физическая сборка по-прежнему требует от инженеров исправления базовых допусков перед запуском производственной линии, что задает жесткие границы текущей операционной автономии.
На фоне других
По данным OpenAI, с февраля потребление токенов ее хардверными командами подскочило в 23 раза, но на этапе контрактной фабрики виртуальная скорость разбилась о суровую практику. Красивая 3D-модель не гарантирует сборку: алгоритм упустил базовые производственные допуски, из-за чего сэкономленное время ушло на ручные переделки чертежей. Генерация корпуса и плат без учета заводских допусков просто перенесла инженерную рутину со стадии эскиза на стадию брака.
Источник: OpenAI Blog