OpenAI 於 11 月 3 日發布〈加速實體世界的工程〉（Accelerating engineering for the physical world），首次系統性地公開其模型在機械設計、電子工程與端到端系統設計中的應用成果。報告核心論點明確：代理型 AI 的下一場落地戰場，不再只是編寫軟體，而是直接參與硬體產品從概念、建模、模擬到製造準備的全流程。
發布重點
從「寫代碼」到「設計硬體」
OpenAI 用 GPT-6 Astra 在完全無人直接編輯的情況下設計出一台可用的對話設備：GPT-6 定義功能需求，Astra 負責外觀工業設計、機構內構、電子元件選型與 PCB 佈局，並生成韌體與整合軟體。整個過程由兩名團隊成員以副項目的方式在一週內完成原型設計，合約製造商再以不到一個月產出小批量樣機。值得注意的是，報告坦承該設備未能完全符合製造商的量產限制、公差與組裝細節——這正是下一步模型需要跨越的門檻。
內部作業已出現量化成長
OpenAI 硬體與基礎設施團隊使用 Codex 與 ChatGPT 修改 CAD 模型、準備製造圖面、設定模擬與審查設計。自二月以來，其硬體團隊的模型用量（以 token 計）成長 23 倍。報告引述多位工程師，指 Codex 已把「從構想到可加工零件」的往返明顯加速，包括將 3D 設計轉成可供生產的 2D 圖面。
BenchCAD 2.0：結合編程與工程知識的評測
OpenAI 公開 BenchCAD 2.0 基準測試，要求模型重建 3D 零件與組件、辨識電路板上的元件連接。結果顯示一個較新的內部模型平均得分 0.875，對比 GPT-6 Astra 於最高推理設定下僅 0.594——模型正在快速接近「懂工程」而非只是「會寫代碼」。
產業合作：Mazda 與 Chip Ganassi Racing
- Mazda：OpenAI 研究與前瞻部署團隊與 Mazda 的空氣動力學、碰撞安全工程師合作，用 GPT-6 Astra 模擬氣流與結構行為，探索降低風阻的新車頭造型。報告引述 Mazda 主要工程師指 Astra 幫助團隊在「造型自由度」與「空氣動力學性能」之間找到平衡。
- Chip Ganassi Racing（CGR）：OpenAI 擴大與 CGR 的合作，把既有零件的 3D 掃描轉成可編輯的 CAD 模型與 2D 製造圖面，特別針對原始設計檔案已遺失的零件——這類工作極適合檢驗模型在「逆向工程」情境下的實用性。
為何重要
這次發布的意義在於它把混雜的「AI 改變製造業」敘事，轉化為可量測的能力進展。過去一年，前緣模型的提升已讓 OpenAI 內部團隊更快迭代設計；現在，證據開始從內部蔓延到受信任產業夥伴的專業工作流。
其一，代理商務的疆界正式延展到實體世界。Codex 過去被視為「軟體工程代理」，如今端到端地觸及電子、機構與製造——這代表代理型 AI 的總可服務市場大幅擴張，也意味代理的可靠性要求更高：設計錯誤的直接成本遠高於一段錯誤代碼。
其二，製造業成為前緣模型的關鍵評測場。BenchCAD 2.0 顯示內部模型已明顯超越 Astra，這種「工程知識」維度有望成為評估模型是否通往通用智能（AGI）的另一把尺，與純代碼、多模態基準並列。
需要注意的落差
- 上市就緒仍有距離：報告明確承認製造就緒（manufacturing readiness）需要多輪人工審查與迭代，模型對量產限制、公差的理解仍不完整。
- 工程師仍是把關者：所有合作案例中，人類工程師都負責審查模型輸出的準確性與可製造性——AI 目前是「加速假設與初稿」的工具，而非取代工程判斷。
對香港的硬體新創、電子製造與工程專業人士而言，這是評估「AI 代理何時能真正進入本地製造週期」最直接的參考：當模型能穩定處理公差、組裝細節與跨學科協調時，採用成本就會急劇下降。值得持續追蹤 OpenAI 後續與 Mazda 等夥伴的量化成果。
本文信息來源：OpenAI 官方部落格。