OpenAI 不再只把 GPT、Codex 局限在写代码、软件开发场景，现在正式把模型能力延伸到机械、电子、仿真、整机原型这类物理世界工程环节，用来帮工程师完成 CAD 建模、PCB 电路板设计、仿真设置、工程图纸输出、跨专业设计协同，内部硬件团队已经大规模落地试用，还和马自达、赛车团队 CGR 展开产业合作测试，典型案例就是用 GPT-6 Astra 在一周内完成一款可以对接 Codex 交互的桌面硬件设备全套方案，包含外壳结构、电路板、固件程序。这套方案不是 AI 直接替代工程师，而是把查资料、重复建模、整理仿真参数、生成基础图纸这类耗时杂活交给 GPT，工程师集中精力做方案取舍、合规校验、制造可行性把控，目前整套能力还处在早期验证阶段，AI 产出的方案依然存在公差、工艺适配问题，必须人工复核迭代之后才能送去量产打样。下面整理这套工程能力覆盖范围、落地案例、工作流程、优势和现存短板。
一、GPT 在物理工程里可以完成的工作清单
- 机械工程：生成、修改 CAD 模型，把 3D 模型转成生产用 2D 工程图，搭建有限元仿真 FEA，做结构方案迭代
- 电子工程：元器件选型、PCB 布局布线、输出 Gerber 文件、设计电路原理图、配套固件代码
- 系统协同：整理跨学科需求，同步机械、电子、软件之间的变更，输出设计评审文档
- 原型辅助：把自然语言需求翻译成硬件方案，快速产出概念方案，辅助方案对比筛选
二、已经公开的合作与内部实测项目表
| 合作 / 项目对象 | 合作方向 | GPT 模型作用 |
|---|---|---|
| OpenAI 内部硬件、机器人团队 | 算力硬件、机器人零部件开发 | Codex、GPT 辅助 CAD、仿真、图纸，今年 2 月至今模型调用 Token 量增长 23 倍 |
| Chip Ganassi Racing 赛车团队 | 赛车空气动力学、零部件快速原型 | 加速零件迭代、仿真参数调试、轻量化方案探索 |
| 马自达 Mazda | 汽车空气动力学、碰撞安全工程评估 | 辅助仿真方案搭建、设计方案对比分析 |
| TamaGPT 桌面交互设备（内部测试） | 小型完整硬件整机原型 | GPT-6 Astra 独立完成外壳、PCB、固件、UI 方案，无人工直接修改设计文件 |
三、GPT 辅助物理工程的完整使用步骤
- 工程师输入需求，比如功能目标、尺寸限制、成本、使用环境，GPT 输出初步方案框架、器件清单
- 调用模型生成 CAD 结构、电路原理图、PCB 布局初稿
- 自动搭建仿真脚本，设置载荷、流体、热仿真参数，生成仿真任务
- 输出图纸、BOM 物料清单、基础固件代码
- 工程师人工审查：校验加工公差、装配干涉、元器件供货、安规、散热等制造约束
- 把修改意见回传给 GPT，多轮迭代优化方案，最终交付工厂打样
四、当前这套方案明显的局限
- 制造经验不足：GPT 经常忽略加工公差、装配间隙、模具限制，初稿一般不能直接投产
- 仿真结果不能替代专业 CAE 软件验算，AI 只负责搭建仿真流程，仿真结论仍需要工程师验证
- 安全、安规、可靠性风险高，高压、车载、航空类硬件不能直接采信 AI 输出内容
- 只做辅助工具，不会替代资深硬件工程师的核心决策
【相关 FAQ】
问题 1：OpenAI 用 GPT 加速物理世界工程，是不是代表 GPT 可以独立造出合格的硬件产品？
回答 1：不可以，OpenAI 用 GPT 加速物理世界工程只是辅助工程师做设计初稿、图纸、仿真配置，GPT 产出的方案缺少对加工工艺、公差、供应链的完整考量，必须工程师复核、多轮调整之后，才能得到可制造的硬件原型。
问题 2：OpenAI 用 GPT 做物理工程，和原本 Codex 做软件开发有什么不一样？
回答 2：Codex 原本主打纯软件代码生成；OpenAI 用 GPT 加速物理世界工程是打通机械、电子、仿真、固件多个领域，对接 CAD、ECAD、仿真工具，面向看得见摸得着的实体硬件、机器人、汽车零部件这类物理产品，不再局限纯软件代码。
问题 3：普通工程师现在能不能直接用 GPT 这套物理工程能力来设计产品？
回答 3：这套面向物理世界工程的 GPT 能力目前优先在 OpenAI 内部和少数合作企业内测，没有面向大众正式开放完整工程接口，普通用户现阶段只能用 GPT 做方案咨询、代码辅助、简单结构思路参考，不能直接对接专业 CAD、PCB 工具自动输出生产文件。
【参考资料】
[2026-11-07]（不止于软件开发：OpenAI 用 GPT 加速物理世界的工程）机器之心
[2026-11-04]（OpenAI Astra 设计硬件原型，一周完成设备设计）36 氪
[2026-11-03]（Accelerating engineering for the physical world）OpenAI 官方博客
[2026-10-19]（OpenAI 自研人形机器人，计划 2027 展示真机）电子工程专辑
【免责声明】
本文中 OpenAI GPT 加速物理世界工程相关内容，全部基于官方公开博文、产业媒体报道，不构成工程设计指导、产品开发方案；AI 生成的机械、电路、仿真方案存在工艺、安全缺陷风险，任何硬件打样、生产都需要专业工程师、正规检测机构审核验证；该功能尚处于早期研发测试阶段，后续开放形式、能力边界、合作计划随时会调整，请以 OpenAI 官方公告为准。
本文来自作者[光涡路由]投稿，不代表乌兰科技网立场，如若转载，请注明出处：https://www.wlcbnews.com/jqr/202611/164.html
评论列表（4条）
我是乌兰科技网的签约作者“光涡路由”！
希望本篇文章《不止软件开发，OpenAI 依托 GPT 推动物理实体工程设计与原型开发》能对你有所帮助！
本站[乌兰科技网]内容主要涵盖：互联网行业的追踪与探索
本文概览：OpenAI 不再只把 GPT、Codex 局限在写代码、软件开发场景，现在正式把模型能力延伸到机械、电子、仿真、整机原型这类物理世界工程环节，用来帮工程师完成 CAD 建模、PCB 电路板设计、仿真设置、工程图纸输出、跨专业设计协同，内部硬件团队已经大规模落地试用，还和马自达、赛车团队 CGR 展开产业合作测试，典型案例就是用 GPT-6 Astra 在一周内完成一款可以对接 Codex 交互的桌面硬件设备全套方案，包含外壳结构、电路板、固件程序。这套方案不是 AI 直接替代工程师，而是把查资料、重复建模、整理仿真参数、生成基础图纸这类耗时杂活交给 GPT，工程师集中精力做方案取舍、合规校验、制造可行性把控，目前整套能力还处在早期验证阶段，AI 产出的方案依然存在公差、工艺适配问题，必须人工复核迭代之后才能送去量产打样。下面整理这套工程能力覆盖范围、落地案例、工作流程、优势和现存短板。