返回探索
资讯VibeFix 内容整理更新于 2026年11月13日

GPT-6 Astra 一周造出一台跟 Codex 说话的设备:设计全包了,工厂那关还得靠人

11 月 3 日 OpenAI 说,GPT-6 Astra 设计了一台跟 Codex 说话的设备——外壳、电路板、界面、固件全包,不到一周完成,没有任何人工直接编辑。原型机一个月内造了出来。但让它达到可量产状态,仍然花了好几轮评审:模型会设计,还不会过工厂那关。

工作台上的原型电路板实拍:绿色电路板、USB 接口与芯片,旁边放着镊子与螺丝刀。

11 月 3 日,OpenAI 在官网发布了一篇研究文章,标题是《Accelerating engineering for the physical world》(加速现实世界的工程)。文章的主角不是一个新产品,而是一次实验:让 GPT-6 Astra 从零设计一台能跟 Codex 说话的小设备——外形、机壳、电路板、界面、固件,全由模型来做,人不直接改设计。两个人把它当副业,一周之内做完了设计;代工厂不到一个月就造出了一小批原型机。

这句话听起来像 vibe coding 的硬件版:过去一年里,“跟 AI 说一句话,做出一个能跑的 App”已经从演示变成了日常。现在 OpenAI 在问,下一步能不能是“跟 AI 说一句话,做出一个能拿在手里的东西”。这篇文章的价值,恰恰在于它没有只讲成功的那一半:设计做完了,工厂那关还是没过。模型画得出电路板,却算不准公差、量产限制和装配细节,量产准备仍然花了好几轮人工评审和返工。先把结论放在前面:AI 设计硬件已经能跑通全流程,但“能设计”和“能量产”之间,隔着的正是工程师最值钱的那部分经验。

工作台上的原型电路板实拍:绿色电路板、USB 接口与芯片,旁边放着镊子与螺丝刀。

一、这台设备是什么:跟 Codex 说话的 TamaGPT

OpenAI 这次测试的产品,内部叫 TamaGPT,是一台放在桌上的小设备,带屏幕和按键,用途只有一个:让你直接跟 Codex 说话。Codex 是 OpenAI 的编程 Agent,平时活在终端和编辑器里;这台设备想把它从屏幕里拎出来,放到桌子上。OpenAI 在文章里说,实验的目标就是一句话:“看看我们能不能在没有任何人工直接编辑的情况下,造出一台设备。”注意措辞:不是“不用人”,而是“人不直接改设计输出”。这个区别,是整篇文章最关键的诚实之处,后面会展开讲。

实验的分工是这样的:先由 GPT-6 定功能需求,然后 Astra 接手四个层面的设计。外观层面,Astra 设计了整台设备的造型,灵感来自 OpenAI 之前跟 Work Louder 的合作,以及游戏和玩具里的造型语言;机械层面,设计外壳和固定内部零件的结构;电气层面,选元器件、画电路板,包括元器件的摆放位置和连线,并且要能塞进外壳里;软件层面,设计用户界面,生成固件和连接 Codex 所需的软件集成。换句话说,从“这东西长什么样”到“它怎么通电、怎么跟 Codex 通信”,四个环节都在同一条链路上由模型完成,中间没有换手给人类工程师去补设计。

时间线是这篇文章最抓人的数字:两个团队成员,把这件事当副业,不到一周就完成了设计;随后一家代工厂在不到一个月里造出了一小批原型机。对任何一个做过硬件的人来说,这个速度都是反直觉的。传统硬件开发里,光是外壳开模、电路板打样、固件联调这几步,来回折腾几个月是常态。Astra 把“从想法到第一版能拿在手里的东西”的时间,压到了以周计的量级。这不是因为模型变魔术了,而是因为它把四个环节之间的等待和交接砍掉了——外观、结构、电路、软件不再是四个排队等对方的人,而是同一个模型在同一份理解下连续出活。

二、“没有人直接改过设计”,到底是什么意思

这句话值得拆开读,因为它很容易被读成“AI 独立造了一台设备”,而 OpenAI 的原文要克制得多。首先,功能需求是 GPT-6 定的,但“造一台跟 Codex 说话的设备”这个命题本身,是人出的。实验的设计目标、验收标准、设备用途,都是人先定好的。其次,“没有任何直接人工编辑”指的是设计输出文件没有被人直接改过——Astra 交出来的外壳图纸、电路板布局、固件代码,人没有上手去改。但这不等于人没有参与:两个团队成员全程在跟 Astra 一起工作,提需求、做判断、决定方向,模型是在人的目标框架里干活。

更重要的是下一句,OpenAI 自己写在原文里的转折:“让这台设备达到可量产状态,仍然需要好几轮评审和迭代。”也就是说,设计的“第一稿”是模型独立完成的,但“能量产的那一稿”不是。Astra 没有稳定地考虑到代工厂的生产限制、公差和装配所需的细节。这个坦白很关键,它划清了实验的边界:模型通过的是“从零到一做出设计”的测试,没有通过的是“从设计到量产”的测试。把这两件事混为一谈,就会得出“AI 已经能代替硬件工程师”的错误结论;而 OpenAI 的写法,恰恰是让你不要这么读。

对 vibe coder 来说,这个边界感很熟悉。写软件的时候也一样:Agent 一晚上能搭出一个能跑的 App,但你要把它交到真实用户手里——处理边界情况、修掉偶发 bug、补上监控和回滚——仍然需要人一轮一轮地过。硬件只不过把这个规律放大了:软件改错了可以热修复,硬件改错了要重新打板、重新开模,每一次返工都是真金白银和以周计的时间。所以“设计零人工编辑”是一个真实的里程碑,但“量产零人工介入”还不是,OpenAI 这篇文章的诚实之处,就是把这两句话同时放在了台面上。

三、工厂那关:公差、量产限制与装配细节

为什么模型能画对电路,却算不准公差?这要从硬件设计里“正确”的定义说起。一块电路板在原理上正确——元器件选对了、连线通了、固件能跑——只是第一层正确。第二层正确是“造得出来”:板子上的线距够不够工厂的工艺能力、焊盘大小合不合贴片机的要求、元器件之间的间距留没留出维修和散热的余地。第三层正确是“装得起来”:外壳的卡扣能不能一次扣合、螺丝孔的位置对不对得上、线缆走线会不会被结构件压住。这些第二层、第三层的问题,答案不在教科书里,而在具体某一家工厂的设备、工艺窗口和老师傅的经验里。

这正是 Astra 掉链子的地方。OpenAI 说,模型没有稳定地考虑到代工厂的生产限制、公差和装配细节。注意“没有稳定地”这个词:不是完全不懂,而是有时考虑到、有时没想到。换到软件开发的语境里,这就像一个 Agent 有时记得写测试、有时忘了,有时处理了空指针、有时漏了——不稳定,恰恰是工程上最难接受的缺陷。一个每次都稳定犯同一个错的工具,你可以围着它建流程;一个时好时坏的工具,你只能每一步都亲自检查,反而更累。

这个短板也解释了 OpenAI 为什么在文章的后半段花了那么多篇幅讲合作者。模型缺的不是设计能力,而是“工厂知识”:某一台贴片机的极限、某一种材料的收缩率、某一条产线的装配顺序。这些知识分散在真实的工厂和工程师手里,不在公开的训练数据里。所以 OpenAI 的解法不是让模型自己闭门琢磨,而是去找有这些知识的人合作——赛车队的研发团队、马自达的空气动力学和碰撞安全工程师。模型负责把设计迭代的速度提上来,人负责把“能不能造、安不安全”的判断补上去。这个分工,很可能是未来几年 AI 硬件工程的常态,而不是过渡状态。

四、23 倍:OpenAI 自己内部先用起来了

除了这台实验设备,文章还给了另一个数字:自今年 2 月以来,OpenAI 硬件团队的模型用量(按 token 计)增长了 23 倍。这些团队用 Codex 和 ChatGPT 来创建和修改 CAD 模型、准备制造图纸、搭建仿真、评审设计,覆盖机器人和算力基础设施两个方向。23 倍这个数字要小心读:它衡量的 token 用量,不是产出、不是节省的时间、也不是设计质量。Token 用得多,可能说明用得顺手,也可能说明大家在反复试错。但不管怎样,一个 23 倍的增长,至少说明这不是一次性的演示——OpenAI 自己的硬件团队,已经把模型嵌进了日常工作流。

文章里没有直接出现这句话的段落,但对照报道转引了 OpenAI 前线部署工程师 Grace Lam 的一句话:“Codex 极大地加速了我们从想法到工程零件的过程。”这句话的价值在于它的来源:不是市场部写的宣传语,而是一线工程师对自己工作流的描述。配合 23 倍这个数字,可以拼出一幅画面:在 OpenAI 内部,模型已经成了硬件团队的日常工具,负责的是想法与零件之间的那段路——画图、改图、跑仿真、审设计。真正贵的部分,也就是前几节说的量产判断,仍然留在人手里。

这对外部读者有一个实际的启示:判断一个 AI 能力是不是真的有用,有一个很朴素的办法——看发布者自己用不用、用了多久、用在哪个环节。OpenAI 这篇文章里,模型用在自家硬件团队的日常环节上,用了大半年,用量涨了 23 倍,这个证据比任何基准分数都实在。反过来也要看到,这篇文章没有给出任何关于节省了多少时间、减少了多少返工的数字。23 倍是投入的度量,不是产出的度量,读的时候要把这两者分开。

五、BenchCAD 2.0:0.875 对 0.594,两个数字的读法

文章还公布了一个基准分数。BenchCAD 2.0 考的是模型能不能根据工程图纸或渲染图重建三维零件和装配体、能不能从电路板的图片里认出线路连接。一个还没有发布的内部模型,平均分是 0.875;GPT-6 Astra 在最高推理档位下,是 0.594。两个数字放在一起,OpenAI 想说的是:新模型比 Astra 高出约 47%,硬件设计能力还在快速往上走。

这两个数字要带着三层定语读。第一层,0.875 的那个模型没有名字,也没有说什么时候发布。你没法把它跟任何能买到、用到的模型对应起来,它更像一个路标,而不是一个产品。第二层,BenchCAD 2.0 考的只是“设计”这一个环节,不是整个工程生命周期。OpenAI 自己也在原文里承认了这一点:工程生命周期里除了设计还有很多别的要素。设计分数高,不等于量产能力强——前面那台 TamaGPT 已经证明了这一点:设计能拿满分,量产照样要返工。第三层,分数是 OpenAI 自己报的,BenchCAD 的公开榜单还没有收录这个未发布模型。按 BenchCAD 公开榜单的口径,Astra 以 0.59 分排在已发布模型的第一位,Claude Opus 5.5 是 0.57 分,两者差距很小,而且 Astra 每个 case 的成本和耗时都明显更低。

值得注意的是,BenchCAD 2.0 本身是一个有分量的基准。它由学术界在今年 10 月 12 日发布,核心集是 100 个留出测试的 case,按参考答案打分,不用大模型当裁判。这种“不用模型评模型”的设计,在现在的基准泛滥里算是比较干净的。所以这组数字的正确读法是:硬件 CAD 这件事,对所有模型都还很难——最好的公开分数也只有 0.59,离满分 1 还差得远;但模型之间的代差正在拉开,OpenAI 内部已经有明显更强的下一代。Astra 和 Opus 5.5 在公开榜单上咬得很紧,真正的分水岭可能在那个还没露面的 0.875 身上。

六、赛车队与马自达:为什么找外部合作者

文章的后半段讲了两个合作。第一个是 Chip Ganassi Racing(CGR),一家赛车队。OpenAI 正在扩大跟它的研发团队的合作,测试把三维扫描转成可编辑的 CAD 模型和二维制造图纸的工作流。这件事的实际意义很具体:很多老零件早就没有原始设计文件了,只有实物;要复刻它,先得扫描,再把扫描数据变成能改、能加工的 CAD 模型。CGR 的研发工程师 Matthew Ortman 在文章里说,模型在“从原始扫描数据到实体”这件事上已经派上了用场。同时,CGR 的工程师会评审模型输出的图纸,检查准确性和可制造性——模型负责快,人负责把关。

第二个合作是新宣布的:马自达。OpenAI 的研究团队和前线部署工程团队,正在跟马自达的空气动力学和碰撞安全工程师合作,用气流与结构行为的仿真,来探索新车型的设计,同时兼顾造型和成本。文章里还提到,GPT-6 Astra 在帮马自达的工程师探索降低风阻的车头造型:建模、仿真气流、打磨最有潜力的设计。马自达这边没有给出任何量产承诺,OpenAI 说会在未来几个月分享更多进展和结果。

这两个合作放在一起看,能看清 OpenAI 的策略。赛车队解决的是“没有图纸怎么办”的问题,马自达解决的是“设计怎么又快又安全”的问题,两者都是模型单靠自己啃不下来的硬骨头:前者需要真实的扫描数据和制造经验,后者需要碰撞安全这种容错率极低的工程判断。OpenAI 在文章结尾公开招募合作者——工程师、工程公司、软件厂商——请他们来一起塑造这个方向。这与其说是一次发布,不如说是一次招募:模型已经能跑通设计,接下来缺的是真实世界的工程知识,而这些知识只掌握在干这行的人手里。

七、对 vibe coder 意味着什么:从写 App,到造东西

这篇文章跟 vibe coding 的关系,比表面上看起来更直接。过去一年,vibe coding 的边界一直停在软件里:你描述一个想法,Agent 帮你写出能跑的代码。但硬件一直被认为是另一回事——它要花钱、要等物流、错了没法一键回滚。TamaGPT 这个实验的意义,就是把 vibe coding 的工作方式第一次完整地搬进了硬件:同一个人,用同一套“说清楚你要什么、让模型出第一版、你来评审和纠偏”的流程,走完了外观、结构、电路、软件四个环节。

能迁移过来的,是工作方式;迁移不过来的,是犯错的成本。软件里,Agent 写错一段代码,测试会立刻告诉你,改过来只要几分钟。硬件里,模型漏掉一个公差,代工厂打样回来才发现,改一版要重新排期、重新付费。这个不对称,决定了硬件 vibe coding 的正确姿势:模型适合用来快速出第一版、快速试方向、快速验证想法;但每一版往量产走之前,都必须经过懂制造的人评审。换句话说,硬件领域的 Agent 不是“替你做完”,而是“替你把试错的成本从几周压到几天”,最后那道“能不能造”的关,还得人来把。

还有一个更实际的启发,藏在“两个人、当副业、不到一周”这个细节里。这台设备的设计没有动用一个庞大的硬件团队,而是两个人在本职工作之外,用模型当杠杆,把四个专业环节串了起来。这说明模型带来的变化,不只是“大公司能更快地造东西”,更是“小团队也能摸到以前够不着的硬件门槛”。一个独立开发者,以前想做一个硬件小产品,要么自己补齐四个专业的知识,要么花钱请四个方向的人;现在,第一版设计可以由模型先跑起来,人只需要把住评审和量产这两道关。这扇门才刚刚打开一条缝,但方向已经很清楚了。

八、没说的东西:没有产品、没有设计文件、没有时间表

这篇文章没说的东西,和说了的东西一样值得列出来。第一,没有产品。TamaGPT 是一台实验设备,不是商品;OpenAI 没有说它会不会卖、卖多少钱、什么时候能买到。把它当成一次能力展示来读是对的,当成一次产品发布来读是错的。第二,没有设计文件。文章链接了外壳图纸,但没有公开整套设计文件、固件代码或物料清单,外部的人没法复现这台设备,也没法独立验证“没有人工编辑”这个说法。第三,没有时间表。那个 BenchCAD 2.0 上拿到 0.875 的内部模型,没有名字、没有发布计划;马自达的合作也没有结果时间表,只有“未来几个月分享进展”。

第四,也是最容易忽略的一点:这篇文章里的所有数字和结论,都来自 OpenAI 自己。设计一周完成、原型一个月造出来、23 倍用量增长、0.875 对 0.594——没有第三方复核,没有独立测试。BenchCAD 的公开榜单可以交叉验证 Astra 的 0.59 分,但 0.875 那个内部模型,公开榜单上还没有。读这篇文章的正确姿势,是把它当作 OpenAI 对自己能力的一次“自我汇报”,而不是一份经过外部审计的成绩单。自我汇报也可以很有信息量——尤其是它主动写出了短板的那部分——但它仍然需要时间来验证。

最后要提醒一句:这篇文章的日期口径需要说明。OpenAI 官网的文章页在本次核实中没有显示日期戳,11 月 3 日这个日期,是多家对照报道一致采用的口径,包括 Unite.ai、CellCog 等在 11 月 3 日到 4 日之间的报道。本文按这个交叉验证过的日期来写,并在备稿里如实记录了核实方式。如果后续 OpenAI 在页面上补了日期戳,以页面为准。

九、给普通读者的三条实操建议

第一,如果你是软件背景的 vibe coder,想摸硬件,先从“模型帮你出第一版”开始,而不是“模型帮你量产”。用 Astra、Codex 这类模型去画第一版外壳、排第一版电路板、写第一版固件,验证想法、跑通 demo,这个环节模型已经能帮你省掉大量时间。但在下单打样之前,找一个懂制造的人帮你过一遍图纸——公差、工艺、装配,这三件事模型还不稳定,省掉这一步,返工的钱和时间会比你省下的更多。

第二,把“设计”和“量产”当成两个不同的里程碑来管理。很多硬件项目死掉,不是因为设计做不出来,而是因为团队把“设计完成了”误当成了“产品完成了”,预算和时间都按前者排,最后在量产环节被拖垮。TamaGPT 的时间线就是一个很好的参照:设计不到一周,原型不到一个月,但量产准备仍然要“好几轮评审和迭代”——你的项目计划里,要给后者单独留出时间和预算。

第三,盯住 BenchCAD 这类基准,但不要只盯分数。分数告诉你模型在“重建零件、认出线路”这类单项任务上的能力,真正决定你能不能用它干活的,是它在你的具体任务上稳不稳定:同样的要求问三遍,答案是不是一致;边界情况它会不会主动提醒你。与其等一个 0.875 的模型发布,不如现在就拿手头的模型跑一个你自己的小零件——从想法到第一版图纸,亲自测一次,比读十篇解读更能告诉你它现在到底能帮你多少。

一句话总结:OpenAI 这篇文章讲的不是“AI 会造东西了”,而是“AI 造东西的第一段路已经通了,剩下那段路的名字叫量产”。设计环节的速度革命是真的,一周出设计、一个月出原型,都是实打实的数字;但公差、工艺、装配这些工厂知识,仍然是人手里的硬通货。Vibe coding 的下一站很可能是硬件,但它不会跳过工厂——它会先学会跟工厂打交道。

阅读 4评论 0

评论 (0)

ME
0/1000
评论加载中...

原始来源

浏览项目广场发布你的项目

相关文章

一名开发者坐在双显示器工位前敲键盘,左屏是深色代码编辑器,右屏是带损失曲线、混淆矩阵与流水线图的机器学习仪表盘
资讯
一个 bug 难不倒它,五十个就全军覆没:BuggyMLE 把编程智能体的遮羞布扯下来了

2026 年 11 月 18 日,谷歌研究院等团队在 arXiv 发布 BuggyMLE:往 222 个能跑的机器学习仓库里注入 bug,14 个模型从最简单的 95% 一路跌到最难的 9%。一个 90 亿参数的小模型靠从易到难的课表,在 10 个 bug 那档超过了 Claude Opus 5.5。

行业趋势测试与质量AI 编程实践
一名戴眼镜的开发者坐在木桌前敲笔记本电脑,左边外接显示器上是深色背景的 C 语言代码,桌上有绿植
资讯
微软的编程模型终于不当配角了:MAI Code 2 拿 96% 的分数、只收 5% 的钱,但先看清三处“但是”

2026 年 11 月 17 日,微软发布 MAI Code 2 和 Code 2 Flash:大模型 770 亿激活参数、100 万上下文,四项基准平均通过率 63.2%,与 GPT-6.1 Sol、Claude Opus 5.5 咬得很紧,但每任务成本只有 0.309 美元。先看清三处“但是”:价格是推广价、分数是三者最低、长周期任务不在舒适区。

开发工作流产品发布模型动态
黑色背景上,一名指挥家背对镜头高举指挥棒,脚下环绕着旋转的光轨,像一支乐队正在被指挥
资讯
一个接口接 45 个模型,坏了自动换一家接着跑:Perplexity 的 Orchestrator 想当模型界的‘总机’

2026 年 11 月 17 日,Perplexity 推出 Orchestrator API:一个接口接通 OpenAI、Anthropic、Google、xAI 与 GLM、Kimi、DeepSeek 等开源权重模型,按回答模型的公开价计费、不收平台费。同一模型挂了就换一家部署接着跑,路由功能还能按任务把请求分给不同的模型。

开发工作流产品发布模型动态