OpenAI 的 GPT-6 Astra 不到一周，设计出一整套 Codex 硬件设备

两名没有专门硬件工程背景的 OpenAI 员工，用 GPT-6 Astra 产出了一整套完整的物理设备——外壳、印刷电路板，以及嵌入式软件——用来对接公司的 Codex 编程智能体。设计过程花了不到一周。合约制造商在一个月内就交付了可用的原型。这个项目记录在OpenAI 11 月 4 日发布的一篇博客文章里，是有记录以来第一个前沿语言模型从概念到可制造产物、驱动端到端硬件设计的案例——不过通往那家制造商的路上，经过了多轮修改，因为 Astra 最初的设计没能满足工厂的公差约束。

这次演示并不能证明 AI 已经掌握了物理工程。它实际证明的东西，范围更窄，但也更有启发性：GPT-6 Astra 能够补齐「软件工程师」和「第一版硬件原型」之间的大部分差距，而剩下的那部分差距——是否符合可制造性设计——目前仍需要人工审查和反复修正。

GPT-6 和 Astra 之间，这项工作是怎么分的

这个项目涉及两种不同的 AI 角色。GPT-6，OpenAI 的标准推理模型，负责生成功能需求和整体设计规格。GPT-6 Astra——公司最顶级的多模态推理模型，定价为每百万输入词元 10 美元、每百万输出词元 50 美元——负责工程实现这一层。

Astra 设计了物理外壳的几何形状，选定了电气元件，完成了 PCB 的元件布局和走线布线，生成了嵌入式固件，制作了用户界面，并构建了把这台设备接入 Codex 的软件集成部分。这种分工，反映的是硬件工程里「规格」（设备需要做什么）和「实现」（怎么让它可制造、能正常工作）之间的自然分界。

仅 PCB 设计这一项任务，涉及的内容就相当多。元件选型需要交叉核对可获得性、功耗预算和占位尺寸的兼容性。布局决定了散热表现和信号完整性。走线布线必须符合阻抗要求，避免信号串扰，并满足特定制造工艺下的最小制造限度。而固件，恰好处在「硬件约束」和「软件逻辑」的交汇处——这正是代码生成模型近期进步最快的领域之一。

制造层面的差距：Astra 的设计在哪些地方需要返工

一个月之内就拿到了可用的原型。但走到那一步，经过了好几轮迭代。

Astra 最初的设计，没能满足制造公差约束和装配要求——这类物理限制，区分的是「几何上正确的设计」和「工厂真的能批量造出来的设计」。这些约束，被编码在每家代工厂各自的设计规则检查（DRC）文件里，以及 IPC 行业标准里，涵盖走线宽度、过孔尺寸、元件间距、阻焊层扩展，以及拼板隔离区。一个通过了电气仿真的设计，如果走线间距低于代工厂的蚀刻能力，或元件布局违反了装配间距要求，仍然可能无法制造。

这种失效模式，在独立的 AI PCB 研究里已经有充分记录。Atopile 的 EEBench 基准测试测的是大语言模型能否从一份 KiCad 格式的电路图，生成一块完整走线的 PCB，结果显示 GPT-6 Astra 在最高推理强度下完成了 69.3%（±10%）的测试用例——也就是说，大约十分之三的设计不完整或不正确。Hackaday 电子爱好者社区指出，量产电路板仍需要多名经验丰富的工程师来验证，并且必须在制造前通过严格测试——他们把 EEBench 的这个结果定性为令人印象深刻的进展，而不是工程层面已经可以投产。

OpenAI 的这次演示，并没有反驳这幅图景。制造层面的失败，在公司自己的文档里被直接承认了，而这多轮修改周期，正是这篇文章里最有信息量的一个数据点：目前，AI 生成的硬件设计在进入工厂车间之前，仍需要一次人工的可制造性设计审查。

BenchCAD 2.0，以及藏在 OpenAI 这次基准披露里的信号

除了这次硬件设计演示，OpenAI 还公布了BenchCAD 2.0的结果，这是一套内部基准测试，用来评估 AI 在三维机械设计和 PCB 设计任务上的表现。

GPT-6 Astra 在最高推理强度下得分 0.594。一个未公开名称的内部 OpenAI 模型得分 0.875。

BenchCAD 2.0 评估的是模型在参数化 CAD 重建上的表现——也就是从多视角图像重新生成齿轮、弹簧、钻头等三维机械零件的能力，以及 PCB 连接识别的能力。评分用体素交并比（IoU）来衡量，它反映的是 AI 生成的三维形状，在空间上与参考设计重叠的程度。这个基准测试早期版本的研究（记录在arXiv:2605.10865里）发现，模型通常能准确恢复粗略的外部几何形状，但在精确的参数化特征、按标准驱动的尺寸，以及像扫描和放样这类复杂几何操作上，往往会失败。

这个内部模型的 0.875 分，相比 Astra 的 0.594 分，在这项基准上是 47% 的相对提升。OpenAI 没有披露这个内部模型的名称、架构，或发布时间表。公司只披露了数字，却没有披露这些数字描述的是什么——这是一种很有特点的做法，能制造出一个可信的能力信号，却不必对发布承担任何承诺。

在第三方 AI 硬件基准上，GPT-6 Astra 表现如何

第三方基准测试结果，把 Astra 的硬件设计能力，放进了更广泛的 AI 模型格局里来看。EEBench 给 Astra 在 PCB 布线任务上的评分是 69.3%——评测方将其描述为大致与 Claude Opus 5 处于同一水平，不过在这个具体任务类别上更便宜、更快。

值得指出的是，EEBench 的运营方存在潜在的利益冲突：运营这项基准测试的 Atopile，自己也在开发 AI 辅助的 KiCad PCB 工具，在 AI EDA 生态里有商业利益。这套方法论和结果，在做相对比较时仍然有用，但这些数字应该被当作方向性参考，而不是经过独立审计的结果。

独立跟踪前沿模型表现的Artificial Analysis

，在其「智能指数」上，把 GPT-6 Astra 排在大约 60 个被评估模型中的第五位，得分 57，这说明它具备很强的通用推理能力，但并非排名最顶端。硬件设计这项任务，看起来恰恰把问题推向了那些「通用推理能力无法完全弥补领域专业知识」的领域——尤其是那些被编码进可制造性设计规则里的物理约束。

OpenAI 硬件团队的词元用量暴涨 23 倍

这次硬件设备演示，起初只是一个side project。但它所代表的更大趋势，贯穿了 OpenAI 自己的整个工程组织。OpenAI 硬件团队——那些从事机器人、算力基础设施和物理工程的团队——的词元消耗量，在 2026 年 2 月到 2026 年 10 月之间增长了 23 倍。这个增长速度，反映的是工程工作流本身发生了转变，而不是一次孤立的实验。OpenAI 的前线部署工程师Grace Lam

表示，这些 AI 工具「加快了从概念到工程化部件的路径」，她提到了更快的 CAD 修改周期，以及三维模型与二维制造图纸之间的自动转换。外部合作方的部署，指向的是同一个方向。职业赛车队 Chip Ganassi Racing，已经在用 OpenAI 的工具，把真实赛车部件的三维扫描结果，直接转换成可编辑的 CAD 模型，并附带对应的二维制造图纸——这个工作流以前需要熟练的 CAD 操作员从零开始手工完成。马自达的首席工程师Akihiro Nakata

表示，他用 Astra 来探索车头的气动造型，并分析这些造型对阻力和下压力的影响，他把这项工作描述为通过加速气动反馈循环，给了设计师「更大的自由去探索车身造型」。

传统 EDA 厂商与 AI 原生路径

由 Cadence、西门子和 Synopsys 主导的商业电子设计自动化（EDA）市场，多年来已经把 AI 辅助能力整合进了现有工作流里，主要体现在训练优化、约束满足改进和布线启发式算法上。西门子的 Fuse EDA AI Agent，瞄准的是在既有 EDA 软件范式内，实现芯片和 PCB 工作流的自动化。独立工具 Quilter 则使用物理驱动的强化学习来做 PCB 布局，在几何上复杂的设计里，能比传统的自动布线器更快产出可布线的结果。

OpenAI 的路径在架构上完全不同。它不是在现有 EDA 环境里加入 AI 能力，而是让「Codex 加 Astra」这套工作流，把智能体当作主要的设计工具，直接生成 CAD 程序和制造产物。这在语言模型能够胜任的那些设计阶段——元件选型、外壳几何形状、固件，以及初版 PCB 布局——完全绕开了传统的 EDA 软件，然后再交给代工厂去做那部分目前仍需要反复打磨的制造合规性验证。

这究竟代表着对专业 EDA 工具的一次替代，还是一个最终会反过来给它们引流的新入口，单靠一次演示还看不清楚。能看清楚的是，那些提供简单、文字驱动界面的 EDA 厂商，如今正受到一个意想不到方向的竞争压力。

这个内部模型的分数，对硬件工程岗位意味着什么

GPT-6 Astra（0.594 分）和一个未具名的内部模型（0.875 分）在 BenchCAD 2.0 上相差 47% 的基准提升，其意义超出了这次硬件设计演示本身，带有劳动力层面的含义。按 Astra 目前的水平，AI 生成的硬件设计需要经过多轮制造修改，以及经验丰富的 DFM 审查——这是资深硬件工程师的职责。如果这个内部模型在基准上的提升，能按比例转化为真实制造约束满足度的提升，那么这些修改轮次可能会大幅缩短。

BenchCAD 2.0 里呈现出的这条演进曲线，走的是与软件工程里 AI 相同的轨迹：最初的工具减少了样板代码、加快了经验丰富从业者的工作，随后出现的系统，开始能够产出曾经由初级工程师负责的、可用的初稿。OpenAI 的这次演示说明，第一阶段在硬件领域已经在发生。而这个内部模型的分数说明，第二阶段只隔着一个开发周期。

这次演示里暴露出的具体失效模式——Astra 产出几何上有效、但不符合可制造性设计规则的方案——本身就很有信息量。这说明限制并不在于对物理对象的空间或逻辑推理能力；而在于对代工厂特定制造规则和 IPC 标准的了解，而这些规则主要存在于专有文档里，不在训练语料主要采样的公开可得文本里。对于一个拥有更好领域专属训练数据、并在设计循环中能更自主地访问 DRC 验证工具的模型来说，这是一个可以解决的问题。OpenAI 还没有宣布那个在 BenchCAD 2.0 上得分 0.875 的内部模型，会不会发布、什么时候发布。它的这个基准结果所能确立的是：公司认为硬件设计能力是其前沿模型一项可衡量、可改进的属性——而且它已经在内部对此进行测量了。