OPENAI SEARCH INSIGHT

2026.11.05 / OpenAI最新情報

ChatGPTとGPT-6 Astra、CAD・PCB設計を加速へ

この記事で分かること: OpenAIが示したChatGPTとCodexによる物理製品開発支援の対象業務、検証結果、日本の設計・製造現場で確認すべき実務上の論点を知りたい。

OpenAIは2026年11月3日、ChatGPTとCodexを用いて、CAD、PCB設計、シミュレーション、製造図面作成など、物理製品の開発工程を支援する取り組みを公表した。機械・電気・ソフトウェア・製造要件をまたぐ作業でモデルを活用し、設計案の検討と反復を速めることが狙いだ。

今回の発表は、AIが設計者を完全に置き換えるという主張ではない。OpenAI自身、製造準備では生産上の制約、許容差、組立に必要な詳細をモデルが一貫して考慮できなかったとしており、人間による正確性・製造可能性のレビューが前提であることを明示している。

OpenAIが示した「物理世界」のエンジニアリング支援

OpenAIによると、対象は機械設計や電気設計に限らず、システム全体の設計に及ぶ。現実の製品開発では、筐体、電子回路、ファームウェア、製造条件を専門ツールで扱いながら整合させる必要がある。OpenAIは、図面の準備、シミュレーション設定、部門横断の変更調整をモデルに支援させる方針を示した。

公式発表でいう中心的な価値は、作図や解析そのものの自動化だけではない。設計者がより多くの時間をアイデア探索と設計改善に使えるようにする点にある。過去1年のフロンティアモデルの能力向上により、OpenAIの内部チームでは新しい案の検証と反復が速くなったと説明する。

また、産業界の専門ワークフローでも改善の初期的な証拠が見られるとしている。ただし、どのタスクに最も効果があるか、実務で安全かつ信頼できる形で使うために何を改善すべきかは、協力先と検証を続けている段階である。一般利用者向けの提供条件や価格、利用開始日は今回の公式発表では示されていない。

GPT-6 Astraで試した対話デバイスの設計

OpenAIは、マルチモーダルおよびコンピューター利用ワークフローにおけるAstraの性能を検証するため、人間が直接修正せずにデバイスを作れるかを試験した。GPT-6を用い、Codexと会話できるデバイスに向けた機能要件、筐体、PCB、ソフトウェア連携を設計したという。

デザイン面では、近時のWork Louderとの協業やゲーム、玩具を参照し、デバイスの外観を策定した。機械設計では筐体と、部品を固定する内部構造を設計した。電気設計では、筐体内に収まるよう部品を選定し、配置と接続を含むPCBを設計したとしている。

UI/UXとソフトウェアの範囲では、ユーザーインターフェースを設計し、Codexへ接続するためのファームウェアとソフトウェア統合を生成した。OpenAIの説明では、2人のチームメンバーが副次的なプロジェクトとして1週間未満でこのテスト用デバイスを設計し、委託製造事業者は1カ月未満で少量の試作機を製造した。

一方で、量産に向けた準備には複数回のレビューと反復が必要だった。Astraは、製造者の生産能力、許容差、組立の詳細を常に考慮できたわけではない。これは失敗を隠さない重要な一次情報であり、設計AIの評価では生成速度だけでなく、DFM、DFA、部品調達性、検査性まで別途確認すべきことを示す。

ChatGPTとCodexの社内活用範囲

OpenAIのハードウェアおよびインフラストラクチャチームは、CodexとChatGPTをCADモデルの作成・改訂、製造図面の準備、シミュレーション設定、設計レビューに利用している。適用範囲はロボティクスと計算インフラにまたがるという。

OpenAIは、ハードウェアチーム全体のモデル利用量をトークンで測定し、2月以降に23倍へ増加したと公表した。ただし、この数値は利用量であり、設計品質、開発期間、原価、不具合率の改善幅を直接示す指標ではない。国内企業が導入効果を評価する際も、トークン量をKPIの代替にしない注意が必要になる。

BenchCAD 2.0が測る設計能力

OpenAIは、コード作成と工学知識を組み合わせるタスクで新しいモデルの進捗も測定している。BenchCAD 2.0は、3D部品・アセンブリを再構成できるか、回路基板の接続を識別できるかを検証するベンチマークである。

公式発表によれば、新しい内部モデルは平均0.875を記録した。GPT-6 Astraの最高推論設定は0.594だった。BenchCAD 2.0での平均スコアは0.875対0.594であり、OpenAIはこれを、プロ向けワークフローの反復速度にAIが好影響を与え得る初期的な証拠と位置付けている。

ただし、設計ライフサイクルは形状復元や配線接続の認識だけで完結しない。要求仕様の妥当性、材料・強度の判断、規格適合、試験計画、サプライヤーとの調整、変更管理などが残る。ベンチマーク結果は能力比較の材料であり、製品開発における安全性や完成度の保証として読むべきではない。

Chip Ganassi Racingとマツダの共同検証

OpenAIは少数の業界協力者と実際の工学課題を試験しており、協力先のエンジニアがモデル出力の正確性と実用性をレビューする。どの作業を現在支援できるか、どこを改善すべきかを把握し、安全で信頼できる利用につなげる枠組みだ。

Chip Ganassi Racing（CGR）との協業では、既存部品の3Dスキャンから編集可能なCADモデルと2D製造図面へ変換するワークフローを検証する。元の設計ファイルが存在しない場合に有用な用途として挙げられ、CGRのエンジニアが精度と製造可能性を確認する。

マツダとは新たな研究協業を発表した。OpenAIの研究・Forward Deployed Engineeringチームと、マツダの空力・衝突安全エンジニアが、新車両デザインの開発と評価にモデルをどう役立てられるかを探る。空気流と構造挙動のシミュレーションを使い、スタイリングとコストも踏まえて性能改善を検討する。

OpenAIは今後数カ月で進捗と結果を共有するとしている。

Agent Memories編集部の考察

日本の設計・製造組織がまず評価すべきは、「設計を丸ごと任せられるか」ではなく、変更頻度が高く、成果物の検証基準を明文化できる工程である。例えば、既存図面・部品表・要求文書からの情報抽出、設計変更に伴う影響候補の洗い出し、シミュレーション条件の下準備、レビュー観点の整理は、段階導入の対象になり得る。

その際は、CAD・EDA・PLM・解析環境との接続性に加え、入力データの権限、設計資産の取り扱い、出力の追跡可能性を評価項目に置くべきだ。特に安全や品質に関わる製品では、AI出力を誰が承認し、どの根拠と版で製造へ進めるかという責任分界を、導入前に業務プロセスへ組み込む必要がある。

OpenAIの試作例が示す通り、外観、筐体、PCB、ソフトウェアを横断して案を作る能力と、製造制約を満たす能力は同じではない。したがってPoCでは、生成時間の短縮だけでなく、レビュー差し戻し率、設計変更の伝達漏れ、製造性指摘、再利用できた成果物の比率を測定し、「速く作れた」ことと「安全に作れる」ことを分けて判定するのが実務的である。

よくある質問

ChatGPTはCADやPCB設計を完全自動化するのか

今回の公式発表は完全自動化を約束していない。OpenAIはCAD、PCB、シミュレーション、製造図面などでの支援を示した一方、製造準備にはレビューと反復が必要であり、モデルが生産制約や許容差を一貫して扱えなかったと説明している。

GPT-6 Astraのベンチマーク結果は実製品の性能を表すのか

BenchCAD 2.0の結果は、3D部品・アセンブリの再構成やPCB接続の識別に関する評価値である。実製品の開発には、要求定義、規格、材料、試験、製造、保守など多くの要素があるため、そのまま開発全体の成功率や品質を意味するものではない。

マツダとの協業では何を検証するのか

OpenAIは、マツダの空力・衝突安全エンジニアと、新たな車両デザインの開発・評価にモデルを使う可能性を研究するとしている。空気流と構造挙動のシミュレーションを通じ、スタイリングやコストを考慮しながら性能改善を探る内容である。

まとめ

OpenAIの発表は、ChatGPTとCodexを物理製品の設計・解析・製造準備に広げる研究と実地検証の進捗を示したものだ。社内利用の拡大、BenchCAD 2.0のスコア、CGRおよびマツダとの協業は前進を示す一方、製造制約への対応と専門家レビューは依然として不可欠である。

設計AIを検討する組織は、限定された高頻度業務から検証を始め、正確性、製造可能性、変更管理、責任所在を評価軸に据えるべきだ。OpenAIが協力者を募っていることからも、この領域は完成済みの自動化製品というより、現場の工具と課題に合わせて能力と運用を形成していく段階といえる。

本カテゴリはMiraigent / Agent Memoriesによる非公式編集記事です。OpenAIとの提携・承認・後援を示すものではありません。