Accelerating Engineering for the Physical World: OpenAI가 Codex로 CAD·회로·해석을 돌리고 Mazda와 공력 설계를 탐색
OpenAI가 ChatGPT와 Codex를 CAD 수정, 회로 기판 설계, 생산 도면, 해석 설정, 설계 검토에 쓰고 있다고 공개했습니다. Chip Ganassi Racing과는 3D 스캔을 CAD와 도면으로 바꾸고 Mazda와는 공력·충돌 안전 엔지니어가 함께 차량 형상을 탐색합니다. 모델이 만든 시제품도 공차와 조립은 사람이 여러 번 다시 봤습니다.
OpenAI는 코딩 도구 Codex를 기계·전기 설계와 해석으로 넓혀, 요구사항에서 PCB와 펌웨어까지 모델이 그린 시제품을 만들었습니다. 이제 Mazda의 공력·충돌 안전 엔지니어와 차량 형상 탐색에 붙입니다. 따라 하려면 설계를 파라미터와 스크립트로 바꾸고 공차·조립·생산 제약은 사람이 판정하는 관문으로 남겨야 합니다.
요약
OpenAI는 2026년 11월 3일 연구 글 「Accelerating engineering for the physical world」에서 자사 모델이 물리 제품의 설계·해석·제작을 어디까지 돕는지 정리했습니다. 이야기는 세 갈래입니다. 먼저 사람의 직접 수정 없이 장치 하나를 만들 수 있는지 시험했습니다. GPT-6가 기능 요구사항을 쓰고 GPT-6 Astra(이하 Astra)가 외관, 외함, 내부 구조, 전기 부품, PCB(인쇄 회로 기판) 배치, 펌웨어를 맡았습니다. 다음으로 로보틱스와 컴퓨트 인프라를 다루는 사내 하드웨어 팀의 쓰임새를 소개했습니다. 이 팀들은 Codex와 ChatGPT로 CAD 모델을 만들고 고칩니다. 생산 도면 준비, 해석 설정, 설계 검토에도 씁니다. 마지막은 외부 협업입니다. 레이싱 팀 Chip Ganassi Racing과는 기존 부품의 3D 스캔을 편집 가능한 CAD와 2D 생산 도면으로 바꾸는 경로를 시험합니다. Mazda와는 새 연구 협업을 시작했습니다.
결과는 속도와 남은 일로 나뉩니다. 장치는 팀원 두 명이 부업처럼 1주 안에 조립했고 위탁 제조사가 1달 안에 소량 시제품을 만들었습니다. 사내 하드웨어 팀의 토큰 사용량은 2월 이후 23배로 늘었습니다. 반면 양산 준비에는 여러 차례 검토가 필요했습니다. Astra가 제조사의 생산 제약과 공차, 조립 세부를 꾸준히 반영하지 못했기 때문입니다. BenchCAD 2.0 평가에서도 최신 내부 모델은 평균 0.875, Astra는 0.594를 받았습니다. OpenAI는 이를 초기 근거라고 부르면서 엔지니어링 주기에는 설계 말고도 할 일이 많다고 덧붙였습니다. 아래에서는 이 결과를 다섯 가지 작동 방식으로 나눠 보고 실제로 돌릴 때 필요한 파이프라인과 8주 시범안을 붙입니다.
핵심 메커니즘
Requirements-to-Prototype: 요구사항에서 펌웨어까지 모델이 그리는 시제품
무엇인가. 한 모델이 요구사항을 쓰고 다른 모델이 기구, 전기, 소프트웨어 설계를 이어 받아 실물 시제품까지 가는 방식입니다.
어떻게 작동하나. GPT-6가 장치가 해야 할 기능을 요구사항으로 정리합니다. Astra는 그 요구사항으로 외관과 외함, 내부 구조를 설계하고 전기 부품을 고른 뒤 PCB를 배치합니다. 이어 펌웨어와 장치를 Codex에 잇는 인터페이스를 만듭니다. 외관은 Work Louder와의 협업, 게임과 장난감에서 착안했습니다. 결과물은 위탁 제조사로 넘어가 소량 생산됩니다.
언제 쓰고 언제 안 쓰나. 부품 수가 적고 요구사항이 분명한 장치의 첫 시제품에 맞습니다. 양산 직전 단계에서는 제조사의 공정 능력과 조립 순서를 아는 사람이 반드시 검토합니다. 원문에서도 이 단계에서 여러 차례 검토가 필요했습니다.
작은 예시(가상 예시). 공장 설비에 붙일 버튼 3개짜리 원격 스위치를 생각해 봅니다. 요구사항 문서, 외함 CAD, PCB 배치, 펌웨어 초안까지는 모델이 하루 안에 냅니다. 사출 금형의 빼기 각도와 나사 체결 순서는 생산기술 담당자가 고칩니다.
Codex in the Engineering Loop: 사내 하드웨어 팀이 맡기는 네 가지 일
무엇인가. 원래 코딩 에이전트인 Codex(목표를 받으면 스스로 파일을 읽고 고치고 실행하는 AI 도구)와 ChatGPT를 엔지니어의 일상 설계 작업에 붙이는 방식입니다.
어떻게 작동하나. 원문에 나온 담당자 세 명의 설명을 모으면 일은 네 가지입니다. forward deployed engineer(고객 현장에 붙어 시스템을 만드는 엔지니어) Grace Lam은 아이디어에서 부품으로 가는 일, 3D 설계를 생산 도면으로 바꾸는 일, 시뮬레이션과 FEA(유한요소해석, 형상을 잘게 나눠 응력·변형을 계산하는 해석) 설정에 손이 덜 간다고 말합니다. 기술 스태프 Qiong Wang은 제약 조건, 아키텍처, ECAD(전기 회로 설계 도구), 설계 검토에서 Codex와 ChatGPT를 함께 일하는 상대로 씁니다. 인프라 담당 Jackie Lee는 건축·엔지니어링·BIM(건물 정보 모델) 분야의 반복 모델링과 분야 간 교차 점검을 Codex에 맡기고 결과는 사람이 검토합니다.
규모. 이 팀들의 토큰 사용량은 2월 이후 23배가 됐습니다. 원문은 어떤 CAD·ECAD 소프트웨어나 파일 형식을 쓰는지는 밝히지 않았습니다.
언제 쓰나. 형상을 바꿀 때마다 도면과 해석 설정을 다시 손으로 만들어야 하는 반복 작업이 많을 때 효과가 큽니다.
Scan-to-CAD: 원본 파일 없는 부품을 다시 편집 가능한 설계로
무엇인가. 기존 부품을 3D 스캔한 데이터를 편집 가능한 CAD 모델과 2D 생산 도면으로 되살리는 경로입니다.
어떻게 작동하나. 스캔으로 얻은 원시 데이터는 점이나 삼각형 면의 집합이라 치수를 고칠 수 없습니다. 모델이 이것을 닫힌 형상(solid body)으로 만들고 면과 구멍 같은 특징을 가진 CAD 모델로 바꾼 뒤, 제작에 쓰는 2D 도면을 뽑습니다. Chip Ganassi Racing의 R&D 엔지니어 Matthew Ortman은 원시 스캔에서 솔리드 바디로 가는 단계에서 모델이 쓸모 있었다고 말합니다. 그는 CAD 안에서 Codex와 직접 일합니다.
언제 쓰나. 원본 설계 파일이 사라졌거나 협력사가 도면을 주지 않은 부품, 오래된 설비의 교체 부품에 씁니다. 원문은 어떤 종류의 부품인지는 밝히지 않았습니다.
작은 예시(가상 예시). 20년 된 프레스 설비의 브래킷이 깨졌는데 도면이 없습니다. 남은 부품을 스캔해 CAD로 복원하고 구멍 위치와 판 두께를 도면에 적어 가공 업체에 보냅니다.
Simulation-Driven Shape Exploration: Mazda와 함께 하는 차량 형상 탐색
무엇인가. 사람이 몇 안을 골라 해석하는 대신, 모델이 많은 형상 후보를 해석으로 돌려 무엇이 성능을 바꾸는지 찾는 탐색입니다.
어떻게 작동하나. OpenAI의 연구 팀과 forward deployed 팀이 Mazda의 공력 엔지니어, 충돌 안전 엔지니어와 한 팀으로 일합니다. 공기 흐름 해석과 구조 해석을 쓰고 디자인(스타일링)과 비용 조건을 함께 따집니다. Mazda의 수석 엔지니어 Akihiro Nakata는 Codex 안에서 Astra로 차 앞부분(nose) 형상을 여러 개 해석하고 어떤 형상 특징이 항력(공기 저항)에 영향을 주는지 찾는다고 설명합니다. 목적은 정답 하나를 고르는 것이 아니라 디자인 팀이 움직일 여지를 남기는 것입니다.
지금 단계. 협업은 막 시작했고 성과 수치는 아직 없습니다. OpenAI는 결과를 나중에 더 공유하겠다고 했습니다.
언제 쓰나. 성능 목표(항력, 충돌 시 변형)와 디자인 자유도가 맞부딪히는 초기 형상 단계에 맞습니다. 형상이 거의 정해진 뒤의 미세 조정에는 효과가 작습니다.
BenchCAD 2.0: CAD·회로 능력을 점수로 재는 평가
무엇인가. 모델이 3D 부품과 조립품을 다시 만들어 내는지, 회로 기판의 연결을 알아보는지를 재는 평가입니다.
어떻게 작동하나. 모델에 부품이나 기판 정보를 주고 재구성 결과를 정답과 비교해 0~1 사이 점수를 매깁니다. 최신 내부 모델은 평균 0.875, 가장 높은 추론 설정의 GPT-6 Astra는 0.594였습니다.
읽는 법. OpenAI는 이 점수를 초기 근거로 소개했습니다. 설계 재구성만 재므로 공차, 조립, 생산 제약 같은 제조 단계 능력은 따로 봐야 합니다. 시제품 실험에서 사람이 다시 본 지점이 바로 그곳입니다.
통념과 다른 주장
흔히 이렇게 봅니다코딩 에이전트는 소프트웨어용이고 기계·전기 설계는 전용 CAD 도구와 사람의 손이 맡는다.
OpenAI는 이렇게 봅니다같은 코딩 에이전트가 CAD 모델, PCB, 펌웨어, 해석 설정까지 다루며 엔지니어의 일상 도구가 됐습니다.
근거모델이 설계한 장치를 두 명이 1주 안에 조립했고 사내 하드웨어 팀의 토큰 사용량은 2월 이후 23배가 됐습니다.
흔히 이렇게 봅니다AI 설계의 가치는 사람이 고를 정답 하나를 빨리 내는 데 있다.
Mazda 협업은 이렇게 봅니다많은 형상을 돌려 어떤 특징이 항력을 바꾸는지 밝히고 디자인 팀이 움직일 여지를 남기는 데 씁니다.
근거Nakata는 Astra로 코 형상을 여러 개 해석해 항력에 영향을 주는 특징을 찾는다고 설명합니다. 협업은 스타일링과 비용 조건도 함께 따집니다.
저자가 든 사례
| 사례 | 상황 | 한 일 | 결과 | 연결 |
|---|---|---|---|---|
| 모델이 설계한 장치 | 사람 직접 수정 없이 장치를 만들 수 있나 | GPT-6 요구사항, Astra가 외관·구조·부품·PCB·펌웨어 | 2명이 1주 안에 조립, 위탁 제조사가 1달 안에 소량 시제품. 양산 준비는 여러 차례 검토 | Requirements-to-Prototype |
| 사내 하드웨어 팀 | 로보틱스·컴퓨트 인프라의 설계 반복 작업 | Codex·ChatGPT로 CAD, 도면, 해석 설정, 설계 검토 | 토큰 사용량 2월 이후 23배 | Codex in the Engineering Loop |
| Chip Ganassi Racing R&D | 원본 파일이 없는 기존 부품 | 3D 스캔에서 편집 가능 CAD와 2D 도면으로 가는 경로 시험 | 스캔에서 솔리드 바디 단계가 쓸모 있었다는 담당자 평가. 수치는 원문에서 밝히지 않음 | Scan-to-CAD |
| Mazda | 공력·충돌 성능과 디자인·비용의 균형 | 공력·충돌 안전 엔지니어와 공동 연구, 코 형상 다수 해석 | 결과는 추후 공개 예정 | Simulation-Driven Shape Exploration |
기술 디테일: 실제로 돌릴 때 필요한 것
원문은 소프트웨어 이름이나 파일 형식을 밝히지 않았습니다. 아래는 같은 일을 사내에서 돌릴 때 필요한 구성을 새로 정리한 것입니다.
Codex in the Engineering Loop를 돌리려면 설계를 사람이 마우스로 그린 파일이 아니라 다시 실행할 수 있는 스크립트로 바꿔야 합니다. 에이전트는 파일을 읽고 고치고 실행하는 도구이므로, CadQuery·build123d·OpenSCAD 같은 code-CAD(코드로 형상을 정의하는 CAD) 스크립트나 상용 CAD의 API 매크로가 작업 단위가 됩니다. 스크립트가 STEP(업계 표준 3D 교환 형식) 파일을 내보내면 별도 점검 스크립트가 부피·외곽 치수·부품 간 간섭·최소 두께를 계산해 규칙 위반 목록을 냅니다. 에이전트에는 위반 목록을 돌려줘 스스로 고치게 하고 고친 횟수 상한(예: 5회)을 둡니다. 역할도 나눕니다. 형상을 만드는 일은 추론 설정을 높인 모델이 맡고 치수와 간섭 판정은 매번 같은 답을 내는 점검 스크립트가 맡습니다. 모델에게 합격 여부를 묻지 않습니다.
Requirements-to-Prototype의 마지막 관문을 자동화하려면 사람이 다시 본 세 가지(생산 제약, 공차, 조립 세부)를 체크리스트 파일로 만들어 에이전트 입력에 넣습니다. 제조사 공정 능력표(최소 구멍 지름, 사출 최소 두께, 기판 최소 선폭)를 숫자로 적어 두면 에이전트가 설계 단계에서 먼저 걸러 냅니다. 그래도 최종 판정은 사람 몫으로 남깁니다.
{
"part_id": "BRK-0142",
"source": "scan",
"params": {"plate_t_mm": 4.0, "hole_d_mm": 8.5, "hole_pitch_mm": 60.0},
"export": "BRK-0142_r3.step",
"checks": {
"max_deviation_to_scan_mm": 0.18,
"min_wall_mm": 3.9,
"interference": false,
"tolerance_notes": ["hole_pitch ±0.1 필요"]
},
"agent_rounds": 3,
"human_signoff": "pending"
}위 필드와 값은 가상 예시입니다. 에이전트가 낸 결과마다 형상 파일, 점검 수치, 시도 횟수, 사람 서명을 한 레코드로 남깁니다.
Scan-to-CAD를 돌리려면 스캔 메시(STL 같은 삼각형 면 데이터)를 넣고 모델에게 평면·원통·구멍 같은 기본 형상으로 나눠 code-CAD로 다시 쓰게 합니다. 복원한 CAD를 스캔에 겹쳐 점마다 거리를 재고 최대 편차가 허용치(가상 예시로 0.2mm)를 넘는 면만 다시 고치게 합니다. 마모된 부품은 스캔이 원래 설계와 다르므로, 구멍 지름이나 간격처럼 표준 값이 있는 치수는 표준으로 맞추라는 규칙을 지시문에 넣습니다.
Simulation-Driven Shape Exploration을 돌리려면 형상을 변수 몇 개로 정의합니다. 차 앞부분이라면 앞 오버행 길이, 후드 각도, 범퍼 모서리 반경처럼 5~8개 변수와 범위를 정하고(가상 예시), 디자인 팀이 지켜야 할 외곽선과 원가 상한을 제약으로 겁니다. 에이전트는 실험 계획에 따라 40~60개 후보를 만들어 거친 메시로 공기 흐름 해석을 돌리고 결과(항력 계수 Cd)를 변수와 함께 표로 모읍니다. 변수별 민감도를 계산하면 항력에 영향이 큰 특징과 거의 영향이 없는 특징이 갈립니다. 영향이 작은 변수는 디자인 팀에 자유롭게 넘깁니다. 충돌 쪽은 같은 후보에 구조 해석을 붙여 변형량 한계를 넘는 안을 뺍니다.
편차와 실패에 대비하려면 같은 지시로 형상을 3회 생성해 핵심 치수가 서로 다르면 사람에게 넘깁니다. 해석이 수렴하지 않거나 메시가 깨지면 그 후보를 실패로 기록하고 넘어가게 해, 실패율이 20%를 넘으면 메시 설정부터 다시 봅니다(가상 기준). 모델 점수(BenchCAD 2.0)와 사내 결과가 다를 수 있으므로, 사내 부품 20~30개로 작은 평가 세트를 따로 만들어 모델을 바꿀 때마다 돌립니다.
현업 실행 디테일: 누가, 언제, 무엇을
| 역할 | 맡는 일 |
|---|---|
| R&D 총괄 | 시범 범위(부품군·차종) 승인, 사람이 끝까지 판정할 관문 지정 |
| 설계 엔지니어 | 형상 변수 정의, 에이전트 결과 검토, 도면 서명 |
| 해석(CAE) 엔지니어 | 메시·경계조건 표준, 해석 결과 검증, 실험 대조 |
| 생산기술·품질 | 공정 능력표, 공차·조립 체크리스트, 시제품 판정 |
| 디자인 팀 | 지켜야 할 외곽선, 자유롭게 움직일 영역 제시 |
| AX·IT | code-CAD·해석 환경 구성, 레코드 저장, 보안 검토(설계 데이터 반출 범위) |
준비물. 원본 파일이 없는 부품 목록과 실물, 3D 스캐너 사용 일정, 최근 해석 결과 10~20건(형상 변수와 결과값), 제조사·협력사 공정 능력표, 디자인 팀의 외곽 제약, 설계 데이터를 외부 모델에 넣어도 되는지에 대한 보안 판단이 필요합니다.
| 기간 | 할 일 | 산출물 |
|---|---|---|
| 1~2주 | 시범 부품 5~10개와 형상 변수 확정, 공정 능력표 숫자화, 보안 승인 | 부품 목록, 변수·제약 JSON, 체크리스트 |
| 3~4주 | Scan-to-CAD 시범, 복원 CAD를 스캔과 대조 | 부품별 최대 편차, 사람 수정 시간 |
| 5~6주 | 형상 후보 40~60개 해석, 민감도 표 작성 | 변수별 영향 순위, 디자인 팀 회의록 |
| 7~8주 | 결과 판정, 확대 범위 결정 | 판정 보고서, 다음 분기 계획 |
현업에 물을 것.
- 원본 파일이 없어 다시 그려야 하는 부품은 1년에 몇 개이고 하나에 며칠이 걸리나요?
- 해석 한 건을 설정하는 데 사람 손이 몇 시간 드나요? 그중 반복 작업은 얼마인가요?
- 디자인 팀이 꼭 지켜야 하는 선과 바꿔도 되는 선이 문서로 정리돼 있나요?
- 협력사의 공차와 최소 두께 같은 공정 제약은 숫자로 받을 수 있나요?
- 설계 데이터를 외부 모델에 넣는 것을 누가 승인하나요?
진행 판정 기준(예시). Scan-to-CAD 복원 부품의 80% 이상이 최대 편차 기준을 넘지 않고 사람 수정 시간이 손으로 다시 그릴 때의 절반 이하여야 합니다. 형상 탐색에서는 디자인 팀이 민감도 표를 보고 자유 영역을 하나 이상 새로 받아들여야 합니다. 생산기술 검토에서 공차·조립 지적이 회차마다 줄어드는지도 봅니다. 셋 중 둘을 못 채우면 범위를 줄여 다시 시범합니다.
AX 적용 제언. 자동차 부품, 기계, 전자 제조사라면 순서를 Scan-to-CAD, 도면·해석 설정 자동화, 형상 탐색으로 잡는 편이 좋습니다. Scan-to-CAD는 원본 없는 교체 부품처럼 결과를 실물과 바로 대조할 수 있어 첫 성과를 보이기 쉽습니다. 형상 탐색은 디자인·해석·원가 부서가 함께 앉아야 하므로 R&D 총괄이 스폰서로 나서야 합니다. 어느 단계든 공차·조립·생산 제약은 생산기술이 서명하는 관문으로 남겨 두고 그 체크리스트를 다음 회차의 에이전트 입력으로 돌려 넣습니다.
원문 사례
| 항목 | 내용 |
|---|---|
| 글 | OpenAI 연구 글 「Accelerating engineering for the physical world」, 2026.11.03, X 스레드와 함께 공개 |
| 범위 | 기계·전기 설계와 전체 시스템 설계, 해석, 제작 |
| 시제품 실험 | GPT-6 요구사항, Astra가 외관·외함·내부 구조·부품 선정·PCB·펌웨어·Codex 연결 인터페이스. 외관은 Work Louder 협업과 게임·장난감에서 착안. 2명이 1주 안에 조립, 위탁 제조사가 1달 안에 소량 시제품. 생산 제약·공차·조립 세부로 여러 차례 검토 |
| 사내 팀 | 로보틱스·컴퓨트 인프라, CAD·도면·해석 설정·설계 검토, 토큰 사용량 2월 이후 23배. Grace Lam(FDE), Qiong Wang(기술 스태프), Jackie Lee(인프라) |
| 평가 | BenchCAD 2.0, 3D 부품·조립 재구성과 PCB 연결 식별. 최신 내부 모델 0.875, GPT-6 Astra(최고 추론 설정) 0.594 |
| Chip Ganassi Racing | 협업 확대, R&D 팀과 3D 스캔에서 편집 가능 CAD·2D 생산 도면 경로 시험. Matthew Ortman(R&D 엔지니어) |
| Mazda | 새 연구 협업, OpenAI 연구·forward deployed 팀과 Mazda 공력·충돌 안전 엔지니어. 공기 흐름·구조 해석, 스타일링·비용 고려. Akihiro Nakata(수석 엔지니어)가 Codex에서 Astra로 코 형상 다수 해석. 결과는 추후 공유 |
| 요청 | 복잡한 제품을 설계·해석·제조하는 엔지니어, 기업, 소프트웨어 벤더에게 협업 제안 |
핵심 개념
- GPT-6 Astra
- OpenAI가 이 글에서 시제품 설계와 Mazda 형상 탐색에 쓴 모델. 원문에서는 Astra로 줄여 부릅니다.
- PCB
- printed circuit board. 전자 부품을 얹고 구리 선로로 잇는 기판입니다.
- ECAD
- 전기·전자 회로와 기판을 설계하는 CAD 도구.
- FEA
- finite element analysis. 형상을 작은 요소로 나눠 힘을 받았을 때의 응력과 변형을 계산하는 해석입니다.
- BIM
- building information modeling. 건물의 형상과 자재·설비 정보를 한 모델에 담는 방식입니다.
- solid body
- 안팎이 닫혀 부피를 가진 3D 형상. 스캔 데이터를 CAD로 쓰려면 이 상태가 돼야 합니다.
- forward deployed engineer
- 고객이나 현장 팀에 붙어 실제 업무에 맞춰 시스템을 만드는 엔지니어. 흔히 FDE로 줄여 부릅니다.
- 위탁 제조사
- contract manufacturer. 설계를 받아 대신 생산하는 회사입니다.
내 메모
TODO: 내 생각 추가
원문은 OpenAI의 연구 글 「Accelerating engineering for the physical world」(2026.11.03)입니다. openai.com 원문 페이지는 이번 작업에서 직접 열리지 않아, 원문을 정리한 Idlen 기사(Paul Lefizelier, 2026.11.03)와 RuntimeWire 기사(Ryan Merket, 2026.11.03)로 내용을 확인했습니다. Mazda 측 별도 발표는 찾지 못했습니다. 요약, 핵심 메커니즘의 원문 예, 통념과 다른 주장, 사례, 원문 사례 표는 이 자료에 실린 내용을 AX Review가 다시 정리했고 담당자 발언은 직접 인용하지 않고 내용만 옮겼습니다. 기술 디테일, 현업 실행 디테일, JSON 예시, 일정표, 판정 기준, 인포그래픽은 실제로 돌릴 때 필요한 내용을 새로 작성했으며 가상 예시는 그렇게 밝혔습니다. code-CAD, STEP, STL 같은 도구·형식 이름은 원문이 아니라 새로 덧붙인 것입니다. 전체 내용은 원문에서 볼 수 있습니다.