AI เป็นผู้ช่วยออกแบบ ไม่ใช่ผู้อนุมัติการผลิต
AI งานวิศวกรรม คือการใช้โมเดลปัญญาประดิษฐ์ช่วยวิศวกรทำงานออกแบบ จำลอง และพัฒนาผลิตภัณฑ์จริง โดยเชื่อมข้อมูลจากหลายสาขาและเครื่องมือเฉพาะทาง เพื่อให้ทีมทดลองแนวคิดและปรับแบบได้เร็วขึ้น โดยมนุษย์ยังรับผิดชอบการตรวจสอบความถูกต้องและความพร้อมก่อนผลิต ประเด็นสำคัญไม่ใช่การแทนที่วิศวกร แต่คือการลดเวลาที่ต้องใช้กับงานเตรียมแบบและขั้นตอนซ้ำ ๆ OpenAI ระบุว่าโมเดลที่พัฒนาขึ้นในช่วงปีที่ผ่านมาเริ่มช่วยทีมภายในทดลองแนวคิดและปรับงานได้ไวขึ้น พร้อมมีสัญญาณเบื้องต้นว่าช่วยกระบวนการทำงานของผู้เชี่ยวชาญในภาคอุตสาหกรรมได้ด้วย แต่หลักฐานเหล่านี้ยังไม่ใช่เหตุผลให้ข้ามการตรวจสอบ ความสามารถในการสร้างแบบได้เร็วมีคุณค่าเมื่อวิศวกรมีเวลาเพิ่มขึ้นไปทดสอบแนวคิด ตรวจผล และตัดสินใจบนข้อจำกัดจริงของการผลิต

จาก CAD ถึง PCB และการจำลอง
การใช้ ChatGPT และ Codex ในทีมฮาร์ดแวร์ของ OpenAI ครอบคลุมการสร้างและแก้ไขแบบจำลอง CAD การเตรียมแบบสำหรับการผลิต การตั้งค่าการจำลอง และการทบทวนงานออกแบบ ตั้งแต่งานหุ่นยนต์ไปจนถึงโครงสร้างพื้นฐานด้านการประมวลผล แนวทางนี้ช่วยลดแรงงานที่ต้องทำเองในช่วงเปลี่ยนแนวคิดให้เป็นชิ้นส่วนและแบบที่ส่งต่อให้ทีมผลิตได้ ในงานจำลองงานวิศวกรรม Codex ยังช่วยเตรียมการจำลองและการวิเคราะห์ด้วยวิธีไฟไนต์เอลิเมนต์ หรือ FEA เพื่อให้ทีมตรวจสอบแนวทางออกแบบได้ก่อนลงมือสร้างชิ้นงานจริง อย่างไรก็ตาม เครื่องมือเหล่านี้ไม่ได้ทำให้ผลจำลองถูกต้องโดยอัตโนมัติ วิศวกรยังต้องตั้งสมมติฐานให้เหมาะ ตรวจข้อมูลนำเข้า และประเมินว่าผลลัพธ์สอดคล้องกับพฤติกรรมของชิ้นงานหรือไม่ ปริมาณการใช้โมเดลในทีมฮาร์ดแวร์เพิ่มขึ้น 23 เท่านับจากเดือนกุมภาพันธ์เมื่อวัดจากจำนวนโทเค็น ตัวเลขนี้สะท้อนการใช้งานที่เพิ่มขึ้น ไม่ใช่หลักฐานว่าความเสี่ยงลดลงในสัดส่วนเดียวกัน
กรณี Astra แสดงพลังของการออกแบบครบระบบ
กรณี GPT-6 Astra ชี้ให้เห็นว่า AI ช่วยออกแบบฮาร์ดแวร์ได้ไกลกว่าการสร้างชิ้นส่วนแยกกัน ในการทดลอง ทีมใช้โมเดลกำหนดข้อกำหนดการทำงานและออกแบบอุปกรณ์สำหรับให้ผู้ใช้สนทนากับ Codex โดยรวมตัวเครื่อง โครงสร้างภายใน ระบบไฟฟ้า และซอฟต์แวร์ไว้ในกระบวนการเดียว Astra เลือกชิ้นส่วนและทำงานออกแบบแผงวงจร PCB ทั้งการจัดวางและการเชื่อมต่อให้เข้ากับตัวเครื่อง พร้อมสร้างส่วนติดต่อผู้ใช้ เฟิร์มแวร์ และการเชื่อมต่อซอฟต์แวร์ ทีมงานสองคนทำอุปกรณ์ทดสอบเสร็จในเวลาไม่ถึงหนึ่งสัปดาห์ในฐานะโครงการเสริม ก่อนผู้รับจ้างผลิตจะสร้างต้นแบบชุดเล็กได้ภายในไม่ถึงหนึ่งเดือน ผลเช่นนี้น่าประทับใจเพราะแสดงให้เห็นการประสานงานข้ามสาขา แต่การรวมแบบทั้งหมดเข้าด้วยกันยังไม่เท่ากับการพิสูจน์ว่าอุปกรณ์พร้อมผลิตจำนวนมาก
การตรวจของมนุษย์คือด่านก่อนผลิต
ข้อจำกัดของ Astra ปรากฏชัดเมื่อทีมเตรียมอุปกรณ์เข้าสู่การผลิตจริง งานยังต้องผ่านการทบทวนและแก้ไขหลายรอบ เพราะโมเดลไม่ได้คำนึงถึงข้อจำกัดของผู้ผลิต ค่าความคลาดเคลื่อนที่ยอมรับได้ และรายละเอียดการประกอบอย่างสม่ำเสมอ นี่คือเหตุผลที่การทดสอบและตรวจสอบโดยวิศวกรไม่ใช่พิธีการ แต่เป็นเงื่อนไขด้านความปลอดภัยและความน่าเชื่อถือ OpenAI ยังขยายความร่วมมือกับ Chip Ganassi Racing เพื่อศึกษาการเร่งงานวิศวกรรมและการทำต้นแบบ พร้อมประกาศความร่วมมือด้านการวิจัยกับ Mazda โดยมีตัวอย่างการใช้ Astra ช่วยวิศวกรอากาศพลศาสตร์ศึกษารูปทรงส่วนหน้ารถ จำลองการไหลของอากาศ และปรับแบบที่มีแนวโน้มลดแรงต้านได้ดีที่สุด บริษัทระบุว่าจะรายงานความคืบหน้าและผลเพิ่มเติมในอีกไม่กี่เดือนข้างหน้า ทิศทางนี้ควรถูกวัดด้วยคุณภาพงานและความปลอดภัย ไม่ใช่ความเร็วเพียงอย่างเดียว
ข้อสรุปจึงชัดเจน: ChatGPT และ Codex ช่วยให้ทีมข้ามจากแนวคิดไปสู่แบบ CAD การออกแบบแผงวงจร PCB และการจำลองได้เร็วขึ้น ส่วน Astra แสดงศักยภาพของการออกแบบอุปกรณ์ครบทั้งตัวเครื่อง วงจร และเฟิร์มแวร์ แต่การอนุมัติให้ผลิตยังต้องเป็นหน้าที่ของมนุษย์ที่ตรวจแบบ ทดสอบต้นแบบ และยืนยันว่าชิ้นงานทำได้จริงตามข้อจำกัดของโรงงาน






