오픈AI, 물리 엔지니어링 AI 연구 성과 공개

오픈AI가 11월 3일 자사 모델이 기계 설계와 전기 설계, 시뮬레이션 같은 물리 엔지니어링 업무를 얼마나 돕는지 정리한 연구 성과를 공개했다. 발표에 따르면 GPT-6 Astra는 사람이 설계를 직접 고치지 않은 상태에서 Codex와 대화하는 소형 기기의 외형과 회로기판, 소프트웨어를 설계했다. 오픈AI 하드웨어 팀의 모델 사용량은 2월 이후 토큰 기준 23배로 늘었고, 새 내부 모델은 설계 벤치마크 BenchCAD 2.0에서 평균 0.875를 기록해 GPT-6 Astra의 0.594를 앞섰다. 회사는 레이싱팀 칩 가나시 레이싱과의 협업을 넓히고 마쓰다와 새 연구 협력을 시작한다고 밝혔다.

오픈AI가 내건 목표는 엔지니어의 시간을 되돌려 주는 것이다. 물리 제품을 만드는 엔지니어는 기계 설계와 전자 회로, 소프트웨어, 제조 요건을 서로 다른 전문 도구 위에서 맞춰야 한다. 회사는 도면 준비와 시뮬레이션 설정부터 분야 사이의 변경 조율까지 모델이 거들도록 가르치고 있다고 설명했다. 엔지니어가 아이디어를 탐색하고 설계를 개선하는 데 더 많은 시간을 쓰게 하겠다는 것이 오픈AI의 설명이다.

시험대는 기기 한 대였다. 오픈AI는 GPT-6로 기능 요구사항을 정의하게 한 뒤 외장 케이스와 인쇄회로기판(PCB), 소프트웨어 연동을 설계하게 했다. Astra는 오픈AI와 Work Louder의 최근 협업, 게임과 장난감 레퍼런스를 참고해 외형을 잡았고, 케이스와 부품을 붙잡는 내부 구조를 설계했다. 전기 부품을 고르고 케이스 안에 들어가도록 부품 배치와 연결을 짰으며, 사용자 인터페이스와 펌웨어, Codex 연결용 소프트웨어까지 만들었다. 팀원 두 명이 본업 사이 부업으로 붙어 일주일이 안 돼 설계를 마쳤고, 위탁 생산업체가 한 달이 안 돼 소량의 시제품을 만들었다.

메탈이 확인한 81초 분량의 공개 영상에서 오픈AI 연구팀의 저스틴 린은 이 기기를 Codex 펫이라고 불렀다. 화면 속에 Codex가 살고 누르면 말을 걸 수 있는 버튼이 달린 기기다. 린은 노트북을 열어 Codex에 속삭이는 일이 싫었다며 "무언가에 말을 거는 게 정말 좋다. 살아 있는 느낌이 든다"고 말했다. 맨 기판에서 조립된 PCB까지 가 본 것이 처음이었던 그는 ChatGPT에 원하는 바와 계획을 건네자 기판이 설계됐고, 공장과 몇 차례 수정을 주고받았다고 전했다. 영상 속 기기는 활성 에이전트가 있느냐는 물음에 다섯 개가 돌고 있다고 답한다. 발표문은 이 실험 사진에 TamaGPT라는 이름을 붙였다.

시제품과 양산 준비는 다른 일이었다. 오픈AI에 따르면 제조 단계로 넘기기까지 여러 차례 검토와 반복이 필요했다. Astra가 제조사의 생산 제약과 공차, 조립에 필요한 세부 사항을 일관되게 반영하지 못했기 때문이다. 회사는 이 빈틈이 다음 모델이 더 잘해야 할 지점을 찾는 데 쓰이고 있다고 설명했다.

사내 쓰임새는 이미 넓다. 오픈AI 하드웨어·인프라 팀은 Codex와 ChatGPT로 CAD 모델을 만들고 고치며, 제조 도면을 준비하고, 시뮬레이션을 설정하고, 설계를 검토한다. 대상은 로보틱스와 컴퓨트 인프라에 걸친다. 발표문 도표에 따르면 하드웨어 팀 직원 1인당 하루 Codex 사용량의 중앙값은 10월 1일부터 22일까지 2억 1,200만 토큰에 이르렀다. 포워드 디플로이드 엔지니어 그레이스 램은 "Codex 덕분에 아이디어에서 설계된 부품으로 가는 속도가 극적으로 빨라졌다"며 "CAD 반복이 빨라졌고 3D 설계를 양산용 2D 도면으로 바꾸는 일과 시뮬레이션, 유한요소해석(FEA) 설정에 드는 수작업이 훨씬 줄었다"고 말했다.

성능은 별도 벤치마크로 잰다. BenchCAD 2.0은 모델이 3D 부품과 조립체를 재구성하고 회로기판의 연결을 식별할 수 있는지 시험한다. 새 내부 모델은 평균 0.875를 받았고, GPT-6 Astra는 가장 높은 추론 설정에서 0.594에 그쳤다. 비용 대비 점수를 그린 발표문 도표에서 내부 모델은 가장 낮은 설정에서도 0.7대 중반을 기록해 Astra의 최고점을 넘었다. 오픈AI는 엔지니어링 수명주기에 설계 말고도 많은 요소가 있다고 전제하면서도, 이 영역의 향상을 AI 모델이 전문 업무의 반복 속도를 끌어올릴 수 있다는 초기 증거로 본다고 밝혔다.

외부 검증은 협력사 엔지니어가 맡는다. 오픈AI는 칩 가나시 레이싱(CGR)의 연구개발 팀과 기존 부품의 3D 스캔을 편집 가능한 CAD 모델과 2D 제조 도면으로 바꾸는 작업 흐름을 시험하고 있다. 원래 설계 파일이 남아 있지 않을 때 특히 쓸모가 있는 작업이다. CGR 엔지니어들은 모델이 만든 결과물의 정확도와 제조 가능성을 검토한다. CGR의 매슈 오트먼 R&D 엔지니어는 "원시 스캔 데이터에서 솔리드 바디로 가는 데 모델이 유용했다"며 "CAD 안에서 Codex와 직접 작업했고, 내가 준 피드백이 바로 반영돼 더 빠르고 손이 덜 가는 과정이 됐다"고 말했다.

마쓰다와의 협력은 새로 발표됐다. 오픈AI 연구팀과 포워드 디플로이드 엔지니어링 팀이 마쓰다의 공기역학·충돌 안전 엔지니어들과 함께 새 차량 설계를 개발하고 평가하는 데 모델을 쓰는 방안을 찾는다. 공기 흐름과 구조 거동 시뮬레이션으로 스타일링과 비용을 함께 따지며 성능 개선을 탐색하는 방식이다. GPT-6 Astra는 새 앞부분 형상을 모델링하고 공기 흐름을 시뮬레이션한 뒤 유망한 설계를 다듬어 공기 저항을 줄이는 길을 찾는다. 마쓰다의 나카타 아키히로 수석 엔지니어는 디자이너들이 공기 흐름을 개선하는 형상을 보면 "꼭 저렇게 생겨야 하느냐"고 묻는다며 "수십 가지 변형을 탐색하고 시뮬레이션하면서 Codex 속 Astra가 어떤 특징이 공기역학에 중요하고 디자이너가 어디서 자유롭게 탐색할 수 있는지 이해하게 돕는다"고 말했다. 오픈AI는 앞으로 몇 달 안에 진척과 결과를 공유하겠다고 밝혔다.

AI 엔지니어의 눈으로 보면 이번 발표의 무게는 검증 고리에 있다. 소프트웨어는 컴파일과 테스트가 몇 초 만에 답을 주지만 물리 제품은 공장과 시험장이 몇 주에서 몇 달 뒤에야 답을 준다. 오픈AI가 모델을 붙인 자리는 스캔에서 CAD로, 3D에서 2D 도면으로, 형상에서 시뮬레이션으로 이어지는 중간 산출물이다. 사람이 그 자리에서 바로 맞는지 확인할 수 있는 단계다. 메탈은 오픈AI가 Codex로 만든 하드웨어 작품 20건을 모은 사이트를 연 소식을 보도한 바 있으며, 이번 발표는 그 취미 제작을 회사의 연구 과제와 산업 협력으로 끌어올렸다. 기기 실험이 드러낸 공차와 조립 정보의 빈틈은 공장의 지식이 아직 모델 바깥에 있다는 사실을 보여 준다.

오픈AI는 기계 설계, 전기 설계, 전자기계 설계, 메카트로닉스 분야의 엔지니어와 엔지니어링 회사, 소프트웨어 공급사를 협력자로 모집한다고 밝혔다. 협력사 엔지니어들이 모델 결과물을 검토해 지금 맡길 수 있는 과제와 안전하고 믿을 만한 사용을 위해 고칠 점을 가려낸다는 구상이다. 린은 영상에서 "하드웨어를 반복 개선하는 능력이 가능성의 지평을 넓힌다"며 "평소보다 더 크게 생각하고 더 야심 차게 된다"고 말했다. 2억 1,200만 토큰과 0.875라는 숫자는 그 반복이 이미 사내에서 돌아가고 있음을 보여 준다. 다음 시험은 마쓰다의 차체와 CGR의 부품이 공장 문턱을 넘느냐다.