AI 编程工具的下一站，可能不在浏览器里，而在电路板和机械结构之间。
发生了什么
OpenAI 发布了一篇题为《Accelerating engineering for the physical world》的文章，介绍 ChatGPT 和 Codex 如何帮助工程师加速 CAD 建模、PCB 设计、仿真以及其他面向物理世界的工作流。从公开摘要看，这是一次方向性表态：OpenAI 正把原本以软件代码为核心的 Codex 能力，明确延伸到硬件与工业设计场景。文章的具体案例、客户和性能数据尚未在摘要中披露，因此目前能确认的是定位，而非量化效果。
为什么重要
过去两年，AI 编程的主战场是文本代码：补全、重构、写测试、修 bug。但工程研发的真实链条远不止代码——机械工程师在 CAD 里建模，电子工程师在 PCB 工具里布线，仿真工程师反复调参数跑求解器。这些环节长期被视为 AI 难以渗透的"深水区"，原因在于工具链封闭、数据格式专业、错误代价高。
OpenAI 此时强调"物理世界"，有两层背景。其一，纯代码生成的竞争已高度同质化，模型厂商需要寻找新的价值锚点；其二，工程软件本身正在云化和脚本化，CAD、PCB 工具普遍提供 API 与参数化接口，这为 AI 代理介入提供了技术缝隙。Codex 这类能读写文件、调用工具、执行多步任务的代理形态，恰好匹配"改参数—跑仿真—看结果—再迭代"的工程循环。
影响与看点
对硬件团队而言，短期最现实的价值不在"AI 替你设计电路"，而在流程性工作：生成和修改脚本、批量处理设计规则检查、整理仿真输入输出、在多个工具间搬运数据。这些工作琐碎、重复、易错，正是代理型 AI 的舒适区。
对开发者生态来说，值得关注的是接口层。如果 ChatGPT 与 Codex 能以插件或 MCP 类方式接入主流 CAD、EDA 工具，围绕"工程代理"的创业和集成需求会快速出现；反之，若只停留在对话式问答，价值会大打折扣。
需要保持克制的是预期。物理世界的设计错误无法像代码一样回滚，仿真结果也不能靠"看起来对"来验收。AI 在硬件流程中的角色，更可能是加速器与副驾驶，而非决策者。一个独立判断：OpenAI 此举真正的信号意义大于产品意义——它在为 Codex 寻找软件之外的第二增长曲线，而硬件工程是最难也最有价值的那块试验田。
