ChatGPT Desain CAD PCB: Cara OpenAI Rancang Hardware Nyata

Bikin Gadget Fisik dari Nol Pakai Astra dan GPT-6

Salah satu bukti paling menarik dari riset ini adalah pembuatan sebuah perangkat fisik khusus tanpa pengeditan langsung sama sekali dari tangan manusia. OpenAI menguji performa model Astra dalam alur kerja multimodal dan computer use (kemampuan AI mengendalikan antarmuka komputer layaknya manusia) untuk mewujudkan perangkat yang dipakai berkomunikasi langsung dengan Codex.

Dalam uji coba ini, GPT-6 ditugaskan mendefinisikan kebutuhan fungsional perangkat, lalu Astra mengeksekusi seluruh rantai desain teknisnya. Alur pembuatannya mencakup empat ranah kerja utama:

1. Estetika dan Konsep Desain: Astra merumuskan tampilan visual perangkat dengan mengambil inspirasi dari kolaborasi Work Louder sebelumnya serta referensi visual mainan dan konsol gim.
2. Desain Mekanik (CAD): Model ini mendesain enclosure (cangkang pelindung luar) sekaligus struktur penopang internal yang mengunci seluruh komponen agar nggak goyang di dalam wadah.
3. Desain Elektronika (PCB): Astra memilih komponen elektronika yang dibutuhkan, lalu merancang tata letak printed circuit board (PCB) beserta jalur koneksi antarkomponen supaya pas dimasukkan ke dalam cangkang mekanik.
4. UI/UX dan Perangkat Lunak: Menyiapkan antarmuka pengguna, menulis kode firmware, dan menyusun integrasi perangkat lunak agar alat tersebut bisa tersambung mulus ke Codex.

Hasilnya lumayan mencengangkan: dua orang anggota tim OpenAI mampu menyelesaikan seluruh desain perangkat uji coba ini dalam waktu kurang dari satu minggu sambil mengerjakannya sebagai proyek sampingan. Setelah desain diserahkan ke mitra pabrik perakitan (contract manufacturer), sekumpulan prototipe pertama selesai dirakit dalam kurun waktu di bawah satu bulan.

ChatGPT Desain CAD PCB: Menyatukan Fisik dan Sirkuit Elektronika

Selama ini, mendesain produk fisik selalu menuntut sinkronisasi yang rumit antara insinyur mekanik yang memakai software CAD (Computer-Aided Design) dan insinyur elektro yang mendesain skematik serta routing jalur PCB. Kalau dimensi bodi luar diubah beberapa milimeter saja, tata letak papan PCB sering kali harus dirombak total dari awal biar nggak mentok baut atau dinding dalam.

Lewat riset ini, OpenAI melatih model mereka buat mengoordinasikan perubahan lintas disiplin ilmu tersebut secara otomatis. Model AI diajarkan membaca kebutuhan dimensi bodi fisik, lalu menyusun penempatan komponen elektronika yang presisi. Proses ini mencakup pembuatan gambar kerja dua dimensi (2D manufacturing drawings) dan penyiapan berkas simulasi.

Dengan alur terintegrasi kayak gini, waktu yang biasanya habis buat bolak-balik rapat koordinasi antara tim mekanik dan tim sirkuit bisa dipangkas drastis.

Tim Internal OpenAI: Penggunaan Token Melejit 23 Kali Lipat

Kemampuan baru ini ternyata bukan cuma eksperimen sesaat buat materi publikasi. Di dalam tubuh OpenAI sendiri, tim internal yang menangani rekayasa perangkat keras dan infrastruktur komputasi sudah mengandalkan Codex dan ChatGPT dalam rutinitas kerja harian mereka.

Para engineer OpenAI memanfaatkan AI untuk membuat serta merevisi model CAD, menyiapkan gambar kerja pabrikasi, mengonfigurasi simulasi teknis, hingga memeriksa ulang kualitas desain sebelum masuk tahap produksi. Lingkup pekerjaannya mencakup perancangan perangkat robotik internal hingga infrastruktur server komputasi berskala besar.

Bukti adopsi nyata ini terlihat dari metrik penggunaan: sejak Februari, konsumsi token AI di kalangan tim hardware OpenAI melonjak hingga 23 kali lipat. Praktisi internal seperti Grace Lam (Forward Deployed Engineer), Qiong Wang (Member of Technical Staff), dan Jackie Lee (Member of Infrastructure Staff) secara rutin memasukkan model AI ke dalam alur kerja rekayasa fisik mereka untuk mempercepat eksperimen.

Tolok Ukur BenchCAD 2.0 dan Riset Evaluasi Model

Untuk mengukur seberapa andal model AI dalam tugas perancangan fisik, OpenAI menggunakan tolok ukur pengujian bernama BenchCAD 2.0. Tolok ukur ini mengombinasikan kemampuan pemrograman tingkat tinggi dengan pemahaman logika rekayasa fisik.

Ujian di dalam BenchCAD 2.0 berfokus pada dua hal krusial:

• Kemampuan merekonstruksi part 3D dan susunan perakitan mekanis (assemblies).
• Kemampuan mengidentifikasi sambungan kelistrikan pada papan sirkuit terpadu.

Lompatan skor dari 0,594 milik GPT-6 Astra ke angka 0,875 pada model internal terbaru membuktikan bahwa pemahaman AI terhadap geometri ruang tiga dimensi dan logika skematik elektronika berkembang sangat pesat. Pengembangan evaluasi teknis ini sejalan dengan rangkaian riset evaluasi mendalam OpenAI lainnya, seperti yang dipublikasikan dalam riset LifeVal.

Evaluasi berkala seperti BenchCAD 2.0 dan LifeVal ini menjadi acuan penting sebelum sebuah model frontier ditugaskan menangani kalkulasi teknis yang berisiko tinggi.

Menjaga Keamanan Model dan Kolaborasi Industri Nyata

Menerapkan model frontier untuk merancang objek fisik dan keselamatan memerlukan pengawasan ketat. OpenAI terus meneliti cara mendeteksi ketidakselarasan (misalignment) pada model frontier agar keputusan rekayasa yang diambil AI tetap aman dan bisa dipertanggungjawabkan.

Selain riset keamanan internal, OpenAI menggandeng mitra industri berat untuk memvalidasi keluaran model AI pada kasus nyata di lapangan. Kolaborasi ini melibatkan tim insinyur manusia yang memeriksa langsung akurasi teknis dan kelayakan produksi hasil desain model AI.

1. Chip Ganassi Racing (CGR)

OpenAI memperluas kerja samanya dengan tim balap legendaris Chip Ganassi Racing. Melalui tim riset dan pengembangan (R&D) CGR, mereka menguji alur kerja otomatis yang mengubah hasil pemindaian 3D (3D scan) dari komponen balap yang sudah ada menjadi model CAD yang bisa diedit ulang beserta gambar manufaktur 2D.

Proses rekayasa balik (reverse engineering) ini sangat berguna pas tim balap nggak punya berkas desain asli dari komponen mobil lama. Insinyur CGR meninjau setiap model dan gambar yang dihasilkan untuk memastikan part tersebut aman dan benar-benar bisa diproduksi ulang di bengkel permesinan.

2. Mazda Motor Corporation

Kolaborasi riset anyar juga dijalin bersama pabrikan otomotif Mazda. Tim riset dan Forward Deployed Engineering OpenAI bekerja bareng insinyur aerodinamika serta keselamatan tabrakan (crash-safety) Mazda.

Proyek ini mengeksplorasi penggunaan model AI untuk mengevaluasi desain kendaraan baru melalui simulasi aliran udara (airflow) dan perilaku deformasi struktural saat terjadi benturan. Fokusnya adalah mencari titik keseimbangan terbaik antara peningkatan performa aerodinamika, keselamatan kabin, estetika bentuk bodi, dan efisiensi biaya manufaktur.

Eksplorasi bersama mitra industri otomotif dan balap ini juga dibarengi upaya OpenAI untuk terus bekerja sama dengan komunitas akademik demi membangun pemahaman ilmiah yang kuat seputar perilaku model AI saat menangani persoalan dunia nyata.

Melalui sinergi antara dunia akademik, industri manufaktur, dan riset AI, standardisasi penerapan model cerdas pada rekayasa fisik diharapkan bisa semakin matang dan aman.

Batasan Manufaktur Nyata yang Masih Dihadapi

Meskipun hasilnya terlihat sangat memukau, OpenAI secara jujur mengakui bahwa teknologi ini masih punya kelemahan yang cukup mendasar saat berhadapan dengan lantai pabrik sesungguhnya.

Pada proyek pembuatan prototipe gadget bersama Astra, perangkat tersebut belum bisa langsung dikirim ke mesin pabrik tanpa campur tangan manusia. Tim masih harus melakukan beberapa putaran peninjauan (review) dan perbaikan manual. Penyebabnya, model Astra belum konsisten dalam memperhitungkan batasan produksi pabrik rekanan, toleransi ukuran presisi permesinan, dan detail perakitan baut atau klip penutup bodi.

Kelemahan inilah yang kini jadi fokus pengembangan OpenAI berikutnya dengan membuka kesempatan kemitraan bagi firma teknik, produsen software CAD, dan vendor manufaktur global.

Langkah Praktis Mencoba Otomasi CAD dan Hardware dengan Prompt AI

Buat kamu yang ingin mulai memanfaatkan AI untuk membantu pekerjaan desain hardware atau elektronika sederhana, kamu bisa mulai melatih model untuk menyusun skrip otomasi CAD atau membuat skematik berbasis kode teks seperti format OpenSCAD atau KiCad netlist.

Berikut langkah yang bisa kamu coba:

1. Definisikan Kebutuhan Geometri: Tentukan ukuran dimensi luar, letak lubang baut, dan toleransi ketebalan bahan dalam bentuk angka pasti.
2. Gunakan Format Berbasis Kode: Minta model AI membuat skrip OpenSCAD untuk part 3D atau skrip Python untuk FreeCAD daripada meminta berkas biner mentah.
3. Validasi Desain di Software Lokal: Buka skrip tersebut di aplikasi CAD kamu, lalu periksa apakah ada tabrakan antarpart (interference fit).
4. Kirim Balik Kesalahan ke Model: Kalau ada posisi lubang yang meleset, salin pesan galat atau koordinat yang salah ke AI untuk diperbaiki.

Kamu bisa mencoba prompt terstruktur seperti ini untuk merancang bodi kotak elektronik sederhana:

Kamu adalah insinyur mekanik ahli OpenSCAD. Buat kode OpenSCAD lengkap dan terparameter untuk kotak enclosure dua bagian (bawah dan penutup) dengan spesifikasi berikut:1. Dimensi luar: panjang 100mm, lebar 60mm, tinggi 30mm.2. Ketebalan dinding bodi: 2.5mm seragam di semua sisi.3. Sediakan 4 standoff penahan PCB di bagian dalam bawah dengan diameter 5mm, tinggi 6mm, dan lubang sekrup M3 (diameter 3.2mm) dengan jarak antarlubang 80mm x 45mm.4. Buat bibir pengunci (lip joint) setinggi 1.5mm pada penutup agar pas mengunci ke bodi bawah.Berikan hanya kode OpenSCAD yang bersih dengan komentar penjelas di setiap parameter utama.

Dampak Nyata untuk Industri Teknik dan Maker di Indonesia

Perkembangan ini membawa angin segar sekaligus tantangan baru buat ekosistem manufaktur dan teknologi di Indonesia:

• Akselerasi Prototipe Startup Perangkat Keras: Startup lokal yang bergerak di sektor IoT pertanian, pemantauan logistik, atau perangkat pintar rumah tangga bisa memangkas biaya R&D awal. Pembuatan prototipe fungsional yang dulunya butuh waktu berbulan-bulan kini bisa dipersingkat dalam hitungan minggu.
• Peningkatan Produktivitas Mahasiswa dan Maker: Komunitas perakit hardware dan mahasiswa teknik di Indonesia bisa belajar merancang skematik rumit lebih cepat tanpa harus terhambat rasa takut salah bikin jalur PCB.
• Peluang untuk Industri Komponen Lokal: Jika perancangan bodi dan sirkuit bisa diotomasi, pesanan pembuatan prototipe skala kecil ke bengkel bubut lokal (machining workshop) atau penyedia cetak 3D di berbagai kota berpotensi meningkat.

Untuk mulai mengintegrasikan kemampuan nalar model AI kelas atas ke dalam sistem atau skrip otomasi kantormu tanpa pusing mikirin biaya langganan kartu kredit luar negeri, kamu bisa melirik layanan Classai Router. Platform ini menyediakan satu API key praktis buat mengakses model-model frontier seperti GPT-6 Astra (gpt-6-astra seharga Rp9.720 per 1 juta token input dan Rp48.600 per 1 juta token output) dengan pembayaran rupiah lokal lewat QRIS.

Bagi kamu developer atau mahasiswa yang mau mendalami cara menyambungkan logika AI ke sistem kerja otomasi nyata, kamu juga bisa mempelajari alur kerja integrasi API lewat kelas Tutorial Classai Router Coding atau memahami dasar pemanfaatan model bahasa untuk alur kerja teknis di kelas Kenalan dengan ChatGPT & Codex.

Langkah OpenAI membawa kecerdasan buatan ke ranah atom dan logam membuktikan bahwa batasan antara rekayasa perangkat lunak dan manufaktur fisik kini makin tipis. Masa depan hardware jelas bukan lagi soal menggambar garis manual satu per satu, melainkan bagaimana insinyur mengarahkan nalar AI untuk melahirkan produk fisik yang presisi dan aman.