车市显微镜｜马自达与OpenAI合作：GPT-6Astra渗透率背后的汽车研发结构性变化

OpenAI于11月4日宣布与马自达开展研究合作，将GPT-6Astra模型用于汽车设计与仿真评估。据第一电动网及IT之家11月4日报道，双方正围绕空气动力学及碰撞安全展开气流与结构仿真，探索新车设计方案。在具身智能评测基准RoboDojo榜单中，GPT-6 Astra此前以低于61.90分的平均得分位居智元GO-3 Nano Preview之后，而此次跨界进入整车研发环节，说明AI大模型在汽车工程端的渗透率正从概念验证迈向实质性应用阶段。

从趋势形态来看，AI大模型在汽车研发环节的渗透率正呈现加速攀升的曲线。据DoNews11月2日报道，多位用户在X平台观察到OpenAI正对GPT-6.2 Astra进行A/B测试，该型号已出现在Codex使用情况统计中，约19.8%的请求被分配至新模型。尽管界面选择器仍显示GPT-6 Astra，但灰度测试的数据分布说明底层算力正在向新一代架构迁移。对比历史同期，10月26日发布的GPT-6.1 Terra主打标准API价格较GPT-5.6 Terra和GPT-6.1 Sol降低50.0%，侧重于视觉推理与计算机操作的批量化经济自动化；而Astra系列则明确指向机械、电路及软件的协同设计。这种“Terra降本+ Astra攻坚”的双线策略，反映出AI厂商在通用文本市场饱和后，正向高壁垒的工业制造领域寻找第二增长曲线。马自达作为合作方介入，标志着传统车企在造型、性能与成本三角博弈中，开始引入非经验驱动的变量。

归因拆解需要从量、价、结构三个维度审视这组数据。在“量”的维度，OpenAI披露两名团队成员利用业余时间，在不到一周内借助Astra完成一款可与Codex交互的测试设备设计，代工厂随后在不到一个月内制成小批量原型机。这一绝对值数据若映射至汽车研发，意味着单车开发周期的理论上限存在被大幅压缩的空间。在“价”的维度，GPT-6.1 Terra的API价格同比降幅达50.0%，算力调用成本的环比下降直接降低了车企高频次运行气流与结构仿真的边际成本。在“结构”的维度，模型承担了从外观、外壳结构到电子元件选型、电路板布局及固件生成的全链路工作，这是一种典型的结构性变化——将原本分散在多个工程部门的串行任务转化为由单一模型驱动的并行生成。然而，基数效应与物理限制依然存在。OpenAI承认模型未能始终充分考虑生产限制、尺寸公差及装配细节，投产准备仍需多轮审核与迭代。同时，据界面新闻10月27日报道，在具身智能评测中，智元GO-3 Nano Preview以61.90分的平均得分、56.42%的平均成功率位列RoboDojo榜首并超过GPT-6 Astra，说明当前模型在复杂物理约束下的精细操作与长程执行能力仍有待提升。

将单一事件上升至行业判断，马自达与OpenAI的合作释放了明确的信号：汽车产业的竞争维度正在从制造端的规模效应向上游研发端的算法效率转移。横向对比行业生态，博通正与美国银行、黑石、花旗和摩根士丹利等机构合作设立总额达630.0亿美元的AI融资安排，计划自2027年起通过特殊目的实体供应XPU AI加速器并租赁给Anthropic使用；英伟达与Meta于10月27日宣布扩大在Muse系列模型上的合作，英伟达还将向Meta股权发行投资30.0亿美元。这些百亿级美元的资金流向说明，支撑汽车仿真所需的底层算力基础设施正处于资本密集注入期。纵向来看，OpenAI同步扩大了与Chip Ganassi Racing车队的合作，测试将零件三维扫描数据转为可编辑CAD模型和二维制造图纸，以处理原始设计文件缺失的问题。这种从赛车队逆向工程到乘用车正向仿真的技术路径复用，说明AI工具链在汽车垂直领域的渗透率提升并非孤立事件，而是沿着“赛事验证-乘用转化”的行业均值轨迹演进。当气流与结构仿真的迭代周期从月级缩短至周级甚至天级时，造型、性能和成本之间的帕累托最优解将被重新定义。

下期关注要点：GPT-6.2 Astra正式推送后的API定价策略及其在车企实际项目中的调用频次环比变化；马自达基于AI仿真的首款量产车型研发周期数据；以及主流车企在AI辅助研发工具链上的市占率分化情况。