★ FEATURED ARTICLE 1. 从输入一句话到拿到可编辑模型AI-CAD 到底在解决什么如果你做过机械结构设计或者消费电子产品的外观建模一定对那种改一个倒角整条特征树全红的崩溃感不陌生。传统 CAD 的工作流是高度确定性的拉伸、旋转、扫掠、布尔运算每一步都要人来定义参数、约束和基准。这套逻辑精确、可追溯但代价是——从零到第一个可用的三维模型往往要花掉几个小时甚至几天。AI-CAD 想干的事情本质上不是用 AI 替代 CAD而是把设计流程里最耗时的从模糊想法到第一版几何这一段交给模型去生成。你描述一个需求比如一个带散热鳍片的方形外壳四角有安装孔顶部开一个 USB-C 口系统在很短时间内吐出一个可编辑的实体模型然后你在这个基础上继续做工程化修改。这就是标题里副驾这个词的真正含义——它不抢方向盘它坐在旁边帮你把草稿画出来。标题里提到的17K stars和740 万美元前者说明这个方向在开发者社区里已经积累了相当高的关注度后者说明资本市场愿意为生成式几何这件事下注。而2 分钟出图是最有冲击力的一个数字因为它直接对标的是传统建模里最枯燥的那段重复劳动。这篇文章我不打算复述新闻而是想从一个实际用过这类工具的人的角度把 AI-CAD 的技术底座、真实能力边界、以及怎么把它接进自己的工作流掰开揉碎讲清楚。适合读这篇的人有三类一是做产品结构、工业设计、硬件创业的从业者想知道这东西现在能不能用二是做 AI 应用开发的工程师想理解文本到三维这条链路的技术选型三是对生成式 AI 在垂直领域落地感兴趣的观察者想看清副驾这个定位背后的产品逻辑。2. 文本到三维这条链路中间到底发生了什么2.1 为什么直接生成 B-rep几乎走不通要理解 AI-CAD 的技术路线先得知道三维模型有几种表达方式。最常见的是网格模型Mesh用一堆三角面片拼出形状游戏、渲染、3D 打印都用它另一种是边界表示B-rep用解析曲面平面、圆柱面、NURBS 曲面加拓扑关系来描述CAD 软件用的就是这种因为它能精确表达尺寸、支持参数化修改。问题来了B-rep 的数学结构极其复杂一个稍微像样的零件特征树里可能有几十个节点每个节点都带着约束和参数。让神经网络直接输出一个合法的 B-rep相当于让它同时学会几何、拓扑和约束求解难度极高。所以早期很多方案退而求其次先生成 Mesh再想办法转成 CAD 能用的格式。但 Mesh 转 B-rep 这一步本身就是个老大难业内叫逆向工程或者曲面重建传统做法要靠人手动拟合曲面自动化工具的效果参差不齐。这就是为什么很多AI 生成 3D 模型的 demo 看起来很炫但拿到 CAD 里根本没法改——它给你的是一坨三角面片不是一个带特征树的实体。2.2 当前主流方案程序化建模 代码生成真正让 AI-CAD 变得可用的一条路线是把建模过程变成代码生成。这个思路其实很朴素既然 CAD 操作可以被脚本化比如很多 CAD 都支持 Python 或类似的脚本接口那我让大语言模型去写这段脚本不就行了具体来说流程是这样的用户输入自然语言描述语言模型把它翻译成一段建模脚本脚本在 CAD 内核里执行生成实体模型。这样做的好处非常明显——生成的结果天然就是参数化的、可编辑的因为它本来就是一段代码跑出来的。你想改尺寸改脚本里的参数就行你想加个特征在脚本里追加几行就行。这条路线里OpenSCAD这类基于代码的建模工具特别受青睐因为它的语法简单、确定性高模型容易用代码描述。也有方案走的是调用商业 CAD 的 API生成对应的特征操作序列。标题里说的2 分钟出图大概率就是语言模型推理 脚本执行 渲染预览这一整套跑下来的时间。2.3 语言模型在这里扮演的角色比你想的更翻译很多人以为 AI-CAD 里的模型是在理解三维空间其实更准确的说法是它在做跨模态翻译把自然语言的意图翻译成结构化的建模指令。它并不真的看见了那个零件长什么样它是根据训练数据里这类描述通常对应哪类建模操作的统计规律拼出一段合理的脚本。这就解释了一个关键现象描述越接近训练数据里的常见表达生成质量越高。一个圆柱体直径 20 毫米高 50 毫米这种描述模型见得多生成得就准一个符合人体工学的握把握感舒适这种描述模型就抓瞎因为它没法把握感舒适映射到具体参数。所以实际用的时候你得学会用模型听得懂的话来描述需求。这不是模型的缺陷而是当前技术阶段的客观现实。理解了这一点你就能明白为什么下面这些技巧是有效的。2.4 从脚本到实体CAD 内核才是真正的执行者语言模型生成的脚本最终要交给 CAD 内核去执行。这里的内核可能是 OpenSCAD 的解释器也可能是某个几何内核的 API。内核负责把脚本里的操作真正算成几何体处理布尔运算、倒角、抽壳这些操作。这一步有个容易被忽略的坑语言模型生成的脚本不一定能跑通。它可能引用了不存在的函数可能参数类型不对可能布尔运算的两个体根本没相交。所以一个成熟的 AI-CAD 系统背后一定有错误重试机制——脚本执行失败把报错信息喂回给模型让它修正再跑一遍。这个循环可能跑两三次这也是为什么2 分钟里其实包含了多次模型调用。3. 把 AI-CAD 接进工作流从描述到可交付模型的完整实操3.1 环境准备你需要哪些东西假设你想自己搭一套类似的流程或者想评估某个现成工具先得把环境理清楚。核心组件有这么几块语言模型负责把描述翻译成建模脚本。可以是云端 API也可以是本地部署的开源模型取决于你对成本和数据隐私的要求。建模内核负责执行脚本。OpenSCAD 是最容易上手的免费、语法简单、确定性好。如果你需要更专业的曲面能力就得考虑带 API 的商业 CAD。执行与渲染层跑脚本、捕获错误、生成预览图。这部分通常要自己写胶水代码。交互界面让用户输入描述、看到结果、继续修改。简单点用命令行复杂点做个 Web 界面。我建议第一次尝试的人从 OpenSCAD 语言模型 API 这个最小组合开始。原因很简单OpenSCAD 的脚本是纯文本、纯函数式的模型生成起来容错率高而且它自带命令行渲染能直接出图整条链路最短。3.2 描述需求时把感觉翻译成参数这是整个流程里最需要练习的一环。我总结了一个实用的描述模板按这个结构说生成成功率会高很多整体形状先说清楚是方块、圆柱、还是某种组合。关键尺寸长宽高、直径、厚度能给具体数字就给。特征列表孔、槽、凸台、倒角一个一个列出来说清楚位置和尺寸。相对关系哪些特征是对称的哪些是居中的哪些是沿某条边分布的。举个例子与其说做一个能装下电路板的小盒子不如说一个长方体外壳外形尺寸 80x60x25 毫米壁厚 2 毫米内部空腔底面四角各有一个直径 3 毫米的安装孔孔中心距边缘 5 毫米顶面开一个 10x8 毫米的矩形开口。后一种描述模型几乎能一次生成到位。前一种描述模型只能猜猜出来的东西大概率要你大改。这不是让你放弃自然语言的优势而是让你在自然和精确之间找到平衡点。3.3 生成之后的第一件事不是改是先验证拿到生成的模型很多人第一反应是赶紧改。我的经验是先做三件事看脚本把生成的建模脚本读一遍确认它的逻辑是不是你想要的。有时候模型会用一种很绕的方式实现一个简单形状读脚本能帮你发现。量尺寸把关键尺寸量一遍确认和你的描述一致。模型偶尔会把单位搞错或者把直径当成半径。查拓扑确认模型是实体不是一堆散面片。有些生成结果看起来是个盒子实际上六个面是分开的没法做后续的布尔运算。这三步花不了几分钟但能帮你避免后面改到一半发现地基就是歪的。3.4 迭代修改在脚本上改而不是在模型上改这是 AI-CAD 相比传统建模最大的优势所在。传统流程里你改一个尺寸可能要重新走一遍特征树而在脚本化流程里你直接改脚本里的那个数字重新执行模型就更新了。更妙的是你可以让语言模型帮你改。比如把安装孔直径从 3 毫米改成 4 毫米模型会去定位脚本里对应的那行改掉参数。这种用自然语言改模型的体验才是副驾这个词的精髓——你负责决策它负责执行。但要注意改脚本比重新生成更可靠。如果你对当前模型大体满意只是要微调就让模型改脚本如果你对整体形状都不满意那就重新描述、重新生成。混着来容易把脚本改乱。3.5 导出与下游衔接模型确认无误后导出成什么格式取决于你的下游用途下游用途推荐格式原因3D 打印STL / 3MF切片软件通用网格精度够用数控加工STEP保留解析曲面CAM 软件能识别特征继续在 CAD 里编辑原生格式 / STEP保留参数化特征树渲染展示OBJ / GLB带材质和贴图渲染器友好这里有个坑从脚本生成的模型导出 STEP 时曲面质量可能不如手工建模。因为脚本里的倒角、圆角是用近似方式生成的导出后可能是一堆小平面拼出来的。如果你的零件对曲面精度要求高导出后要在专业 CAD 里检查一遍。4. 实测下来哪些场景它真能打哪些场景还得靠人4.1 最适合的场景结构规整、参数明确的零件我用下来AI-CAD 在下面这几类任务上表现最稳安装板、支架、垫块形状规整特征就是孔和倒角描述清楚就能一次成型。外壳、盒子、罩子抽壳、开孔、加安装柱这些操作模式化程度高。简单的机械连接件法兰、联轴器、简单的齿轮毛坯。概念阶段的快速原型不需要精确尺寸只要看个大概形状和比例。这些场景的共同点是几何可以用有限的参数描述清楚特征之间的逻辑关系简单。模型在训练数据里见过大量类似结构生成起来轻车熟路。4.2 力不从心的场景自由曲面和复杂装配反过来下面这些场景现阶段的 AI-CAD 基本帮不上忙或者只能帮很小的忙A 级曲面汽车外覆盖件、消费电子产品的流线型外壳这些曲面的美感靠的是设计师的手感和反复调整不是参数能描述的。复杂装配体几十个零件之间有运动关系、配合关系模型没法理解这个齿轮要和那个齿轮啮合这种语义。拓扑优化结构那种看起来像骨骼一样的轻量化结构是算法算出来的不是描述出来的。需要工程验证的零件涉及强度、散热、流体光有几何没用得配合仿真。认清这个边界很重要。AI-CAD 不是万能建模器它是一个快速起稿工具。把它用在它擅长的地方效率提升是实打实的用在它不擅长的地方你会觉得它很蠢。4.3 一个真实的效率对比我拿一个实际的小零件做过对比一个 100x60x10 毫米的安装板四角四个安装孔中间两个定位销孔边缘一圈倒角。传统方式打开 CAD画草图拉伸打孔倒角标注尺寸大概 15 到 20 分钟前提是熟练。AI-CAD 方式写描述等生成检查尺寸微调一处倒角参数导出大概 3 到 5 分钟。效率提升大概 3 到 4 倍。但注意这个提升的前提是零件足够简单、描述足够精确。如果零件复杂到需要几十个特征AI 生成的脚本出错概率上升你需要花时间调试优势就没那么明显了。4.4 那些2 分钟里没告诉你的事标题里的2 分钟出图很吸引人但实际用的时候有几个隐性成本要有心理准备描述打磨的时间第一次描述往往不完美要改两三遍才能得到想要的结果。这部分时间不算在2 分钟里。错误重试的时间脚本跑不通、模型理解偏差都要重来。复杂零件上这个概率不低。验证的时间生成的模型必须人工检查尺寸、拓扑、可制造性这些 AI 不会替你负责。学习成本学会怎么跟模型说话本身需要练习前几次用会觉得别扭。所以2 分钟是个理想值真实场景里从想法到可交付模型10 到 15 分钟是比较现实的预期。即便如此相比传统方式仍然是巨大的进步。5. 踩过的坑和对应的解法5.1 单位混乱毫米和米傻傻分不清这是最常见的问题。你描述直径 20模型可能理解成 20 毫米也可能理解成 20 米生成一个巨大无比的圆柱。解法很简单每次描述都带上单位而且统一用毫米。如果工具支持在系统提示里明确写死所有尺寸单位为毫米。5.2 布尔运算失败两个体没相交当你描述在这个面上挖一个孔时如果孔的位置描述得不够精确模型可能把孔挖在了实体外面布尔运算就失败了。解法是描述位置时用相对关系比如距左边缘 10 毫米距底边 15 毫米而不是在左边一点。5.3 特征顺序错误先倒角后打孔脚本里操作的顺序会影响结果。如果先倒角再打孔孔可能会把倒角切掉一块。模型有时候会搞错顺序。解法是在描述里明确操作顺序或者生成后读一遍脚本确认顺序合理。5.4 过度依赖生成忘了工程常识AI 生成的模型几何上可能没问题但工程上可能不合理。比如壁厚太薄没法注塑孔的位置干涉了内部结构倒角太大影响了装配。这些必须靠人的工程判断来把关。我的习惯是生成后一定在专业 CAD 里过一遍检查可制造性。5.5 把 AI 当搜索引擎用有些人期望我描述一个东西它给我一个完美的模型。这个期望本身就不对。AI-CAD 的正确用法是我描述一个大概它给我一个起点我来完善。把它当副驾别当自动驾驶。6. 这套东西往后会怎么走从技术趋势看AI-CAD 接下来最值得关注的方向是从生成几何走向理解设计意图。现在的模型只能理解形状理解不了功能。你说这个孔是用来走线的它不知道这意味着孔的直径要大于线径、边缘要倒圆防止割伤线缆。未来的模型如果能把这些工程语义也纳入进来那才真正称得上智能设计助手。另一个方向是和仿真、制造的打通。生成几何只是第一步如果系统能顺手做个简单的强度校核、给出可制造性建议那价值就大得多。现在已经有一些工具在做这件事但成熟度还不够。对从业者来说我的建议是现在就开始用但别指望它替你思考。把它当成一个能快速出草稿的实习生你负责判断和决策它负责执行和试错。这个定位摆正了效率提升是实实在在的定位摆歪了你会觉得它处处不靠谱。我在实际使用中最大的体会是AI-CAD 改变的不是建模这件事本身而是建模的起点。以前你面对的是空白画布现在你面对的是一个虽然粗糙但已经成形的草稿。从零到一的那段最耗神的劳动被压缩了你省下来的精力可以放在真正需要创造力和工程判断的地方。这才是副驾这个词最准确的含义——它不替你开车但它帮你把车从车库倒出来让你直接上路。
阅读完成 · 觉得有帮助？
