AI原生CAD与产品设计的未来

上周，我看到一段15秒的视频，有人在一个文本框中输入CAD零件的描述——"法兰安装支架，四个M6螺栓孔，3mm壁厚，120mm跨度"——然后看着一个完全参数化的3D模型出现在屏幕上。这让我想："我的设计职位会被取代吗？"

好消息，我们不会。但这个问题值得一个真正的答案。从纯英文生成可编辑CAD几何图形的AI工具已经超出了大多数工程师的预期改进速度，我想把实际有效的内容与标题区分开来。我在传统CAD中花了多年时间逐个特征地构建零件，所以这在我的专业领域内——如果你是正在权衡这些工具是否值得加入团队工作流程的工程或设计经理，可能也在你的专业领域内。

1、什么是AI原生CAD？

你输入零件描述。系统返回一个参数化的、可编辑的3D模型，你可以在现有的CAD环境中打开它。

大多数工程师听到"AI在CAD中"会想到生成式设计——Fusion 360、Creo和NX中的优化工具。它们接受你的约束并重塑几何图形以满足这些约束。输出是一个网格——三角形——你需要在制造前将其重建为真正的CAD。

文本转CAD则不同。它是一个创建工具。它从自然语言开始，生成B-Rep几何图形——与你在任何专业CAD系统中使用的相同实体模型。B-Rep代表边界表示：使实体模型可编辑的数学格式。你得到一个特征树，而不是网格。你可以编辑它并导出到STEP。

以下是它的样子。你在Zoo的界面中输入：

"L形支架，50mm腿，4mm厚度，每条腿两个6mm通孔，距每条边缘15mm居中，所有内边缘以2mm半径倒圆角"

你得到一个带有特征树的参数化实体——拉伸、切除拉伸、倒圆角——可以在SOLIDWORKS、Fusion 360或任何读取STEP文件的软件中打开。将腿长更改为60mm，它会参数化更新，就像你手动构建的一样。

网格与B-Rep的区别就是全部。文本转CAD针对的是最早的设计阶段——从概念到第一个模型。生成式设计针对的是后期阶段——优化已有的东西。它们是互补的，你可以在同一个工作流程中使用两者。

2、谁在构建这些工具？

2.1 初创公司

Zoo（前身为KittyCAD）是技术领导者。Zookeeper代理通过对话生成B-Rep几何图形，在他们的开源语言KCL中编写代码，并逐步迭代模型——比一次性生成更接近工程师的实际工作方式。SOC 2 Type II认证，用于ITAR数据的美国受监管区域。定价：免费（20分钟/月），99美元/月（专业版），399美元/用户/月（团队版），定制企业版。

Adam更新——Y Combinator 2025年冬季，410万美元种子轮——面向更广泛的受众，5.99-17.99美元/月。专业功能尚未发布，但已吸引了数万名早期访问用户。

2.2 现有供应商

Autodesk在AU 2025上展示了"Neural CAD"——自然语言提示在Fusion 360内生成可编辑几何图形。密切关注这个，因为原生集成消除了文件导出摩擦和新供应商风险。但它尚未发布。

达索的SOLIDWORKS AURA是一个对话助手，回答问题和导航菜单，而不是设计工具。如果你运行SOLIDWORKS，你现在的选择是AURA、第三方副驾驶，或Zoo的STEP导出加导入步骤。

2.3 工程副驾驶

Leo AI是这里的佼佼者。它已部署在HP、斯堪尼亚、英特尔、博世和丰田，覆盖55,000-60,000名工程师，处理建模周围的工作——信息检索、标准检查、绘图自动化、零件重用。根据他们发布的案例数据：设计错误减少34%，零件重用增加32%，每位工程师每周节省5-12小时。没有独立验证，但这是该领域最强的投资回报率数字。这是一个与文本转CAD不同的类别——副驾驶让工程师在他们已经做的事情上更快，而不是生成新的几何图形。客户名单偏向企业，但Leo AI和DraftAid都提供中型和小型团队可负担的按席位定价。

2.4 更广泛的生态系统

这些工具建立在云基础设施（Zoo运行在美国服务器上）、来自OpenAI、Google和Meta等公司的基础AI模型（意味着供应商对更大的参与者有上游依赖）、专有CAD训练数据集，以及Xometry和DesignRush等测试服务之上。所有内容都必须流入你现有的CAD/PLM/PDM堆栈，交接效果与AI本身一样重要。

3、目前在哪里使用？

在生产工程中并不广泛——诚实比过度销售更重要。

3.1 文本转CAD

最强的案例是Zoo与RMFG的合作——大规模自动化钣金文件转换，24小时内处理数千个文件。真正的部署，真正的制造商。但文件转换比原始设计简单。Xometry和DesignRush的独立测试确认了详细提示可以生成可用的几何图形；模糊或复杂的提示仍然会出问题。如果你的团队是钣金或加工厂，运行包含许多相似但不相同零件的高混合目录，RMFG用例直接映射到你的工作流程——这是文本转CAD近期回报最明显的地方。

3.2 建筑行业首先学到了什么

建筑提供了一个有用的类比。像Finch和TestFit这样的工具从约束生成建筑布局，AEC公司已经试点了两到三年。模式是：混乱的早期采用，缓慢发展的验证工作流程，只有当公司将AI输出视为要迭代的初稿——而不是成品时，才有真正的价值。产品设计可能会遵循同样的弧线。对工程经理的启示是：计划一个学习曲线，工具本身在团队流程围绕它之前就能工作，并为这个差距预留时间。

4、它值多少钱？

从副驾驶开始，那里的证据最强。除了Leo AI，DraftAid报告绘图生产速度提高60%，在命名公司节省50万美元/年。对于一个10人工程团队，时薪45美元全包，副驾驶每周为每人节省5小时（Leo AI报告范围的低端）可恢复约11.7万美元/年——这是在错误减少和零件重用收益之前。这个数学解释了为什么副驾驶是更容易的首选。

对于文本转CAD，数学更粗略。假设简单零件占团队建模工作量的30%，文本转CAD将这些零件的初始建模时间缩短40%。这大约是每年312小时释放——约1.4万美元的直接节省。这个数字本身不足以证明工具购买的合理性。真正的价值在于周期时间：更快的初稿意味着更早的审查，更短的迭代，更快的原型。也就是说，这是一个预测。将其作为健全性检查，而不是商业案例。

4.1 市场背景

全球CAD市场根据范围运行60-240亿美元，AI集成每年增长约33%。大部分增长是副驾驶和辅助功能，而不是文本转CAD。

我的解读：我们处于"好奇的早期采用者"阶段。现在团队实验建立的真正价值不是任何特定工具技能——而是学习什么提示有效，需要什么治理，如何验证AI几何图形，以及如何让团队适应它。这些知识以后很难买到。

5、重要的风险

5.1 技术限制

复杂性上限。 文本转CAD处理简单到中等的零件——支架、安装件、外壳、基本钣金。具有复杂曲面、相互依赖特征和严格GD&T的多体零件不在范围内。如果你的产品线主要是复杂装配体，这不会触及你的瓶颈。

互联网依赖。 Zoo是纯云的。安全设施、不稳定的工厂Wi-Fi、气隙环境——都排除在外。

没有模拟集成。 这些工具都没有连接到FEA、CFD或公差分析。你导出，导入到传统CAD，然后验证。额外步骤。

提示悖论。 输出质量直接与提示详细程度相关。但能够编写完全尺寸化提示的工程师已经知道如何建模该零件——这削弱了熟练用户的时间节省论点。最大的收益流向经验较少的工程师或重复性零件，你可以模板化提示。

5.2 知识产权和数据安全

文本转CAD意味着将专有几何图形描述发送到外部服务器。Zoo的FAQ说免费层用户无法选择退出数据用于训练；付费层可以。2025年世界质量报告发现93%的IT领导者担心通过AI工具暴露数据。

你的工程师可能已经在IT治理之外的免费账户上进行实验。研究一致表明，阻止AI工具不会停止使用——它会将其推到地下，使用不太安全的平台。清晰的、许可但受控的AI政策比评估任何特定工具更重要。

5.3 专利所有权

USPTO修订的指南（2025年11月）将AI视为任何其他工具——指导它的人就是发明者。问题是：这约束专利审查员，而不是法院。没有法院对AI辅助发明做出裁决，法律分析警告错误的发明人身份可能完全使专利无效。记录每个人类决策。书面记录是你的保险。

5.4 验证信任

在传统CAD中，每个特征都追溯到一个有意的选择；在文本转CAD中，AI选择构建顺序。制造业AI的系统综述将"黑盒"问题标记为主要采用障碍，2025年世界质量报告发现60%的组织引用AI可靠性问题。

我的看法：将AI生成的几何图形视为初级工程师的初稿。以同样的方式审查它。如果你的团队还没有发现人类创建的几何图形中的微妙错误，AI几何图形会使这个问题变得更糟，而不是更好。实际上，这意味着在你的设计审查清单中添加一个步骤：在PDM元数据中标记模型是否是AI生成的，并要求高级工程师在AI生成的几何图形进入发布管道之前签字。这不是额外的工作——这是你对外包设计应用的同样严谨性，它创建了欧盟AI法案最终要求的审计跟踪。

5.5 供应商风险

最好的工具来自初创公司，而初创公司会失败。Builder.ai的崩溃——一个13亿美元的AI平台破产，让客户被锁在外面——显示了利害关系。Zoo输出STEP和GLTF，所以你的几何图形不会被困住。但你的工作流程投资——KCL技能、API集成、提示库——如果供应商消失就会有风险。

5.6 监管风险

欧盟AI法案即使在欧洲以外也适用。如果AI几何图形最终进入在欧盟销售的产品——特别是医疗设备或汽车零件——文档、人类监督和可追溯性要求就会启动。高风险AI的完整规则于2027年8月生效。在美国，产品责任法不在乎谁画了几何图形：如果设计失败，制造商就要承担责任。

5.7 意外后果

初级工程师管道。 如果AI处理将初级工程师培养成高级工程师的重复性建模，什么来取代这条路径？在一个10人团队中，这不是抽象的劳动力趋势——而是两三个具体的人，他们的发展路径改变了。Neural Concept、Bain和世界经济论坛2025年未来就业报告都标记了这一点：40%的雇主期望在自动化适用的地方减少劳动力，50-60%的初级任务可能由AI完成。建立工程判断力的工作正是这些工具首先针对的。这不是反对采用的论点——而是重新思考人才发展的论点。

隐性知识变得可移植。 过去存在于高级工程师头脑中的设计知识被编码在提示库中——可转移、可销售、可外包。仔细考虑谁拥有这些模板。

全行业验证风险。 如果AI生成的零件在没有匹配验证严谨性的情况下传播，产品故障追溯到AI几何图形的可能性就会增加。一个高调事件将塑造监管和公众对工程中AI的看法多年。

6、值得评估的替代方案

参数化自动化——DriveWorks用于SOLIDWORKS，iLogic用于Inventor——用规则而不是AI解决"重复零件"问题。成熟、确定、可审计、无云风险。适合具有明确定义零件族的团队。权衡：设置繁重，无法处理新颖设计。

工程副驾驶争夺相同的预算，但解决不同的问题。对于今天的大多数团队，副驾驶比文本转CAD带来更快的回报。它们共存。

低代码CAD——FeatureScript、OpenSCAD——给你程序化几何图形，没有黑盒。确定且可审计，没有自然语言速度优势。

7、我假设的和我不知道的

我确信的： 工具能力、限制和监管环境（欧盟AI法案、USPTO指南）都有充分记录和公开。

证据薄弱的地方： 没有制造商公开分享生产文本转CAD结果。RMFG案例是文件转换，不是原始设计。文本转CAD的投资回报率案例依赖于推断。

最大的未知： 复杂性上限上升的速度。中等复杂零件是在18个月内还是3-5年内变得可靠是不确定的，这个建议建立在不确定性之上。

8、我的建议

以下是我会告诉经理的。

立即采取治理行动。 你不需要合规部门来做这个。一页纸的文档和30分钟的团队对话就涵盖了：什么数据可以发送到第三方云服务，什么不能，谁决定边缘情况。这首先是因为治理策略决定了副驾驶或文本转CAD工具可以访问哪些数据——这直接影响你可以考虑哪些供应商。它也保护你免受今天的影子AI：工程师已经在实验，政策将这从负债转变为受控的试点。运行现代工具也让你更容易吸引下一个员工，特别是如果你在与更大薪资的大公司竞争。

然后部署副驾驶。 Leo AI和类似工具解决了你现在可以衡量的问题——工程师在非建模工作上损失的时间。那个10人工程团队？约11.7万美元/年恢复的时间。风险更低，结果经过验证，更容易调整。从这里开始建立团队对AI辅助工作流程的信心，然后要求他们信任AI生成的几何图形——这是一个更难的转变。

然后运行受控的文本转CAD试点。 将Zoo交给一两个愿意的工程师，处理非关键工作。清晰的数据规则，仅STEP导出。目标是学习，而不是生产。到这个时候，你的治理策略涵盖了数据风险，你的团队从副驾驶有了积极的参考点——没有这些基础，试点更可能因内部阻力而停滞或被IT关闭。

SOLIDWORKS团队： 你的路径不同。AURA对设计工作没有帮助，达索也没有文本转CAD的计划。Leo AI给你即时回报，Zoo的STEP导出有效——但如果Neural CAD发布，预计会有Fusion 360团队不会面临的导入摩擦。相应地计划。

分阶段你的路线图。 第1年：治理、副驾驶、试点。第2-3年：如果工具改进（复杂性上限上升，验证集成出现，现有供应商发布功能），扩展到常规零件类别，使用模板化提示。与其他所有内容相同的审查关卡。第3-5年：如果轨迹保持，AI原生CAD成为标准。

观察三个信号。 Autodesk发布Neural CAD并且它有效。制造商发布生产结果。你的试点工程师要求更多访问。

个人而言：我的目标不是变得依赖这些工具——而是成为团队中能够评估它们产生的内容，发现它们遗漏的内容，并帮助塑造它们如何被集成的工程师。这个技能组合在三年内将比任何单一工具熟练程度更有价值。

9、结束语

两年前，一个从纯英文生成可编辑实体几何图形的工具不存在。今天它对简单零件有效。在两到三年内，它可能会处理中等复杂零件——这是大多数设计团队花费时间的地方。

真正的风险：知识产权暴露、未定的专利法、验证差距、供应商不稳定、被打断的初级管道。但最重要的竞争风险不是竞争对手购买更好的工具。而是其他人在你开始之前18个月就建立了治理、验证流程和团队准备。这需要时间，没有预算可以压缩。

原文链接: From Prompts to Parts: AI-Native CAD and the Future of Product Design

汇智网翻译整理，转载请标明出处