Astra AI会改变2D/3D CAD吗？
直接回答： GPT-6 Astra不太可能取代你的CAD软件。它更有可能位于CAD软件之上，读取指令、检查图纸、编写代码和运行任务，而CAD系统继续掌控几何图形。这是一个真正的转变。但这距离我们让AI在没有人检查输出的情况下处理生产图纸还有很长的路要走。
我们供应和支持CAD软件已有二十多年。我们的技术团队在这段时间里安装它、修复它，并清理那些技术上正确但实际上无法使用的图纸。这就是为什么我们仔细阅读基准分数，而不是兴奋地解读。
无论AI接下来做什么，它都运行在CAD平台之上。
1、为什么GPT-6 Astra对CAD很重要
在过去的三十年里，CAD变得极其强大，但从未真正改变你和软件之间的东西。你选择命令、选择几何图形、输入值，然后重复这个过程，直到图纸与你开始时脑海中的图像匹配。更快的硬件和更好的工具使每个步骤都变得更快，但循环本身并没有改变。
Astra可能开始改变这个循环。
OpenAI于2026年9月3日发布了该模型，并将其描述为计算机使用、浏览、软件工程和专业工作的最先进状态，能够通过API操作桌面软件并使用函数、文件搜索、网络搜索和计算机使用。对于CAD来说，这种组合比任何聊天界面都重要得多，因为一个能够读取任务、检查图纸、编写代码、运行软件然后检查自身结果的模型，正在做与回答问题本质上不同的事情。
让CAD界关注的数字是BenchCAD。Astra得分为95.9%的几何重叠率，而GPT-5.6 Sol为83.3%，Claude Fable 5.1为84.3%。
这个数字需要一个注释，而这个注释才是有趣的部分。
95.9%是在代理环境中实现的，模型被赋予一个Python沙箱，可以渲染零件、测量它，然后在提交答案前重试。在没有工具的普通设置中，Astra根本没有发布任何分数，而GPT-5.6 Sol仍以0.706领先。OpenAI还指出，Claude的比较运行使用了修改后的评估设置。
所以诚实的版本是这样的：一个可以渲染、测量和迭代的模型在形状重建上得分95.9%。这是一个真实的结果和真正的进步。这与"AI现在可以做CAD"不是同一主张，这两句话之间的区别正是本文的主题。
值得注意的是：在Artificial Analysis Intelligence Index v4.1.1上，这是一个第三方而非供应商进行的综合运行，Astra得分61.2，落后于Claude Fable 5.1的65.7和Claude Opus 5的63.1。发布表是由发布者编写的。
2、从CAD命令到设计意图
有趣的转变不是AI生成完成的设计。而是从告诉软件如何做某事到告诉它你想要什么的转变。
今天，绘图员选择一个图层，启动标注工具，选择几何图形，放置标注，调整其设置，然后在图纸上再做四十次同样的事情。有了一个可用的自然语言层，同一个人可能会说：
检查这张图纸中缺失的尺寸，并添加制造所需的尺寸。不要更改任何现有尺寸，在添加之前向我展示你计划添加的内容。
第一个版本描述了一个过程。第二个描述了一个结果，并让AI反向推导步骤。这就是整个转变在一个例子中的体现，也是为什么"先给我看"子句与指令本身同样重要的原因。
这不是推测。BricsCAD、Autodesk、Siemens和SOLIDWORKS已经在其产品中添加自然语言功能和AI助手。像Astra这样的模型可以在此基础上增加的是将更长的工作链保持在一起的能力。
无论哪种方式，CAD应用程序都掌控着重要的东西：精确几何图形、约束、对象数据、API和文件格式。AI处理规划。
3、它对2D CAD可能意味着什么
如果你想了解AI首先在哪里落地，请看2D制图，因为大部分工作是遵循规则、查找错误和重复编辑。这些正是语言模型擅长的任务。
问任何CAD技术人员他们一周真正忙什么，你不会听到"设计东西"。你会听到追踪文字高度不对、查找某人在三个版本前修改过的某个覆盖尺寸、检查图纸是否符合没有被正确记录的标准，以及因为客户更改地址而在四十张图纸上更新相同的注释。
这就是工作。这也正是助手可以承担的工作：
- 检查图层标准
- 查找低于最小高度的文字
- 发现覆盖尺寸
- 比较修订版本
- 更新重复注释
- 标记需要人工检查的例外情况
脚本已经完成了其中一部分工作，但脚本是僵化的。它们运行一个固定的序列，当图纸不完全符合预期时就会出错。AI层可以应对变化，这就是为什么它在标注、图块、标题栏、标准检查和图纸清理中很有用。
不光鲜，但比任何机器人设计支架的演示都更有价值。
4、它对3D CAD可能意味着什么
3D更难，看起来令人印象深刻和实际有用之间的差距要大得多。
渲染图像不是CAD模型。真正的模型包含草图、尺寸、约束、特征和它们之间的关系，正是这些关系让某人在六个月后可以更改它而无需重新开始。这就是为什么BenchCAD比它初看起来更有趣：它要求的是可执行的参数化CAD，而不是图片。
考虑这样一个请求：
将这个安装板的宽度增加20毫米，保持所有四个孔关于中心线对称，不要使边缘距离低于12毫米。
要正确完成这个任务，系统必须读取特征树，找到正确的参数，理解哪些规则不能被打破，进行更改，然后验证它保持了。如果任何一个步骤出错，你会得到一个看起来正确但检验不合格的板。
Astra的编码能力指向了一条完全不同的路线。大多数CAD系统都公开了脚本和API，所以模型根本不需要移动鼠标。它可以编写调用CAD系统自身函数的代码，这既更可靠也更容易事后审计。
这将自然语言变成了CAD自动化的前端。你给出意图，AI规划，CAD系统构建几何图形，AI检查结果，然后你批准它。
5、AI会取代CAD设计师和制图员吗？
不会，即使我们不是在销售CAD软件，我们也会这么说。
原因不是感性的。而是因为当前一代模型恰恰在让某人成为设计师而非操作员的那部分工作中表现最差。
最清晰的证据来自neuralCAD-Edit，这是一个2026年的基准测试，通过记录十位专业设计师在真实CAD软件中编辑真实模型时的交谈、指点和绘图来构建。当前沿模型与这些专家进行比较时，最好的模型在接受测试中得分比人类专家低53个百分点（Perrett et al., arXiv:2604.16170）。Astra是在该研究之后发布的，所以这不是Astra的结果，但差距的大小告诉你问题所在。
关于名称的说明，因为它们令人困惑地相似：neuralCAD-Edit是一个学术基准测试。Autodesk的Neural CAD是一个商业产品线。它们无关。
BenchCAD研究人员从另一个方向发现了相同的模式。前沿模型经常得到大致正确的形状，然后在下面的参数化结构上失败，缺少细节、误读工程参数和错误的建模序列（BenchCAD, arXiv:2605.10865）。
那篇论文中的一个例子比任何基准表都更有价值。一个模型产出了一个几何相似度为96.1%的零件。请求的修改实际上没有被正确执行，因为之后添加的圆柱形凸台部分地再次封闭了开口。96%相似。零件错误。
这就是形状相似和工程正确之间的区别，它不会出现在截图中。它会出现在车间里。
改变的是工作的平衡。如果助手处理标准检查、标注和版本比较，那么一周中用于文档的时间就会减少，而用于决策、权衡和检查的时间就会增加。对于任何已经知道自己在做什么的人来说，这是一份更好的工作，而不是更小的工作。
应该关注的人是那些价值主要在于重复性绘图速度的人。这部分工作将被自动化，而且它已经稳步自动化了二十年。答案与以往一样：在判断部分做得更好。
6、为什么AI助手位于CAD之上而非之内
合理的架构是一个层，而不是替代品。CAD系统继续掌控几何图形、约束、图纸、装配体和文件格式。模型处理规划和编排。
OpenAI的计算机使用工具让模型通过代码、键盘和鼠标读取屏幕截图并请求操作。这令人印象深刻，对于严肃的CAD工作来说，这是错误的方法。直接API连接每次都胜过屏幕点击，因为它们更快、可预测地失败，并且你可以事后确切地看到调用了什么。
以这种方式完成，助手可以回答这样的问题：
找到这个模型中所有的8毫米孔，并告诉我哪些不是标准特征的一部分。
现代API可以公开一组安全的命名操作，而不是将整个应用程序的控制权交给模型。读取图纸属性、查询图层、创建标注、更改参数、生成视图、运行标准检查。每一个都是你可以打开或关闭的门。
这是通向可靠事物的路线。语言和规划用于模糊的部分，CAD内核用于精确的部分。这也意味着仍然需要有人决定助手被允许做什么、适用哪些标准以及结果是否是好的工程。那个人就是工程师。
7、数据去向
这是阻止大多数公司的问题，而且是正确的。CAD文件包含知识产权、未发布的产品数据和客户信息，我们的许多客户在协议下工作，这些协议明确规定了这些数据可以存放的位置。
OpenAI表示，通过其商业产品和API发送的业务数据默认不会用于训练模型，一些API客户可以使用零数据保留。
这回答了一个问题，但留下了更难的问题。不仅仅是AI能否读取我们的文件，而是它应该吗，数据实际去了哪里，它被允许更改什么，以及谁批准结果。这些是政策决定，大多数公司还没有做出这些决定。
如果被要求解决这个问题的人是你，在任何人安装任何东西之前，值得将其写下来。
8、这就是CAD的未来吗？
大体上是的，但不是标题暗示的形式，而且不是今年。
最强烈的信号不是Astra本身。而是几件事同时在发生：自然语言界面出现在主流CAD产品中，AI辅助建模趋于成熟，以及测试通用模型是否能够构建真正可编辑的CAD结构而非令人信服的图片的研究。
命令不会消失。菜单、脚本、直接建模、参数化特征和API在十年后仍将存在。自然语言成为另一种进入方式，而不是唯一的方式。
而不是：
LINE。选择第一点。选择第二点。
你可能会说：
让这张图纸符合我们的CAD标准，并在应用之前向我展示每个更改。
传统CAD让你将意图转换为命令。AI辅助CAD为你做更多的这种转换。对于经验丰富的用户来说，这不是更少的控制。这是在常规步骤上花费更少的时间，而在需要判断的部分花费更多的时间。
这就是为什么我们发现Astra有趣但不特别兴奋。不是CAD的替代品，不是设计师的替代品，而是你想要的和软件如何到达那里之间的新层。
对于2D制图和3D建模来说，这比功能区上的另一个按钮是更大的变化。
9、常见问题
AI会取代CAD设计师吗？
根据目前的证据不会。在neuralCAD-Edit基准测试中，前沿模型与专业CAD工程师在现实编辑上进行比较，最好的模型在接受测试中得分比人类专家低53个百分点。改变的是工作的组合：在重复性文档上花费更少时间，在设计决策和检查上花费更多时间。
GPT-6 Astra会取代现有的CAD软件吗？
不会。它更有可能位于CAD之上作为推理和编排层。CAD应用程序仍然处理几何图形、约束、尺寸、对象数据、几何内核、API和文件格式，而模型解释意图并规划工作。
GPT-6 Astra在CAD基准测试中实际得了多少分？
在BenchCAD上得分为95.9%的几何重叠率，而GPT-5.6 Sol为83.3%。该结果是在代理环境中实现的，模型可以使用Python沙箱在回答前渲染、测量和迭代。没有发布Astra在没有工具情况下的分数。
AI能从描述创建CAD图纸吗？
它可以生成看起来像CAD图纸的东西。生成一张正确约束、正确标注且事后可编辑的图纸是更难的问题。BenchCAD的一个例子显示了一个几何相似度为96.1%的零件，其中请求的更改实际上没有被正确执行。
从命令到设计意图的转变在实践中意味着什么？
你描述想要的结果，而不是到达那里的每个步骤。你不是逐个选择对象、更改图层和应用标注，而是要求图纸符合标准，审查建议的更改，并批准你想要的更改。
为什么参数化CAD对AI生成的模型很重要？
因为专业模型不仅仅是形状。它们依赖于草图、尺寸、约束、特征和关系，这些允许后续可靠编辑。一个只产生令人信服的3D对象的模型，远不如一个产生结构化参数化CAD且设计意图完整的模型有用。
在专业CAD工作中使用AI的主要风险是什么？
错误的几何图形、误读的设计意图、糟糕的建模选择、遗漏的制造要求、数据和IP暴露，以及对未经监督的更改过度信任。更改应保持可检查、可逆并经过人工批准。
哪些CAD任务会首先受益于AI？
日常的2D制图、文档和质量检查。标准检查、图层映射、标注审查、查找覆盖尺寸、比较修订版本、更新标题栏和标记例外情况。规则已知但图纸变化的重复性多步骤工作。
将CAD文件放入AI工具安全吗？
这完全取决于使用哪个工具和哪个账户类型。消费者和商业层具有不同的数据处理方式，CAD文件通常包含客户IP或关于数据可以处理位置的合同限制。在任何人开始上传图纸之前，请检查条款并编写内部政策。
我还应该学习CAD吗？
是的。被自动化的部分是重复性的部分。理解几何图形、公差、标准和制造约束可以让你区分好的AI输出和看似合理的输出，这正在变得更有价值而不是更少。
原文链接：Could GPT-6 Astra Change 2D and 3D CAD?
汇智网翻译整理，转载请标明出处