生成式AI正进CAD：文字或草图出三维、自动布线、参数优化。工业设计的角色，从”画”转向”审”和”定义”。但工程约束仍要人把关——AI是左手，不是脑子，它替你画图，不替你想对错，最后的判断还在你。
AI出草模，人定方向和约束。我们做产品设计时把更多时间放在定义”要对齐什么”，而不是抠每个点。效率来自”会问”——把重复劳动交给AI，把判断留给自己，这才是人机协作的正确姿势，人做最难的定义。
图为创恩·工业设计案例（示意）。
脱模、强度、公差这些硬知识，AI容易”好看不对”。做结构设计时我们用AI提速，但约束校验、可制造性判断仍人工兜底——AI不懂你的模具和产线，它只懂统计上的”像”，像不等于能做，差之毫厘废模。
怕的是不会用AI，不是AI抢活。把重复建模交给它，把自己的脑子留给定义和判断。我们建议团队把AI当”左手”训练：给它清晰约束，它出方案，你做选择，节奏一下子就快了，交付周期砍半不是梦。
图为创恩·产品设计案例（示意）。
别怕AI抢活，怕的是不会用AI。把重复建模交给它，把自己的脑子留给定义和判断——这才是人机协作的正确姿势，淘汰你的不会是AI，是用好AI的同行，工具面前人人平等，差距在用法。我们团队把AI当”左手”训练：给它清晰约束，它出方案，你做选择，交付周期能砍掉一半，但工程约束的最后一票永远在人手里。
把 AI 用在建模环节，目前落地比较扎实的有四件事。一是概念形态生成——输入关键词和约束条件快速出多个方向，用于前期发散。二是参数化建模辅助——用自然语言描述特征，自动生成草图或者特征树，在标准件和结构件上效率提升明显。三是模型修复与简化——自动修补破面、去除细小特征、生成适合仿真的简化模型，这类”脏活”过去要花大量时间。四是渲染与展示——快速生成多材质、多场景的效果图，用于方案沟通。
必须说清楚的是边界。AI 目前处理不好这几类：需要精确装配关系的复杂装配体、有严格公差要求的配合面、涉及曲面质量的 A 级曲面、需要考虑拔模和壁厚的注塑件结构。原因是这些工作里包含大量无法从数据中学到的工程约束和工艺经验。所以当前的合理定位是——AI 负责快速产出候选方案，工程师负责判断和收口，两者是协作而不是替代关系。
不同环节差异很大。概念阶段和渲染环节提升最明显，有些团队反馈能省一半以上时间。建模环节提升在 20% 到 40% 之间，取决于零件复杂度——简单结构件提升大，复杂曲面件提升小。工程图和标注环节提升明显，因为规则明确。整体算下来，一个完整项目的设计周期能压缩两到三成，但不会像宣传的那么夸张。真正的价值不在于缩短时间，而在于让设计师能在同样的时间里探索更多方案。
工具会变，底层能力不会。最值得补的是三样：工艺知识（知道设计怎么变成产品）、成本意识（知道每个决策值多少钱）、用户洞察（知道为谁解决什么问题）。这三样是 AI 短期内学不去的，也是判断 AI 产出方案好坏的依据。反过来说，纯粹的执行性技能——某个软件的快捷键、某个命令的用法——价值正在下降，因为 AI 会一步步接管这些操作。
苏州工业设计知库站用AI辅助建模，但工程约束（脱模、强度、公差）仍人工兜底——AI容易”好看不对”。我们把重复建模交给它，自己的脑子留给定义和判断，人机协作才是正姿。
