几十年来，CAD 一直是工程设计创新的支柱。但如今，我们正进入一个全新阶段：人工智能不仅在增强 CAD 的功能，更在改变工程师与 CAD 系统的交互方式。
CAD 中的 AI，已不再是实验性功能或遥远的愿景。它如今能够带来切实、可量化的生产效率提升，同时为互联更紧密、更智能的工程设计未来奠定基础。
AI 与 CAD 深度集成的时机并非偶然。多种因素结合在一起，共同促成了这一发展。
首先，大型语言模型、云基础设施和计算能力的飞速发展，大幅拓展了 AI 的应用边界。其次，3D 模型的创建和使用已成为 AI 数字信息的宝贵来源。这包括几何数据，在许多情况下还包括工程设计意图和产品制造信息 (PMI)。（许多企业仍在继续推动基于模型的举措，以期在下游制造和服务应用中利用 3D 模型，但对多数企业来说，这项工作还在进行中。）
与此同时，制造商面临着日益增加的产品复杂性、紧迫的上市时间压力以及持续的人才短缺。工程师需要在资源有限的情况下完成更多工作。AI 已成为一种实用解决方案，可以帮助团队扩展专业知识、一致地应用卓越实践，并消除了不能带来创造性或战略价值的工作。
对于 CAD 中的 AI 应用，有一个非常重要却又常被误解的观点：它并不是从零开始。
对于这一主题，PTC 的 CAD 业务部副总裁兼总经理 Brian Thompson 提出了重要见解。早在生成式 AI 成为热门话题之前，优秀的 CAD 系统就已经开始通过智能自动化嵌入工程设计知识。多年来，各种基于规则的功能，例如意图引用、用户定义特征、基于模型的定义和标准驱动的检查，一直在悄然减少重复性工作并增强一致性。
如果您的 CAD 系统包含基于规则的功能，那么这些功能比以往都更加重要，因为 AI 依赖于结构。高质量、语义完整的数据使 AI 能够可靠地协助工程师。因此，要想让 AI 策略高效发挥作用，并不是用它来取代成熟的 CAD 几何引擎或仿真引擎，而是将 AI 代理直接与其相连，从而充分利用数十年的严谨工程知识，而非试图绕过这些知识。
如需了解 PTC Creo 中智能自动化的应用示例，请参见下方视频链接。
市场上对于生成式设计与生成式 AI 存在诸多混淆，因此有必要明确说明：二者解决的是不同的问题。
创成式设计是物理驱动的。它使用约束、载荷、材料和制造规则来探索优化的几何形状。它擅长回答诸如“满足这些性能目标的优选结构是什么？”之类的问题。
而生成式 AI 则擅长交互与自动化工作。它能够解释意图，将自然语言请求转化为具体操作，自动设置任务，并在工程师遇到设计难题时提供情境化指导。
当这两种方法结合使用时，各自的优势将得到叠加。AI 可以大幅减少建立研究、探索替代方案和解读结果所需的工作量，而从物理特性出发的求解器可确保结果保持准确、可制造和值得信赖。
而非颠覆性的飞跃。它是一种叠加式优势，如今已在产生实际效果，并将在未来持续发挥作用。
这并非空谈的理论。我们已经看到 AI 在现代 CAD 平台中带来了切实的好处。
AI 驱动的增强功能现在可以加速仿真工作流程，自动执行传统的手动设置步骤，并将多物理场分析引入早期设计过程。自动接触创建、热与多物理场优化以及 AI 辅助创成式设计等功能可减少错误、缩短迭代周期并提高设计质量。
对于电子、汽车与航空航天等行业而言，热行为、结构性能与系统交互至关重要，这些功能可直接转化为更快的开发速度与更优质的产品。
AI 非常直接的益处之一，是能够减少“非创造性工程工作”。工程师在重复性任务上花费了过多时间：定义参数、管理关系、创建文档以及解决设置问题。这些活动是必要的，但它们并不能带来产品差异化，也不能推动创新。
AI 可以自动执行其中大部分工作，可减少 30% 至 50% 的人工工作量，同时降低错误率并加快上手速度。其结果不是工程师数量减少，而是工程师效率提高：工程师可以将更多时间用于从系统层面来思考问题，制定仿真驱动的决策，以及开展跨学科协作。
并非每个组织都会以相同的方式采用 AI。
大型企业通常拥有丰富的数据资产、成熟的流程与专门的 IT 团队，能够构建定制化的基于代理的 AI 解决方案，在复杂的产品组合中统一执行标准。与之相比，中型企业往往优先考虑开箱即用的 AI 功能，无需大量定制工作即可快速交付价值。
关键在于保持灵活性：从实际用例入手，验证价值，再根据企业的准备情况逐步扩展。
展望未来，CAD 中的 AI 正在从助手型工具演变为基于代理的协同系统。
短期内，对话式界面可以简化 CAD 的使用，通过自然语言交互来自动执行许多 UI 驱动的任务。从长期来看，AI 代理将协调整个数字主线的工作流，将需求、设计变更、仿真、可制造性检查和文档记录连接在一起，构成一个连续的智能化流程。
在这整个演变过程中，工程师仍然需要发挥核心作用。AI 放大了人类的创造力和判断力，而非取而代之。
对于仍然对 AI 持谨慎态度的企业，不妨从小处着手，将重心放在实现可衡量的价值上。在已有自动化功能的基础上，加强数据基础，让结果指导后续步骤。
Brian Thompson 关于 CAD-AI 的关键观点是：“AI 不是颠覆性的飞跃，它是一种叠加式优势，如今已在产生实际效果，并将在未来持续发挥作用。”
Steve is PTC’s Creo Product Marketing Director. In this role, Steve is focused on communicating the competitive advantages of PTC’s award-winning Creo, Creo Elements/Direct and Mathcad solutions. His career spans the aerospace, consumer appliances, and consumer electronics industries.
Steve is a certified Lean Six Sigma Black Belt and holds degrees in Mechanical Engineering from Purdue University and Business Administration from UCLA.