AI-CAD+GPT 5.5 在 6 个制造场景里,3 个今年能跑通,3 个再等等

写给： 制造业 CTO / 研发负责人 / 硬件 startup 创始人 / 机械电子设计院负责人 / AI-CAD 创业者。

5 月 2 日，推特科技博主VedaAI00 的爆款帖，文章是 ForgeCAD 创始人 Ruben 现场演示AI-CAD场景—— GPT-5.5 用自然语言生成 STEP 文件的过程。评论区都在热火朝天的讨论AI-CAD到底是否可行，哪些场景适合，哪些不适合。

一、先把”AI-CAD”这件事拆成两条路

讨论”AI-CAD 行不行”之前，先把战场分清楚——这是认知前提。跳过这一段，下面 6 个场景看不懂。

AI 进 CAD 这件事，过去 18 个月走了两条完全不同的路。

路线一：GUI-native 派。 以 SolidWorks（2026 年推的 LEO + MARIE Virtual Companions）和 Autodesk Inventor 2026 Design Copilot 为代表——做法是在原有 CAD 软件上叠 AI 助手。Johnson Controls 用它把标准件设计时间砍了 50%，Danaher 把迭代周期降了 60%。这条路有 ROI，但天花板是”叠加”。AI 受限于原 GUI 范式——能做”建议”，不能做”驾驶”。

路线二：code-first 派。 以 ForgeCAD（KoStard 开源，JavaScript/TypeScript 多后端，原生 STEP/BREP 导出）为代表——做法是把 CAD 模型直接变成代码：参数变滑块、脚本返回形状、Git 管版本、LLM 直接读写。

GPT-5.5 在 4 月 24 日 OpenAI API 上线，第一次让 LLM 稳定驾驭工程级几何约束——code-first 路线才真正”通电”。

这两条路不是新旧之争，是不同场景的最优解。

类比一下你大概就懂：Photoshop 叠 AI 像第一条路，ComfyUI 用 node 流让 LLM 真正驾驭图像生成像第二条路——后者赢了 AI 创作主战场。

CAD 也会上演同样的剧本。但剧本展开有先有后——这才是关键。

二、今年能跑通的 3 个场景（先看甜的）

场景 1：硬件 startup 的快速原型设计 ✅ 最甜

为什么今年能跑通：硬件 startup 早期 PoC 阶段，设计变更频繁、几何复杂度低、对生产工艺合规要求弱。这正是 GPT-5.5 + ForgeCAD 的甜区——LLM 写代码、生成参数化模型、调 3D 打印机出件，全链路代码化。

预计 ROI：

• CAD 工程师 FTE -1 到 -2（人均年 30-40 万人力成本节省）

• PoC-to-prototype 周期从 6 周压到 1 周

• 设计迭代次数翻 3-5 倍（边讨论边出件）

案例： 杭州某机器人 startup（综合 3 家早期硬件团队画像），创始人技术背景非机械工程，过去靠 1 个 CAD 外协 + 1 个 PM 跑设计；切到 ForgeCAD + GPT-5.5 后，PM 自己描述需求生成结构件，外协砍掉，每月省 4 万。

今天就能动手。 预算门槛 几 万，1-2 周 PoC 出结果，目前我们已经和多家机器人公司在沟通。

场景 2：离散制造的非标件设计（OEM/ODM）✅

为什么今年能跑通：工程机械、半导体设备、医疗器械 OEM 每天接的非标订单——客户给一个尺寸/接口要求，工程师改个参数化模板出图。这件事的本质是”参数化模板 + 客户语义解析 + STEP/BREP 导出”，正好是 ForgeCAD 强项。

预计 ROI：参考 Autodesk Inventor 2026 在 Johnson Controls 落地的 -50% 标准件设计时间——非标件因变量多、模板复用率高，理论 ROI 上限比标准件还高，可达 -60% 出图周期。

案例： 苏州某半导体设备配件 OEM（30+ 同类企业的混合画像），过去客户改一个法兰接口尺寸要 3 个工程师协同 5 天；上 ForgeCAD 模板库 + GPT-5.5 解析客户邮件，48 小时出 STEP，签单速度提了 4 倍。

今年就该立项。 但前提：你得先有一份能打的”参数化模板库”——**没有这个底子，再强的 LLM 也救不了。**这个也是我们最近投入精力最大去做行业CAD素材知识库的意义。

场景 3：EU AI Act 合规驱动 ✅ 被忽视的甜区

为什么今年能跑通：EU AI Act 2026/8 生效，工业设计涉及”高风险”安全件（医疗器械、汽车安全件、工业机器人）必须有可审计变更链 + 不可篡改版本控制。

闭源 CAD 的二进制专有文件天生不友好——你想给监管解释”这一版几何为什么这么改”会很难。code-first CAD 文件 = 纯文本 = Git diff 一行行可看 = 天然合规。

预计 ROI：不是省钱，是保命——出海到欧洲的中国装备 / 汽车零部件 / 医疗器械厂商，8 月之后没有可审计变更链就直接被市场禁入。

案例： 长三角某医疗器械出海企业，2026 年 3 月因审计链不完整被欧盟监管要求 6 个月内整改；code-first CAD 是他们短期内唯一可行的合规路径。

今年必须立项。 不是”要不要”，是”早动手还是晚动手”。

三、目前还做不了的 3 个场景（再看苦的）

场景 4：PLM/PDM 设计知识库激活 ❌ 最大场景，最难做

为什么 目前做不了：大型制造企业最性感的 AI-CAD 用例——把 30 年的历史 CAD 资产变成 agent 能调用、改造、复用的知识库。听起来完美，问题是：

80% 的历史 CAD 资产是 SolidWorks / CATIA / Pro-E 的二进制专有格式，根本不是 code-first。要先做”格式翻译”——把闭源二进制转成 ForgeCAD 风格的代码。这不是技术问题，是组织级工程：要重新建模、要打通老 PLM 系统、要 IT + 研发 + 业务三家联合作战，还要老板签字 短期1年内”看不到 ROI”投入期。

GPT-5.5 解决的是”画图门槛”，PLM 知识库激活解决不了。 这条路要等的不是模型，是企业级翻译工具链 + 一号位决心。

案例： 华南某制造业上市公司（综合 5+ 千人级研发团队画像）。CIO 2025 年就立项 PLM 知识库 agent 项目，预算 2200 万。技术团队三个月跑出 demo——200 个最常用零件代码化、agent 能调能改、董事会拍掌。

然后业务部门打开了真实仓库——3 万个历史零件、12 个不同年代的 SolidWorks 版本、6 套互不兼容的命名规范。重建一遍按当时人手算至少需要 3 年。

项目今年 Q1 被砍。这种规模的”知识库激活”不是预算问题，是企业熵增问题——预算可以砸，时间不能。

场景 5：建筑院 / 工程总包的施工图深化 ❌

为什么现在做不了：施工图深化看似重复劳动，背后卡了三道坎：规范库（地方规范、行业规范、企业内规交叉）+ 多专业协同（建筑 / 结构 / 机电 / 暖通强耦合）+ 强地域差异（北方保温 vs 南方防潮的本质设计差异）。

LLM 在单专业局部能做得不错，但”四专业一致性 + 规范引用准确性”的组合稳定性还没到生产级——一份图错一个规范引用，监理直接打回。

行业内今年试点的几家设计院反馈：LLM 生成的图纸”看着像、不能签”——签字盖章责任问题，没人敢扛。

场景 6：C 端 3D 打印长尾客制化 ❌ 看着最性感，其实最远

为什么现在做不了：“用户自然语言描述 → 自动出可打印件”——这个故事最容易讲、融资最性感。但真要落地，LLM 几何精度 + 3D 打印工艺约束的耦合还没解决：

LLM 能生成”看起来对”的几何，但打印机能不能打、悬空角度合不合规、壁厚够不够、支撑加在哪——这些工艺约束是离散的、依赖具体材料和机型的。GPT-5.5 在这件事上的稳定输出率，在公开 demo 里还停在 30%-40%，直接原因就是目前的大模型，在物理模型构建精度上还差一大截。

Vibe Coding 进了硬件原型，但还没进大厂研发院，更没进消费级长尾。

把上面三个 ❌ 场景叠在一起看，你会发现一个共通点：

它们都不是”主观不想做”的问题，是内部”组织没准备好”和外部“技术奇点未达标”的问题。

GPT-5.5 在前 3 个场景跑通，是因为 startup 没历史包袱、合规需求边界清晰、模板库变量可控；后 3 个的瓶颈都在企业熵 / 行业规范 / 工艺数据——这三件事不是 LLM 能解决的，是时间和组织能解决的。

四、写在最后

AI-CAD 不是让 CAD 更快，是让 CAD 从资产变成代码。 这个转变的代价，比”招个 prompt 工程师”贵 100 倍——但红利也大 100 倍。

模型每月升级，场景甜度不变。

赢家不是用最强模型的人，是把模型押对场景的人。

评论区想听你的判断

你公司在哪个场景？留个数字 1-6——

• 1 硬件 startup 原型

• 2 非标件 OEM/ODM

• 3 EU 合规驱动

• 4 PLM 知识库激活

• 5 建筑院施工图

• 6 C 端 3D 打印长尾

不同数字，后台私信可深度交流。

感谢各位的关注、点赞、收藏,我们提供大模型+agent企业级培训、咨询、应用落地一站式服务。欢迎粉丝们加我微信商务合作交流，关注我公众号点击与我联系即可。