不止大厂,工业软件 AI 的另一股力量:初创公司

它们并不一定一上来就挑战完整的 CAD/PLM 体系，更多时候，是先从最痛、最高频、最容易被 AI 改写的地方切进去。比如建模入口、CAD 操作方式、几何内核交互、零件复用、装配决策，甚至是企业工程知识本身。

最近看下来，Backflip.ai、Adam CAD、Zoo、Leo AI 这几家公司，刚好代表了四种很有意思的方向。把它们放在一起看，比单独看某一家更能理解这一轮工业软件 AI 到底在往哪里走。

今天的工业软件 AI，正在从下面几件事切入：

• 把建模入口变简单
• 让 CAD 软件可以被自然语言驱动
• 把 AI 直接嵌进 CAD 工作流
• 让零件、知识、计算、装配也一起进入 AI 体系

换句话说，竞争焦点已经不是“有没有一个聊天框”，而是：

AI 到底进入了工程工作流的哪一层。

这也是为什么，同样都在讲 AI CAD，这几家公司的路线却非常不同。

一、Backflip：先把“建模入口”变掉

如果说大多数传统 CAD 软件解决的是“怎么精确建模”，那 Backflip 则是在解决另一个问题：

现实世界里的东西，怎么更快回到 CAD 世界。

它切入的点就是——扫描数据、网格数据、现实物体重建。这条路线的价值在制造业里挺有价值的，因为很多逆向工程、旧件复刻、扫描转 CAD 的工作，本来就很费人工。

过去这类流程通常意味着：

1. 先拿到扫描数据或网格模型
2. 工程师手动重建几何
3. 再转成后续可编辑、可制造的 CAD 模型

这个流程非常耗时间，而且高度依赖经验。Backflip 的思路是，把这里变成 AI 最先落地的地方。相比一上来就喊“替代整个 CAD”，这种方法更实用，也更容易在真实工业场景里证明价值。从产品定位上看，Backflip 更像是在做一件事：

把“从现实对象到参数化 CAD”的入口门槛大幅拉低。

这件事如果成立，它带来的意义不只是建模更快，更重要的是，它让制造、维修、逆向、复用这些过去很“脏很累”的工作，第一次有机会被 AI 大规模接手。所以，Backflip 代表的不是传统意义上的“文生 CAD”，而是工业软件 AI 中非常重要的一条路：

从物理世界到工程世界的转换自动化。

二、Adam：不是重做 CAD，而是先让 AI 会“操作 CAD”

Adam 的路径和 Backflip 很不一样。它不是先改造现实世界数据的入口，而是直接盯着 CAD 软件里那些每天都在重复发生、但又极其琐碎的动作。

比如：

• 改一个特征
• 基于选中对象继续加新特征
• 整理 feature tree
• 把临时模型整理成更稳定的参数化结构

这些事听起来不怎么样，但工程师最知道它们有多耗时间。Adam 的价值，不在于“能不能一键生成一个很酷的模型”，而在于它试图让 CAD 从一个只能靠鼠标点击和命令驱动的工具，变成一个可以理解意图、执行任务的协作对象。

1. Part Editing

2. Selection Context

3. Feature Tree Optimization

4. Variable Generation

不急着替代 CAD，先把 CAD 变成一个可对话的执行器。

这件事一旦成立，影响会非常大，因为工程设计里最耗精力的，往往不是第一次建模，而是之后 endless 的修改、迭代、参数调整、版本微调和结构复用。如果 AI 真能接手这些动作，带来的就不是“从 0 到 1”效率提升，而是整个工程迭代过程的加速。所以 Adam 代表的是另一条路：

不是重写 CAD，而是先让 AI 真正学会操作 CAD。

三、Zoo：更激进的一派，直接做 AI-native CAD

相比 Backflip 和 Adam，Zoo 的野心要更大。前两者多少还有一点“围绕现有 CAD 工作流增强”的味道，而 Zoo 更像是在做一件更激进的事：

不是给 CAD 加 AI，而是直接做一套 AI-native 的 CAD。他们认为如果下一代 CAD 注定会被 AI 深度参与，那就不应该只是在旧系统外面套一个助手，而应该从底层交互方式、建模逻辑、几何引擎和工作流设计上，一开始就为 AI 参与而生。

这也是为什么 Zoo 的路线更像“平台级重构”。

从产品感觉上看，它想做的不只是“你问一句，我生成一个零件”，而是让 AI 成为 CAD 环境内部天然的一部分：

• 既可以对话
• 也可以建模
• 还能检查、审查、推理、修改设计

3. Provides manufacturing-aware feedback

4. Works across hybrid CAD workflows

这种模式的想象空间非常大。因为一旦 AI 不再只是外挂，而是 CAD 环境本身的一部分，那未来工程师和软件之间的关系就会彻底改变。过去是：人操作软件。未来更可能是：人提出目标，AI 在 CAD 环境里协同完成设计。

当然，这条路也是最难的。因为它挑战的不是某个功能，而是几十年工业软件产品形态本身。但从行业演进看，Zoo 这种路线非常值得关注。它代表的是工业软件 AI 里最“底层重构”的那一派。

四、Leo AI：开始把工程知识、零件复用和装配决策一起拉进来

它和很多只强调“生成几何”的产品不太一样，它更像是在问一个更接近真实工程的问题：

工程师真正缺的，真的是“不会画零件”吗？

很多时候并不是。真实机械设计里更常见的痛点是：

• 找不到已有零件
• 不知道历史方案在哪里
• 公式、标准、设计依据散落在手册、PDF、PDM、PLM、供应商目录里
• 明明公司里已经有类似设计，但没人能快速复用
• 做装配方案时，前期判断和计算非常碎、非常慢

从这个角度看，Leo AI 的路线就很清晰了。它想做的，不只是一个“会生成模型”的工具，而是一个更像机械工程副驾驶的系统。它的价值更偏向几个方向：

1. 把企业工程知识变成可问、可查、可追溯的系统

很多制造企业并不缺数据，缺的是把这些知识真正调出来、用起来的能力。大量设计经验其实都埋在历史文档、PDM、PLM、技术手册、供应商资料和工程师个人经验里。Leo AI 的切入点之一，就是把这些分散信息重新组织成工程师可以直接调用的能力。

2. 把零件搜索和零件复用这件事做深

很多公司一直在喊“标准件复用”“减少重复设计”，但真正落地很难，因为搜索成本太高。工程师知道仓库里可能有现成答案，但就是找不到，或者找到了也不确定能不能用。如果 AI 可以直接理解自然语言需求，再结合企业内部库存、PLM/PDM、外部供应商目录一起搜索，那它解决的就不是一个“小功能”，而是 BOM 成本、采购效率和设计复用率问题。

3. 从“文生零件”走向“文本到装配体”

这也是 Leo AI 最近最值得看的地方。相比单个零件，装配体更接近真实工程设计。因为装配意味着：

• 不是只有几何
• 还涉及部件选择
• 涉及约束关系
• 涉及计算依据
• 涉及已有零件复用
• 涉及后续验证和修改

示例 prompt 已经不是一句泛泛的“生成一个零件”，而是接近真实工程任务的表达：

设计一个能推动 50 公斤的液压杆，行程 100 毫米，优先使用库存中的零件。

这和过去大家熟悉的“生成一个支架”“生成一个盒子”完全不是一回事。因为这里已经开始出现真实工程中的几个关键要素：

• 性能目标
• 参数约束
• 零件复用
• 装配级设计思维

这说明 Leo AI 想推进的，不只是 CAD 生成，而是让 AI 更早地进入机械设计中的方案构思、选型判断和装配组织阶段。

当然，从公开演示来看，这条路还远没到成熟阶段。官方也说明装配阶段很多是人工手动完成的，但方向本身非常重要。因为它意味着工业软件 AI 正在从“生成几何”，走向“参与工程决策”。

五、为什么这波机会，反而先出现在创业公司手里？

原因并不复杂。大厂强在体系、生态、客户和既有产品线。但创业公司强在没有历史包袱，可以只盯一个痛点狠狠干。对于工业软件这种重流程、重兼容、重历史资产的行业来说，很多事情不是大厂不懂，而是大厂很难快速重做。

比如：

• 大厂知道扫描转 CAD 很重要，但未必容易激进重构
• 大厂知道自然语言驱动 CAD 很有前景，但要考虑大量兼容性
• 大厂知道 AI 会改变 CAD 交互，但不可能轻易推翻既有产品逻辑
• 大厂知道零件复用和工程知识搜索有价值，但这涉及复杂的数据体系和组织流程

而创业公司恰恰可以反过来做：

先找到一个具体、高频、价值清晰的环节，先把体验做到极致。

这也是为什么这几家公司虽然体量不大，但都值得看。它们在某种程度上提前暴露了未来工业软件会长成什么样子。

六、接下来真正值得关注的，不是“能不能生成”，而是“能不能进入工程闭环”

未来判断一个工业软件 AI 产品值不值得看，我觉得至少要问五个问题。

1. 它生成的是一个展示用模型，还是可持续编辑的工程模型？

这决定了它到底是 demo，还是能进入工作流。

2. 它能不能进入现有 CAD / PDM / PLM 体系？

不能接入现有体系，再强也很难真正落地。

3. 它做的是单零件，还是已经触及装配、约束、选型和复用？

单零件只是起点，装配才更接近真实工程。

4. 它有没有企业私有知识和历史资产的接入能力？

没有这层能力，AI 很容易停留在“泛泛回答”。

5. 它给出的答案，工程师能不能验证、接管、继续修改？

工业软件不怕慢一点，最怕不可验证。

这五个问题，几乎可以当成未来看工业软件 AI 项目的一个基本框架。

结尾

工业软件 AI 真正有意思的地方，从来不是一句“文生 CAD”能概括的。Backflip、Adam、Zoo、Leo AI 给我们的启发是：AI 进入工业软件，并不是只改一个界面，而是在重写设计链条里的不同节点。有的在改入口，有的在改操作，有的在改平台，有的在改工程智能层。而这些变化叠加起来，才可能真正推动下一代工业软件的出现。对于行业从业者来说，接下来最值得看的，已经不是哪家又发布了一个炫酷 demo，而是哪家公司，真的开始把 AI 推进到了工程闭环里。

这，可能才是工业软件 AI 未来几年的主线。

参考资料