从人工制图到AI自动绘图:工业装配图能自动生成吗?

大家好，我是旋转矩阵。

前几天，我收到一张工业产品图。

图里是一套转角隔断结构：铝型材框架、分块面板、顶部观察窗，还有密密麻麻的连接件和尺寸标注。客户说想用AI来画。

我当时的第一反应是：这种图是不是得训练一个专用模型？现在有开源模型能做吗？

后来客户补充了一句原话：

“学习人工画图过程后，操作电脑自动画图。”

这句话一出来，事情就变了。

客户想要的并不是输入一句提示词，生成一张看上去差不多的工业产品图片。他想让系统观察CAD工程师怎么工作，之后接到新订单，能够自己操作电脑把图画出来。

我最后把这个需求概括成一句话：

学习 CAD 工程师的绘图逻辑，把重复操作转化为参数化脚本或软件指令，再由 AI 根据不同订单选择并执行这些工具，辅助甚至自动完成绘图。

这才是这个项目真正的点题。

我的第一个疑问：这不就是训练一个画图模型吗？

不是。

如果客户只想把一张CAD截图变成漂亮的宣传图，可以使用图像生成模型。它能换材质、换背景、加灯光，让产品图更像宣传册。

但客户说的是“自动画图”。工业图纸最重要的不是像不像，而是尺寸和结构对不对。

模型可以生成一排看起来很真实的螺栓，却不能保证螺栓数量、孔距和规格正确。它也能画出很漂亮的型材连接，但那个连接结构未必能采购，甚至未必装得上。

一句话：效果图输出的是像素，CAD系统输出的是几何、约束、装配关系和BOM。这两者不能混在一起。

所以这个项目的主角不是Stable Diffusion，也不是某个图生图模型。主角仍然是SolidWorks、AutoCAD、FreeCAD这类工程软件，以及企业自己的产品数据和设计规则。

我的第二个疑问：那是不是学习CAD工程师的工作流程，再生成脚本辅助他画图？

对，基本就是这个意思。但有一个词要改：系统要学的不是“鼠标流程”，而是“绘图逻辑”。

比如工程师接到一张订单，实际操作是：

读取订单尺寸→ 选择型材→ 按总宽度计算立柱数量→ 创建框架→ 分割面板→ 阵列螺栓→ 添加尺寸→ 生成工程图和 BOM

系统最终应该把它转换成另一条流程：

客户订单 / 自然语言 / Excel          ↓AI 提取结构化参数          ↓选择产品模板和设计规则          ↓生成或调用 CAD 脚本          ↓SolidWorks、AutoCAD 或 FreeCAD 执行          ↓规则校验          ↓工程师确认

这两段流程放在一起，项目的边界就很清楚了：前一段是工程师现在怎么工作，后一段是系统将来怎样接管重复步骤。AI夹在订单和CAD软件之间，负责理解、判断和调度；真正落图的仍然是CAD软件，最后仍由工程师确认。

如果系统只记录“鼠标点了屏幕哪个位置”，软件窗口一移动，流程就失效了。SolidWorks升级一次，按钮位置改变，也可能全部重录。

真正可用的自动化，记录的应该是：

创建一个宽度为W、高度为H的框架；当单段跨度超过允许值时，自动增加中间立柱。

这条指令不依赖鼠标坐标。无论界面怎么移动，它表达的工程含义都没变。

实际开发时，还可以把工程师常用的动作做成一组经过验证的工具：创建框架、添加立柱、安装面板、阵列螺栓、生成标注、导出BOM。

AI不需要每次临时写一大段代码。它先读订单，再选择工具，填入参数，按顺序执行。遇到不符合规则的订单，就停下来找工程师。

我的第三个疑问：产品模板和设计规则从哪里来？

我一开始还以为，既然叫AI设计，是不是应该让AI自己总结，甚至自己设计。

答案是：第一阶段绝对不能这样干。

产品模板先从企业已有的CAD文件里来。过去做过的SolidWorks装配体、AutoCAD图纸、标准产品型号、零件库和典型项目，都是模板来源。

拿这张工业隔断来说，可以把一套正确的历史模型整理成参数化模板，保留这些可变项：

总宽度和高度；
转角角度；
型材和板材规格；
面板分块方式；
观察窗和门洞位置；
螺栓规格及间距。

以前工程师接到新订单，往往会找一个相似项目复制一份，再逐项修改。参数化模板做的就是把“复制后再修改”变成“输入参数后自动生成”。

设计规则则主要由工程师提供。

比如立柱最大间距是多少，什么情况下要增加横梁，门洞两侧是否需要加强，某种面板能不能和某种型材搭配。这些规则可能存在工程师脑子里，也可能写在设计手册、Excel计算表、SOP或者行业标准里。

AI可以帮忙整理。例如工程师说：“跨度超过一米二，一般就要加一根柱子，但有门的时候做法不一样。”AI可以把它拆成候选条件，列出还没说清楚的例外。

但最后必须由工程师确认。不能让AI根据几张历史图纸猜出一条规则，第二天就拿去生产。

那AI能不能自己设计？

能提方案，不能在没有验证的情况下替企业拍板。

假设系统遇到一个历史上没做过的尺寸，可以给出提示：

当前跨度超出标准模板。根据现有规则，建议增加一根中间立柱，并把面板分为四段。请工程师确认。

这种用法很合理。AI把检索、计算和初步组合做完，工程师判断方案能不能用。

如果要进一步做到自主设计，系统还得接上干涉检查、受力分析、成本计算和可制造性校验。即便这些都做了，涉及安全和法规的结构仍然要有人签字。

所以“AI自动画图”和“AI自动设计”是两个项目。前者是把已有规则执行得更快，后者要对一个新方案的合理性负责。难度和风险完全不是一个量级。

工程师会不会因此被替代？

短期内，我看不到这种可能。

系统最先替代的是工程师每天重复做的动作：找旧图、复制模型、修改尺寸、阵列零件、重复标注、整理BOM。

工程师仍然要回答那些真正困难的问题：这个订单为什么不能套标准模板？客户改了一个尺寸，会影响哪些零件？这条经验有没有例外？生成结果能不能生产？

更准确的分工是：

工程师定义正确做法，确认规则，处理例外，审核结果；
AI读取订单、找模板、选工具、填参数，并把异常提出来；
开发团队把工程经验封装成稳定的CAD工具和规则系统。

我反而觉得，这类项目会迫使企业重新认识工程师的价值。过去很多经验只存在于几个人的脑子里，既说不清，也交接不出去。现在为了让系统学会，企业必须把这些经验整理出来。

到底要不要训练模型？

第一阶段通常不用。

先用现成的大模型读取订单、整理参数和调用工具；精确绘图交给CAD软件的API、宏命令或插件。这里真正费时间的，是整理模板、确认规则和开发稳定的CAD操作工具。

等系统运行起来，企业积累了完整数据：原始订单、选择了哪个模板、执行了哪些操作、工程师改了什么、最终是否通过审核。到了这个时候，才有必要讨论训练。

未来训练的也未必是“画图模型”，更可能是下面几类小任务：

从订单中提取产品参数；
给新订单推荐相似模板；
根据当前CAD状态选择下一步操作；
判断生成结果是否存在常见错误。

没有这些业务数据，先买显卡、先训练模型，多半只是把钱花在最容易展示、最难验收的地方。

如果现在做一个试点，我会怎么做？

我不会一上来就说“让AI学会全公司的产品”。这个目标太大，也没法验收。

先选一种产品。最好是订单多、结构相对固定、工程师又经常需要重复改尺寸的产品。

然后准备三到五个完整案例：客户原始订单、工程师操作录像、CAD源文件、最终工程图和BOM。录像不是唯一数据，它主要帮助项目团队理解工程师在哪些地方需要判断。

接下来让工程师把判断说出来。为什么这里多一根立柱？为什么这个订单用了另一种板材？哪些尺寸可以改，哪些尺寸一改就牵一发动全身？

项目团队据此建立一个参数化模板和一组CAD工具，再拿一份没见过的新订单测试。

最后不要用“AI有没有自己点完鼠标”来验收，而要看：

原来30分钟的任务，现在还需要多久；
关键尺寸和BOM是否正确；
工程师需要修改多少地方；
系统遇到规则之外的订单，能不能停下来报告，而不是硬画。

如果系统能在几分钟内生成标准订单的图纸，工程师只需要复核和处理少量例外，这个试点就值得继续。

回到客户最初的那句话

“学习人工画图过程后，操作电脑自动画图。”

这个需求可以做，但不能把它简单理解成录几段视频、训练一个模型、让AI接管鼠标。

它真正的实施路线是：工程师示范和解释，企业整理模板与规则，开发团队把重复动作做成CAD工具，AI负责理解订单并调用这些工具。

也就是文章开头那句话：