Creo的AI哲学与CAD的第三次范式转移

      如果要为计算机辅助设计（CAD）的技术演进梳理出一条脉络，我们会发现，每一次重大跨越本质上都源于人机关系的重构。

      上世纪60年代，MIT的Ivan Sutherland在TX-2计算机上展示Sketchpad时，世界第一次看到了交互式图形的魔力。人类不再需要用穿孔卡片告诉计算机做什么，而是可以用光笔在屏幕上直接绘制。这是CAD的第一次范式转移：从“工具”到“界面”，计算机开始理解图形。

      80年代，随着PC的普及和参数化技术的诞生，PTC等公司引领了第二次范式转移：从“绘图”到“建模”。设计意图不再是一张张图纸的堆叠，而是被转化为存储在计算机里的约束和关系。工程师通过定义参数告诉计算机为什么这么设计，计算机则负责自动维护模型的一致性。

      如今，我们正站在第三次范式转移的门槛上。这一次，关键词不再是绘图或建模，而是对话。生成式AI与大语言模型的崛起，正在将CAD从一种需要高度专业技能才能驾驭的工具，转变为一个能听懂人话、提供建议、甚至主动分担复杂任务的协作伙伴。       近日，PTC CAD部门总经理Brian Thompson接受e-works专访，详细阐释了PTC在这场AI浪潮中的核心战略。透过他的回答，我们看到的不仅是一家软件公司的技术路线图，更是一套关于AI时代人机协作方式的独特思考。

破解AI幻觉：智能自动化（IA）至关重要

      在追逐生成式AI的热潮中，行业里常常混淆两个概念：生成式设计（Generative Design）与生成式AI（Generative AI）。很多人把前者简单理解为后者的一部分，但在PTC的逻辑中，这是一个必须厘清的差异。

      Brian Thompson告诉e-works记者，在Creo的技术体系中，生成式设计（如GTO/GDX）的定位是由物理驱动的、基于约束与目标的优化过程，它产出的高质量几何体必须根植于严谨的工程规则。而生成式AI则是由自然语言处理和大语言模型驱动的交互助手，负责解释设计意图、简化操作流程、自动化软件层面的任务。

      在笔者看来，这引出了一个关键问题：为什么不能让AI直接凭空设计一个发动机支架？

      答案在于工业软件的底层逻辑：确定性。当前的生成式AI擅长基于概率预测下一个词或像素，但在面对需要绝对精确的工程场景时，这种不确定性可能是致命的。在工程领域，大约正确远远不够，必须依赖可控的模型。

      这就引出了PTC战略中容易被忽视却至关重要的基石：智能自动化（IA）。Brian Thompson强调，IA提供了基于规则的坚实地基。通过意图参考、用户定义特征、几何尺寸与公差以及行为建模等一系列功能，Creo在过去几十年里持续做着一件事：将工程师大脑里的隐性知识，转化为计算机能够理解、维护和执行的显性规则。

      这才是真正的设计意图捕获。它以AI目前无法独立生成的方式，将一致性嵌入到模型的每一个特征之中。

      因此在PTC的蓝图里，IA与AI并非技术演进的不同阶段，而是双轮驱动的互补支柱。IA负责提供结构化的、语义丰富的干净模型，AI则负责在这个坚实的基础上放大其价值。如果没有IA的规则约束，AI的生成结果可能天马行空却无法制造；如果没有AI的生成能力，IA的优化只能在有限的预设路径中徘徊。两者的结合，才是通往智能化设计的正途。

从副驾驶到编排者：AI角色的渐进进化

      明确了“地基”之后，AI在Creo中究竟将以何种形态呈现？

      Brian Thompson将这一蓝图描述为一个渐进式的进化过程，其核心载体是Creo AI Assistant。值得注意的是，这个助手不是一个悬浮在软件之外的独立聊天框，而是一个深度集成的协作伙伴。

      从短期来看，AI的角色是简化与引导。在Creo 12中，我们已经能看到这种能力的雏形。例如，当工程师想做一项拓扑优化时，传统流程需要切换多个菜单、手动设置复杂的物理场和约束条件。而未来，工程师只需用自然语言说出目标，比如我需要一个能承受500N载荷、减重30%、同时要考虑散热的设计方案。Creo AI Assistant将把这些目标自动翻译成正确的研究设置，调用底层的物理求解器进行运算，最后返回经过排序的、可制造的优化选项。

      这将大幅降低高阶功能的使用门槛。过去只有仿真专家才敢触碰的多物理场优化，未来可能成为普通工程师日常工作中的常用工具。

      从中期来看，AI的角色将升级为代理与协同。Brian Thompson提到，PTC正在扩展生成式设计的能力边界，以支持完整装配体优化和多物理场研究。这意味着AI不仅要理解单个零件，还要理解零件之间的热传导、应力干涉和运动关系。与此同时，随着工程Agent概念的兴起，Creo AI Assistant将承担更多自主责任。它不再只是被动回答问题，而是能主动执行任务，并与可制造性检查Agent、需求管理Agent等其他专业智能体进行协同。设想一下，当你完成一个设计方案，AI会自动调用仿真工具、检查工艺性，并根据仿真结果建议你调整某个圆角的半径，而这一切无需你手动触发。

      从长远来看，AI的终极目标是编排整个数字主线。这是PTC更具野心的布局。Brian Thompson展望，随着代理式系统的逐步成熟，AI将从提升个人生产力，走向编排整个数字线程的自动化。从顶层的产品需求出发，AI能自动触发设计迭代、运行仿真验证、联动供应链系统检查可制造性、甚至同步更新工艺规划文档。在笔者看来，CAD将不再是数字链中的孤岛，而成为由AI驱动的、贯穿产品全生命周期的工程生态系统中的核心节点。

设计师不会被取代，但会被重新定义

      每当新技术浪潮涌来，关于取代的焦虑总是如影随形。在PTC的构想中，AI的终极目标并非制造一个能够自动完成设计的机器，而是重新定义工程师的价值创造方式。

      Brian Thompson在采访中反复强调一个核心定位：AI是放大创造力而不是替代设计师。这一点尤为值得深思。

      因为设计本质上是一门关于权衡的艺术。在成本、性能、可制造性、可持续性之间找到最优解，往往需要人类基于经验、直觉乃至商业敏感度做出判断。AI可以穷举上万种方案并标记出热力图，但最终选择哪一个方案，以及为什么愿意为减重10%而接受成本增加5%，这个决策权依然掌握在工程师手中。

      制造业企业在引入CAD+AI解决方案时，面临的最大挑战往往不是技术本身，而是人才和流程的准备度。对此，Brian Thompson的建议颇为务实：从识别瓶颈开始。先找到设计流程中那些重复、耗时、但又具有明确规则的痛点，用现有的自动化或AI能力去解决。这种渐进式的推进方式，能让团队在学习中逐步建立信心，从而为更高级的智能工作流打下基础。