图纸转 3D 模型：Drawing-to-CAD 方案探讨

原载「AI驱动产品设计」，资料口径截至 2026-10-11；本站整理复刊时保留原稿观点与数据快照，不代表当前排行榜或产品承诺。

之前有一篇（CAD Arena）谈图纸转 3D 时，有一条路是完全依赖大模型一次读图、一次出模型。问题在于：该路径现阶段可行性很低，工程可用性有限，尚不具备实用落地的条件。

具体而言，纯大模型路线至少卡在三处：

• 语义理解不等于尺寸闭环：视图投影、基准与公差一旦歧义，模型仍可能「长得像」却改不动关键尺寸，更难保证孔系与配合面可在下游直接使用。
• 若输出缺少特征历史：后续改模、阵列与变型设计成本接近重做，设计师无法在熟悉的特征树上接手。
• 交付物难进企业管理面：企业要的是可版本、可权限、可进 PLM 的交付物，而不是聊天窗口里的一次性外形。

大模型擅长草稿推理，却难以单独承担上述工业约束；这也是笔者认为「完全依赖大模型」现阶段不实用的原因。

对策并非否定 AI，而是换一条路径：以主流 CAD（如 NX、SolidWorks、Creo、Fusion）的技艺与方法为主干，辅以 AI。 不让大模型另起一套不可改的模型，而让其在既有主流 CAD 中完成可编辑、可管理的重建。

一、AI 怎么发挥作用？

笔者认为，较稳妥的落点仍是 「AI + 主流 CAD」。在具体软件的接口支持范围内，主流 CAD 经 MCP（Model Context Protocol，模型上下文协议）或 API，可为 AI 提供结构化的模型与特征信息——草图约束、特征顺序、参数名、父子依赖与配合上下文均可被查询与写入；大模型再据此推理、决策并下发指令。真源仍是主流 CAD 的内核与特征历史——AI 承担操作与校对，而非输出另一套黑盒外形。

MCP / API 相对「只导出 STEP」的差别，在于能力边界：前者允许智能体像设计师一样创建草图、加特征、改参数并读回结果；后者往往只留下无历史实体，进入改型和出图时仍要大量手工重建。换言之，接口层决定了 AI 是「助理操作员」，还是「扔下一个壳就离开」。

相对地，纯端到端生成常绕过特征树：得到网格或无历史实体壳后，改尺寸、改阵列、改基准成本高，也难与企业已有的模板、材料库、绘图标准对接。把「会说话的模型」接回「会改特征的软件」，才是这条对策的技术含义。若接口只能导入死壳，再强的对话能力也难以进入改模与出图环节。

输入端同样要讲清楚边界：确定工程图后，经 AI 对话框提交图纸；若另有实物，再一并输入照片，以补外形、方位、纹理、磨损与装配方位等图面难以表达的信息。多模态的价值在于降低「缺视图猜几何」的概率，而不是替代标定尺寸。照片是辅助证据，不是尺寸真源——缺视图、脏污、透视变形与反光，仍须回到图面标注与人审，避免把「拍得清楚」误当成「量得准确」。

二、闭环怎么走：从特征树到正式工程图

在「AI + 主流 CAD」前提下，Drawing-to-CAD 的闭环可按下列环节展开。

• 在主流 CAD 中构建可编辑特征树。 AI（大模型 + MCP）首先在主流 CAD 内生成带特征树的模型——拉伸、旋转、打孔、阵列、倒角等落在日常所用软件中，尺寸仍可改动。首轮不必追求完美：哪怕只完成约六成特征，也比从零手建更接近可交付状态；剩余部分本就应在熟悉的特征树里由人补齐。这里的「可编辑」是硬条件——只有落在特征树上，后面的出图、变型与借用件修改才接得住；否则六成完成度也无法转化为六成效率。
• Agent 反复对照，直至可接受。 首次生成并非终点。AI 须在特征树与源输入（工程图、实物照片）之间反复交互、校验与修正——例如孔位与视图是否一致、壁厚与筋位是否可读、对称与阵列是否漏建、基准是否与图面一致——直至达到可交人审的版本。目标不是一次完美，而是可交接的半成品；对照循环停得太早，人审就会重新变成全量重建；停得合理，人审才真正变成抽检与补缺。
• 读取图纸文字，写入 CAD 属性。 几何大体就绪后，将图上的零件号、零件名称、材料、版本、重量或表面处理等信息读出，写入主流 CAD 的零件属性，并按命名规范自动存盘。图档规模一旦扩大，这一环节往往与建模本身同等关键：没有稳定零件号与基础属性，检索、借用、BOM 与后面的出图入库都会断链。自动化保存不是锦上添花，而是闭环能否规模化的前提。
• 生成主流 CAD 工程图，并对照原图修订。 属性齐备后，由该 3D 生成主流 CAD 工程图，继续对照原始设计图纸修改视图、剖视、标注与公差要求；修订完成后，将属性信息及加工工艺等要求填入图纸。由此得到的是可编辑、可保存、可管理的主流 CAD 完整交付物，而非一次性浏览文件。工程图与模型宜保持关联，后续改模才能驱动改图，避免「模型一套、图纸一套」的二次漂移。
• 自动入库。 图纸就绪后，自动存入 PLM，或按规范落入本地文件夹。入库不是另存一份副本，而是进入可检索、可权限、可版本的管理面：谁改了什么、哪一版可下发，都应可追溯。后续变更继续沿「改模型 → 更新图 → 更新库」推进，而不停留在「再扫一张旧图」。能入库、能检索，图纸转 3D 才从演示变成资产。
• 写入可检索信息。 问题随之出现：属性若只填零件号与名称，入库后仍难复用——同事不知道准确编号时，库里如同没有。对策是把「可检索」当作入库后仍要接住的目标，而不是事后补录。实现上，企业检索大致靠形状相似、属性关键字与分类/功能标签三类组合：几何仍由主流 CAD 特征树承载；AI 从图面起草功能描述、关键尺寸摘要、孔系标签、材料工艺关键字与分类码等字段写入属性，人审校对编码。有条件时，可对零件做多视角标准截图建图像索引，便于「长得像」时查找。只建几何、不写可检索信息，入库后仍会重新发明零件。

三、人审仍在，工作量可预期下降

闭环结束后，人工介入核对仍然必要。问题不在于「要不要人」，而在于「人做什么、做多少」。

原先从零重建，人工接近全量：读图、搭特征、对尺寸、出图、填属性、归档环环都要人。按笔者目前的预期，可粗分三类场景：简单零件（视图齐全、特征常规、标注清晰）可能仅需轻审即可放行；中等复杂度零件，人审多落在关键孔系、配合面与标注一致性；复杂零件则有可能将人工压至约 30%–40%，以核对关键尺寸与配合、补缺特征、工艺填写与签字放行为主。原图残缺、铸造/钣金表达不清、或涉及安全关键尺寸时，人审占比应上调，而不是为了「自动化率」强行放行。

上述比例并非实测数据，而是对「AI 起草 + 人收尾」架构的判断：零件越复杂、原图越残缺，人审占比越高——半成品不得当作终稿，也不得跳过配合与工艺确认。人审清单建议至少覆盖：特征树可否按设计意图改尺寸、属性与文件名是否与图面一致、可检索字段（功能描述、尺寸摘要、孔系标签、分类码等）是否可用、工程图与原图关键标注是否对齐、入库位置与版本规则是否正确。人审的价值，从「亲手建完」转向「对结果负责」。

四、方案立场

笔者认为，这是一条值得实施验证的架构，有望使图纸转换的逆向过程达到可用预期——尤其是在「特征树可改 + 属性可管 + 图纸可对 + 文件可入库」这条链上，而不是在「一次生成完美模型」的口号上。后续模型能力增强，可逐步下调人工占比；架构本身宜先行确定——以主流 CAD 为真源，AI 经 MCP / API 辅助搭建特征树、写入属性、再出图、再入库，人负责校核与放行。架构稳了，模型换代只是把循环跑得更快、人审更少；架构不稳，再强的端到端生成也难以进流程。

本篇补的是方案层对策：不押宝「完全依赖大模型一次生成」，而押「传统技艺 + AI 辅助」的闭环——把逆向重建拉回正向设计管理轨道。

本文配图为原稿的概念示意，不是产品实测截图。英文版使用对应英文配图，图内文字与图注均为英文。

延伸阅读：工程智能体与 CAD 工作流。