一、CAD软件的发展历史和现状

计算机辅助设计(CAD)是最基础的核心工业软件之一，广泛应用于航空、航天、汽车、高端装备、高科技电子等各个行业，可满足各种工业产品和消费产品数字化设计建模的需求。

图1 CAD 软件的发展历史

如图1所示，CAD软件的发展历史可以追溯到20世纪50年代，经历了从简单的二维绘图软件到功能强大的三维建模系统的演进。1957年，Patrick Hanratty开发出首个数控系统PRONTO,被誉为“CAD/CAM之父”。1963年，麻省理工学院(MIT)博士生Ivan Sutherland研发的Sketchpad系统首次引入交互式图形用户界面，该系统被视为现代CAD的奠基之作。随着计算机性能的提升，CAD在1970-1980年代迎来快速发展，典型代表包括1973年诞生于联合计算公司的UG、1977年达索飞机公司内部开发的CATIA、1982年Autodesk发布的第一款二维绘图软件AutoCAD以及1988年PTC推出的首个三维参数化设计软件Pro/Engineer。这一时期的CAD主要应用于汽车、航空航天等高端制造业，用于复杂产品的设计与制造。到了90年代，随着PC性能的提升和Windows操作系统的面世，CAD软件逐渐走向大众化。1995年，SolidWorks发布了第一个基于Windows的三维CAD软件，随后多家厂商也发布了基于Windows的三维CAD产品，如Intergraph的SolidEdge(1996年)、Autodesk的Inventor(1999年)。参数化建模、特征建模等技术在CAD软件中得到广泛应用，使设计过程更加灵活和高效。此后，CAD技术在机械、电子、建筑等众多行业得到广泛应用，成为产品设计与制造过程中不可或缺的工具。

进入21世纪，随着云计算技术的兴起，CAD软件也开始向云端演进。2014年，达索系统推出3DExperience云平台；2015年，Onshape发布了第一个云原生三维CAD软件；2016年，Autodesk推出Fusion360,实现了云端CAD/CAE/CAM一体化；2019年，西门子工业软件推出Xcelerator云平台。

CAD软件已历经几十年的发展，当下主流商用CAD软件的核心技术框架在20世纪90年代就已经基本成型。自2000年起，CAD软件的发展主要体现在算法改进、功能完善和扩展、用户体验优化等方面，同时采用了云计算、移动端等新技术。这些技术进步虽然提高了CAD软件的效率和用户体验，但并未改变CAD软件的基本设计范式和核心技术框架，CAD技术亟待新的范式突破。

二、AI与CAD融合发展的最新趋势

近两年来，全球生成式AI技术取得了令人瞩目的进展。以ChatGPT为代表的大语言模型，凭借强大的自然语言处理能力，实现了与人类自然、流畅的对话和交互，在全球范围内掀起了AI应用热潮。DeepSeek等本土化AI大模型不断实现突破，展现出功能强大、性能卓越和低成本等诸多优势，为生成式AI技术的广泛应用奠定了坚实基础。

在CAD领域，国内外厂商呈现出与AI和大模型技术加速融合的趋势。国外厂商实力雄厚，布局早，投入大，在软件功能AI化、平台化方面进行了卓有成效的探索。近两年来，国内厂商全面追赶，在AI解决方案和落地应用方面更有优势。

（一）国外AI与CAD融合的进展和趋势

国外工业软件厂商纷纷将AI纳入其产品战略，提出通过AI实现设计自动化以提升效率与质量。

1.达索系统在3DEXPERIENCE World 2025大会展示了生成式体验(AI驱动的装配、需求、设计、验证和测试)和虚拟助手Aura,并且宣称“将人工智能置于所做的一切的核心”。

2.西门子将数据、行业知识和AI作为产品的核心优势，宣称其为Industrial AI的领导者。该公司最新的NX产品提供AI驱动的设计工具集(创成式设计、沉浸式可视化、CAD功能增强),其Industrial Copilot可以通过智能人机交互提升人机协作效率。

3.Autodesk的Bernini项目可以从多种输入形式(文本、2D图像、点云和体素)生成高质量的3D模型。

4.Leo AI可以将文本、草图、规格和CAD约束转换为完全组装的3DCAD模型，旨在简化设计流程、降低项目成本和时间投入。

5.Backflip AI开发了一种基于AI的生成式模型，能够将3D扫描数据快速转换为参数化CAD模型，从而支持传统3D打印和机械加工。

（二）国内AI与CAD融合的进展和趋势

国内CAD厂商也积极拥抱AI,近两年来陆续发布了融入AI技术的新产品，这些新产品能够有效帮助工程师减少重复操作，自动完成设计工作任务。

1.新迪数字是国内率先将AI技术深度融入三维设计软件的国产软件厂商，在2025新品发布会上向业界展示了快速推动“人工智能+三维设计”发展战略的愿景与布局。新迪数字发布了“天工小智”AI智能体，推出了智能PMI标注、智能钣金出图、智能命令预测、3D模型智能检索、文生CAD等众多AI新功能。

2.山大华天2025发布的最新产品展示了AI技术与工业设计的融合，提供六大AI功能模块：实时智能搜索、智能命令助手、智能渲染、点云智能建模、智能制造助手和智能文本建模。

3.设序科技基于工业生成式AI技术与垂直生成模型，自动将3D模型转换成2D图纸，应用于装备和零件设计。

三、国产CAD软件跨越式发展的新机遇

国产CAD软件经历过20世纪初失落的20年，其产品能力和产业化水平远远落后于国外。近几年来，由于国家政策大力支持以及资本兴起投资热潮，产业开始再次崛起，但是追赶之路依然任重道远。

新一代AI技术与CAD深度融合，为国产CAD软件实现跨越式发展和弯道超车带来了新的机遇，分析原因如下。

（一）新一代AI技术为国产CAD软件提供了颠覆性的技术手段

AI技术从辨别式AI(对现有内容的分析、分类、判断和预测)发展到生成式AI(自动生成开放的文本、图像、音频、视频和3D模型等内容),带来了生产力的变革，让AI从自动化走向创造。

新一代AI技术和CAD的深度融合，可以颠覆传统CAD的设计模式，让AI真正走入创意环节。它通过将工程师的创意、评估和AI的识别、推理、生成能力结合，在设计的每个环节得到实时反馈和个性化建议，实现真正的人机协作。

（二）中国制造业丰富的场景和海量的数据为国产CAD软件提供了坚实的基础

中国制造业规模庞大，连续15年位居全球首位，2024年制造业增加值占全球比重约28%,产业门类齐全，体系完整。中国制造业增加值稳居世界第一，成为全球工业经济增长的重要驱动力。

中国制造业尤其是高端装备制造业广泛应用各种数字化技术和工具，进行数字化研发(三维建模、三维仿真、数字化工艺、数控加工、数字样机、数字主线、MBD等),积累了海量的研发设计数据和知识。

基于中国制造业海量的工程数据和知识进行训练，有望提炼并重构工业知识图谱和工业垂直大模型，从而在较短时间内完成国外工业软件50年的知识积累过程。而后将其应用在中国制造场景中，依据中国制造企业反馈的快速迭代，形成闭环，最终实现超越。

（三）将中国制造业众多领域的丰富经验进行知识固化并实现AI软件化，可以显著提升国产软件的成熟度和创新水平

当前，中国制造业进入高质量发展阶段，在新能源汽车、光伏、航空航天、高铁、船舶等高端制造业领域，已由“追赶者”向“领先者”转变，积累了丰富的制造经验和工程知识。但是，工业知识的软件化进程远远跟不上工业的领先步伐。

构建于领先的“中国经验”之上的国产工业软件，有望突破现有工具软件的局限，更具场景化、业务化，更加满足中国企业的实际需要，从而加速工业软件智能化进程。

（四）国内外“AI+CAD”处于同一起跑线，为国产软件的超越提供了机会窗口

国产AI产品DeepSeek凭借开源、低成本、高性能等优势迅速崛起，成为全球AI领域的重要力量，大幅缩小了与国外AI技术的差距。国内AI技术研发已达到国外先进水平。

国外CAD厂商从2023年开始推进与生成式AI的融合，国内一些CAD厂商也认识到“AI+CAD”是未来行业发展的创新方向，与国外同步调整战略，踊跃变革、加大投入、积极布局，涌现出一批全新的“AI+CAD”应用。

总体来说，国内外“AI+CAD”的起步和发展水平基本保持同步，这是国产CAD软件实现超越的机会窗口。

四、“AI+CAD”,向新一代产品形态演进

在AI与CAD深度融合的大趋势下，CAD软件正处于变革的前夜，新一代产品形态呈现出多重演进方向。

（一）从CAD到AIAD

传统CAD是指基于CAD造型技术(如几何建模、约束求解、参数化特征造型等),采用基于图形用户界面(GUI)的人机交互方式来辅助工程师进行设计和绘图的软件工具。

AI辅助设计(AIAD)是指在传统CAD造型技术基础上、融合新一代AI技术(如大模型、知识图谱等)、采用基于自然语言的人机交互方式来辅助工程师进行设计和绘图的软件工具。AIAD是传统CAD与新一代AI技术深度融合而成的新的产品形态。

传统的CAD正在向新一代AIAD发展演进。从CAD到AIAD,有三种不同的产品形态，如图2所示。

图2 从CAD到AIAD的三种产品形态

1.传统CAD

传统CAD经过40多年的发展，形成了以CATIA、NX、SolidWorks、Creo、SolidEdge等为代表的国外三维CAD软件，以新迪天工CAD、中望3D等为代表的国产三维CAD软件，广泛应用于航空、航天、汽车、高端装备、高科技电子等行业，满足各种工业产品和消费产品数字化设计建模的需求，成为企业工程师日常设计建模和画图的必备工具软件。

2.AI增强CAD

AI增强CAD(AI-Augmented CAD)是传统CAD向AIAD演变的中间产品形态，是对传统CAD软件的改良和增强，在传统的CAD软件系统中增加AI插件和辅助功能，以提升CAD软件功能的使用效率。

AI辅助功能包括知识问答、命令预测、AI驱动的草图设计、AI驱动的零件设计、AI驱动的装配设计、AI驱动的工程图等。

AI-AugmentedCAD可以实现CAD功能操作自动化，减少重复、机械性工作，帮助设计工程师提升工作效率；实现增强设计，利用AI学习到的领域知识，帮助设计工程师更有效地进行复杂设计。

目前，国内外软件厂商发布的“AI+CAD”新功能大多数属于这一类产品形态。

3.AI原生CAD

AI原生CAD(AI-Native CAD)是更高级的AIAD产品形态，与AI-Augmented CAD存在本质区别，它是对传统CAD的重构和变革。AI-Native CAD是将AI技术与CAD深度融合的新一代辅助设计软件，颠覆了传统CAD软件的设计范式，致力于打造全新人智融合的自然交互界面，利用设计-仿真-制造-服务等各环节数据训练的AI大模型，让AI成为产品设计流程的核心驱动力，使设计工程师从建模画图回归到产品设计本身。

AI-Native CAD将为CAD设计范式带来真正意义上的变革和创新。未来，AI-Native CAD的角色将是一个“数字人”,很多低级、重复性的工作都会被AI接管，而设计工程师的角色也会发生巨大变化，不再是“画图员”,而是“提示工程师”“系统设计师”。这一转变将使产品开发效率实现指数级提升，过去开发一个产品，要花大量时间画图以及设定尺寸参数；在AI-Native CAD时代，用户可以借助AI快速创建设计模型，自动设定参数，甚至自动进行设计仿真并优化设计问题。换言之，AI将成为CAD工具的主要“用户”,而人类则从CAD工具操作者转变为指挥者或监督者，只需向AI工具发出设计指令，AI即可操作CAD功能完成画图和建模工作。

这一转变体现了从“以人为本”到“以AI为本”的设计理念的转变。其深层影响在于CAD工具不再是需要数年学习才能掌握的复杂机器，而是一个能够理解自然语言并自主执行任务的智能代理。这种转变不仅使更广泛的人群能够利用AI的力量，也极大地加速了新产品的开发速度。

AI-Native CAD应用包括文生CAD、图生CAD、创成式设计、自动优化设计等，并且未来可能会出现更多的应用形式，具体描述见表2。

表1 AI-Augmented CAD应用示例

表2 AI-Native CAD应用示例

AI-Native CAD代表着未来CAD产品的形态，但是目前还处于起步探索阶段，尚未达到成熟且可实际应用的程度，还需要经过较长时间的探索和研究。

（二）从CAD系统到AI智能体

传统CAD软件一般是单机桌面软件，采用单体系统架构。经过40多年的发展和迭代，CAD软件功能越来越全面，单体系统也日趋庞大，变得越来越重，系统复杂度也越来越高。

随着AI技术的融入，CAD软件产品形态还呈现出另一个演进方向：小型化、后台化、场景化。

CAD软件小型化是将目前体系庞大的、重量级的CAD系统进行解构和“瘦身”,转变为多个小型的、轻量级的应用。

CAD软件后台化是将CAD软件从一个前台设计工具变成后台服务，提供CAD造型和CAD模型处理等功能，以供其他应用调用。

CAD软件场景化是指CAD软件从一个满足各种场景的通用型软件变成满足特定业务场景的应用软件。

AI化与小型化、后台化、场景化相结合，其产品形态就是AI智能体(AI Agent)。AI Agent与传统应用软件有很大不同，传统的应用软件只是被动地执行用户指令，而AI Agent就像一个“智能助手”,它能像人一样理解任务、规划步骤并帮助用户完成工作。

传统CAD软件是一种通用的设计辅助工具，可以满足各种行业和所有产品的设计辅助需求，而一个AI Agent只能满足特定行业和特定品类的产品智能化设计需求，并可以通过自动化设计-仿真-优化形成任务闭环，超越了传统CAD设计建模的范畴。

以一个面向新能源汽车的电驱智能设计Agent为例，该Agent可以根据用户输入的设计规格，自动生成电驱系统电机、减速驱动等部件的三维数字模型，并自动进行结构仿真和电磁仿真，根据仿真结果自动优化设计参数，最终输出一个优化的产品设计模型。类似的AI智能体还包括变压器智能设计Agent、压力容器智能设计Agent、货架智能设计Agent、非标夹具智能设计Agent等。

传统CAD软件主要应用于产品数字化设计环节，而AI Agent可以将CAD应用场景从单纯的产品数字化设计扩展到更丰富的企业业务场景，借助CAD建模、CAD模型处理、CAD模型轻量化、AI大模型等服务能力，为工艺设计、加工制造、质量检验、成本核价、交付运维等更多下游应用赋能。

面向更多业务场景，可以开发出各种基于CAD模型的AI智能体，例如基于模型的智能工艺Agent、基于模型的智能质检Agent、基于模型的智能核价Agent等，具体描述见表3。

表3 面向更多业务场景的AIAgent应用示例

五、AIAD软件产品的开发方式

针对不同的应用需求和合作对象，新一代AIAD软件产品有三种不同的开发方式：通用、行业专用、企业定制。

（一）通用AIAD软件

在通用CAD软件中加入各种AI辅助功能，以提升软件使用效率。

这种开发方式由CAD软件厂商独立开发完成。CAD软件厂商通过收集公开的、跨行业通用数据，构建通用CAD设计大模型，并结合工业知识图谱。通过将软件功能AI化，并逐步过渡到设计范式的变革，打造具有全新创新性的CAD软件。同时，新一代的CAD也将为上下游生态打造AI赋能平台，为下游环节提供面向模型的智能化能力。

以国产三维CAD为例，新迪天工CAD软件全面采用AI技术，在天工CAD中植入了知识问答、自动工作流、智能PMI标注、智能出图、智能命令预测、3D模型智能检索、文生CAD等功能，利用AI技术大幅提升软件的易用性和智能化。

（二）行业专用AIAD软件

面向行业共性场景需求，在通用CAD设计大模型的基础上构建行业专用CAD设计大模型，并结合行业知识图谱，开发行业专用的“AI+CAD”软件。

这种开发方式是由CAD软件厂商联合行业龙头企业共同开发完成。行业龙头企业开放场景、行业模型及数据，CAD软件厂商负责提供技术底座和开发，双方通过共赢互利的合作模式打造行业专用AI软件并向整个行业进行推广。例如，新迪数字联合模具行业某龙头企业，面向模具行业应用场景，基于客户的海量设计数据，打造模具自动设计、自动出图、自动核价等智能AI应用。这些行业专用软件融合AI技术，具有行业通用性，可以满足行业大部分共性的功能需求。

（三）企业定制AIAD软件

针对中大型企业的专门应用场景，定制开发企业专用的“AI+CAD”解决方案。

这种开发方式由大中型企业或者企业联合软件厂商共同完成。基于行业通用CAD设计大模型和行业知识图谱进行微调，针对企业的具体应用场景，利用客户积累的私有模型和数据，在保护客户数据安全的前提下，为客户定制开发专用的AI大模型和AI智能体，实现面向客户定制的产品设计智能化。

中大型企业往往具有差异化的竞争优势，具有独特的工业知识和经验，因此需要深度参与客户定制模型的训练和AI智能体的开发。

六、AI与CAD融合面临的主要挑战

新一代AI技术与CAD深度融合，面临来自各方面的问题和挑战。

（一）高质量大规模CAD数据集稀缺

AI模型依赖海量高质量工业数据进行训练，但CAD设计数据具有高度的专业性和复杂性，存在数据获取难、数据标注成本高、数据集规模小等问题。高质量且标注精准的CAD设计数据属于企业核心资产，极少对外公开，获取难度较大。数据标注的成本同样高昂，CAD模型上的几何特征、关键设计参数、约束条件以及其他属性等都需要依赖专业工程师进行标注。这一过程极为耗时，需要高昂的人力成本。从数据集规模看，训练一个强大的AI模型需要海量数据支撑，但与动辄数量以亿计的图像或文本数据集相比，CAD数据集显得捉襟见肘。现有的CAD数据集中，数量最多的也仅在百万级别，而且以合成数据为主，真实的工程设计数据严重匮乏。

因此，在数据层面，企业、科研机构和政府部门可携手共建数据共享平台，制定合理的数据共享机制与权益保障体系，鼓励企业有条件地开放部分数据，探索合成数据与真实工程数据结合的方式，既满足大规模训练需求，又兼顾数据隐私与安全。

（二）CAD数据处理复杂度高

CAD数据包含几何、拓扑、建模特征、参数、约束、材料、PMI等多模态信息，对其进行统一表示与融合处理的难度极大，如何将复杂的几何/拓扑结构及其工程数据有效编码为AI能够理解的向量极具挑战性。在实际交互过程中，用户会输入不同模态的数据，包括文本、语音、图像、点云、CAD模型等。因此，如何高效融合这些不同模态的信息，并准确捕捉用户的设计意图，也是亟待解决的问题。

（三）生成式CAD算法有待突破

目前，学界和业界在生成式CAD领域已经取得一些进展，主要存在两种技术路线：一是基于BRep的CAD生成,即由大模型直接输出以BRep表示的CAD模型；二是基于特征建模序列的CAD生成,即大模型先输出一个特征建模序列，再基于CAD软件按该建模序列构建CAD模型。现有算法仅能生成一些简单的模型，尚不能满足真实设计场景的需求，在复杂形状模型和装配模型生成上仍需突破。同时，生成模型在准确性、可控性和泛化能力等方面也需要进一步提升。

（四）生成模型的可解释性不足

AI模型的黑盒特性意味着其内部决策逻辑难以理解，工程师无法透视参数权重转化为三维几何特征的过程，难以建立输入条件与输出结果之间的因果逻辑链。可解释性不足导致工程师难以信任生成结果，特别是在关乎安全性与可靠性的设计场景中，设计师往往不敢采纳缺乏透明推理过程的AI设计方案。可解释性不足也阻碍了工程师对生成结果的有效干预与优化，难以明确如何调整设计参数以使AI输出预期结果。若无法突破可解释性瓶颈，AI在CAD领域的潜力将长期在很大程度上受限于信任缺失与沟通障碍。

针对CAD数据处理复杂度高、生成式CAD算法泛化性较差和生成模型的可解释性不足等问题，建议在算法层面，加大科研投入，鼓励学术界与产业界深度合作，开展联合攻关，研发CAD专用的多模态数据处理框架，加强生成式CAD算法的基础研究，开发面向复杂设计场景的可控生成模型，并建立科学的评估体系。

（五）复合型人才短缺

“AI+CAD”的发展需要既懂CAD技术又懂AI技术的复合型人才。然而，目前具备这种双重能力的人才相对匮乏，导致技术研发与实际应用之间存在鸿沟。一方面，传统CAD领域的工程师往往缺乏对AI技术，尤其是深度学习、生成模型等前沿技术的理解和应用能力；另一方面，AI领域的专业人才虽然具备较强的算法开发能力，但普遍对CAD的应用场景、工程设计流程及行业规范缺乏深入了解。这种复合人才短缺的问题制约了“AI+CAD”技术的研发进展，限制了其在真实工业环境中的应用推广。

在人才层面，应推动高校开设AI与CAD交叉学科课程，企业开展工程师与AI人才的双向培训，通过产学研合作和跨学科教育培养兼具AI与CAD知识的复合型人才。

（六）法律与伦理风险

AI生成的3D模型可能会无意中复制现有设计，从而引发侵权问题。如果AI模型基于公开数据训练，生成的模型是否会侵犯第三方版权？此外，若AI生成的设计存在缺陷(如制造失败或安全隐患),责任应由谁来承担？是开发者、用户还是AI本身？目前，这些法律问题缺乏明确的回答，相关法律条文尚处于空白状态，这可能会阻碍技术普及和推广。

因此，在法律与规范层面，应加快制定与AI设计相关的知识产权保护、数据合规、责任划分等法律法规，同时建立行业标准与规范，明确各方责任，降低侵权与风险隐患。在上述措施的共同推动下，AI与CAD的融合将更具可行性和可持续性，为智能设计和智能制造带来革命性突破。

七、CAD核心技术与AI赋能需协同发展

CAD核心技术体系经过数十年发展已形成高度成熟和专业化的技术栈。CAD核心技术主要包括(但不限于)实体建模技术、参数化特征建模技术、自由曲面建模技术、几何约束求解技术等，AI无法绕过或替代这些传统CAD核心技术，其作用更多地体现为赋能，而非取代基础能力。AI的核心价值在于重塑人机交互模式(如自然语言输入、手势识别)、提升应用效率(如智能推荐、自动化重复性任务、设计缺陷预测)和拓展设计可能性(如拓扑优化、生成式设计以探索更多方案)。然而，AI生成的设计概念或优化结果，最终必须转化为精确的、可编辑的、满足工程约束的CAD模型。这一转化过程以及后续的修改、验证、制造准备都必须依赖强大的传统CAD能力来执行和保证。换言之，AI是让CAD“更聪明”“更易用”“更高效”的大脑和神经系统，而传统CAD核心技术则是支撑整个CAD系统运行、确保其工程精度和可靠性的骨骼与肌肉。二者相辅相成，缺一不可。传统CAD核心技术不仅需要继续攻关，而且是实现国产三维CAD软件真正突破和可持续发展的基石，尤其在几何建模、约束求解、复杂外形曲面建模、超大规模装配、超大模型轻量化等关键技术领域，必须持续投入研发，力求实现自主决策与管理、技术领先以及性能稳定且高效。

在夯实基础的同时，积极布局AI技术研发，探索新一代AI与传统CAD核心能力深度融合的创新应用场景，如此方能抓住“AI+CAD”的历史机遇，实现跨越式发展，为中国制造业的转型升级和创新设计提供坚实可靠的底层支撑。忽视核心技术的攻坚，试图仅靠AI实现跨越式发展，无异于建造空中楼阁。

八、总结

本文结合国内外CAD的发展历史和最新趋势，分析得出AI和CAD的深度融合、从传统CAD向新一代AIAD发展是大势所趋，也是国产CAD软件实现跨越式发展和弯道超车的新机遇。国产软件厂商需要积极探索新一代“AI+CAD”产品形态，联合产业上下游按照通用、行业专用和企业定制的方式打造新产品，同时坚持对CAD核心技术攻关。

原文刊载于《数字化转型》2025年第11期 作者：彭维 孙建国 蒋跃华 陆申荣