通用AI大模型正在疯狂吞噬这个世界的知识内容，它能写文案、写代码、画海报、生成视频，甚至能推理数学和物理问题。但在“理解 CAD 3D 模型”这件事上，大模型一直像隔着一层雾。

它能看懂图片，却看不懂 3D 模型，能理解自然语言，却无法从几千个面和边的集合中推断“工程逻辑”。

为什么？

因为 CAD 模型最核心的“语言”，不是几何，也不是拓扑，而是——

Feature（特征）。

工程师设计一个零件，不仅要通过“面”和“边”建模，还要通过特征建模。
没有特征，就等于没有“设计意图”。

今天我们就来聊聊：为什么让 AI大模型 看懂 CAD 模型，必须从“特征识别”开始。

1. 几何只是结果，特征才是设计逻辑

一个零件模型表面看是一堆面（faces）、边（edges）、体（solids），但这不是工程师在设计时思考的方式。工程师脑海里想到的永远是：

• 一个 M6 的螺纹孔；

• 一个用于加强的筋；

• 一个用于装配的卡槽；

• 一个倒角；

• 一个壳体；

• 一个拔模角；

• 一个法兰；

• 一个筒形支撑；

• 一个键槽；

• 。。。

这些都是特征，而几何和拓扑只是它们计算出来的“表皮”。举个例子：

普通人从外形可以看到：一个圆柱形空腔 + 45 个螺旋线轮廓。

工程师看到的是：一个 M6 × 12 的盲孔螺纹特征。

差别巨大。

AI要理解 CAD，就必须像工程师一样思考，这就是为什么特征识别是 AI 的第一能力。

2. 为什么传统 AI 看不懂 CAD 模型？

传统 AI 之所以在 CAD 模型面前“掉线”，原因主要有三个：

1）没有特征树，语义丢失

从 SolidWorks、CATIA、NX、Creo导出的 STEP/IGES/Parasolid 文件本质上是裸模型，建模历史几乎全部丢了。

AI拿到的只是：

• 1 万多个面；

• 3 万条边；

• 200 个体；

• 一堆曲面方程。

没有任何“设计意图”。

这就像让你读一本把所有标点符号删除、章节拆碎、连字符也删掉的书，他能读懂才怪。

2）不同工程师的建模方式不同

同一个孔，在 CAD 中可能来自：

• 拉伸切除；

• 旋转切除；

• 带拔模的孔；

• 螺纹孔；

• 倒角后的孔；

• 结合面之后的孔。

几何一样，但特征完全不同，没有特征识别，AI 不可能知道它真正的用途。

3）规则法匹配特征太脆弱

过去几十年很多 CAD 系统其实都是在通过规则法做特征识别：

• 目标形状是否圆柱？

• 是不是贯穿？

• 直径是否在常见范围？

这种方法很难覆盖所有情况，稍微偏点，就失效。

而 AI 天生擅长概念泛化，这就是它能够补位的核心价值。

3. 什么是“特征识别”？

一句话：从几何形状中自动恢复出 CAD 的设计特征。

比如 AI 通过分析模型，自动识别出：

• 这是一个倒角；

• 这是一个 R10 的圆角；

• 这是一个加强筋；

• 这是一个螺纹孔；

• 这是一个用于装配的卡扣槽；

• 这是一个壳体特征；

• 这是拔模特征；

• 这是参数化的凸台；

• 这是机械零件中的标准件接口；

• 。。。

如果 AI 能做到这一点，它就能像一个工程师一样理解模型。

特征识别，是打开“AI × CAD”大门的钥匙。

4. 为什么 AI 非常适合做特征识别？

过去的特征识别靠“规则 + 假设”，但真实世界的模型极其复杂。AI 能做的远远超过规则：

1）AI 擅长模式识别

不同的孔、筋、槽，即使几何差异很大，但模式是相似的。

AI可以从大量零件中归纳出：

这类结构看起来像筋，虽然它被平滑过、倒角过、偏移过，但仍然是筋。

2）AI 天然适合处理“模糊特征”

很多特征根本不能用规则定义：

• 修边导致不规则倒角；

• 修补之后面被合并；

• 布尔运算操作导致边界不规整；

• 相贯线被拉断；

• 倒角特征复杂得像 3D 拼贴画；

• 。。。

AI能理解模式，规则不能。

3）AI 能跨不同软件、不同格式识别同一特征

例如同一个孔：

• 在 UG 里是 Feature A；

• 在 CATIA 里是 Feature B；

• 在 SolidWorks 里是 Feature C；

• 导出 STEP 后没有任何特征定义。

AI能通过形状本身找到“孔的语义归属”，这就是传统算法做不到的。

5. AI识别特征之后，能做什么？

1）快速判断一个零件是否可替代 → 标准件优化

识别特征之后，AI 就能理解：

• 这两个零件其实功能上是等价的；

• 这个零件可以用已有的标准件替代；

• 这个设计可以复用历史零件；

• 有 90% 相似度的旧零件已经存在。

这直接降低：

• 设计成本；

• 生产成本；

• 库存成本；

• BOM 成本。

2）自动重建参数化模型

AI识别特征 + 推断参数 → 自动生成参数化特征树。

这意味着：

• 自动参数化；

• 自动建模；

• 自动修改；

• 甚至自动设计优化；

• 减少重复建模 60% 以上。

工程团队笑了。。。

3）自动识别工艺特征 → 支持制造、CNC、工艺仿真

比如：

• 孔特征 → 钻孔；

• 槽特征 → 铣削；

• 筋 → 成形；

• 壳体 → 注塑；

• 拔模 → 支持模具设计；

• 倒角/圆角 → 工艺配套加工。

制造链路直接打通，可以估算加工时间和成本。

4）支持检索、分类、归档 → 企业模型数据结构化

识别特征后，企业的 3D 模型不再是“黑盒”，而是：

• 可搜；

• 可比；

• 可聚类；

• 可复用；

• 可分析；

• 可用于训练 AI。

这点对“3D 数字资产管理”至关重要。

AI 想理解 CAD，不仅需要知道：

• 这个零件长什么样？（几何）

• 它是由哪些面和边构成的？（拓扑）

更需要知道：

它为什么要这样设计？ （特征）

没有“设计意图”，就没有工程语义。
没有工程语义，AI就无法真正理解机械世界。

未来 CAD × AI 的核心竞争力，不是渲染，不是几何库，不是格式解析，而是：

谁能让 AI 看懂特征，谁就能在下一代工业软件的研发和应用快人一步。