客户端
媒体矩阵
企业邮箱
工经号
中国工业报记者 曹雅丽
4月15日，由中国工业报社和卡伦特科技有限公司联合主办的“中工智库沙龙·AI共创工业智能——生成式CAD模型首版次工业软件研讨会”在京举行。复旦大学计算与智能创新学院教授、博士生导师周向东在会上作题为《《AI+CAD的研究路径及复旦大学课题组的进展》》的主题演讲，系统阐述了AI技术与CAD融合的研究进展、技术路径与未来方向。
周向东指出，CAD作为现代工业的灵魂，传统设计工具长期面临性能不足、智能化欠缺等痛点，是我国工业软件领域“卡脖子”问题之一。从学术研究视角，他将AI赋能CAD的问题划分为两个层面：一是参数化模型的智能生成，这一领域借助现有AI技术有望在较短时间内取得突破性应用；二是几何内核的颠覆性创新，他坦言对此持谨慎乐观态度——AI短期内难以彻底颠覆几何内核，可能需要人工智能基础范式的重大变革才能实现。
在回顾大语言模型发展历程时，周向东表示，从GPT-3到ChatGPT，再到2025年DeepSeek的崛起，大模型技术正深刻影响学术研究与产业应用。DeepSeek的出现尤其具有重要意义，它打破了美国闭源模型依靠算力堆积构建的护城河，证明无需极致算力也能实现突破，为国内学术界带来了新的研究动力。
周向东介绍了当前AI+CAD研究的三大前沿路线：一是基于大语言模型的端到端生成，研究如何一次性生成完整CAD模型；二是基于智能代理的闭环控制，实现生成、修改、反复优化的完整流程；三是几何识别与参数建模的深度融合，追求工业级高保真效果。
他重点分享了复旦大学团队的最新研究成果。团队提出的CAD-Llama大模型，通过大模型微调生成CAD建模序列，成功率达到99.9%。该成果发表后，英伟达科学家在美国X社交媒体转发，短时间内获得8万阅读量，首次在学术界证明大模型可以生成复杂的CAD模型，并初步具备编辑能力。在此基础上，团队进一步将研究范式从生成CAD建模序列转向生成CAD代码，发挥推理型大语言模型在代码生成方面的优势。
周向东还介绍了基于智能代理的Seek-CAD研究，在国内最早基于DeepSeek的思维链能力，实现了生成、反馈、优化的闭环系统，证明在本地部署开源大模型同样可以获得良好效果。
针对当前研究受限于生成范式和数据集、不能很好的处理倒角、圆角等高级建模命令的现状，周向东团队提出了融合几何识别与LLM强化学习参数建模的新方法。该方法引入文本查询机制，将大模型生成与B-rep精确几何引用自然而优雅的结合，通过大模型训练与几何识别训练的双轨并行，实现了基于高级建模命令的复杂工业模型生成，首次成功的让大模型较为完整的模仿了人类基于特征建模的过程。
周向东总结指出，推理型大模型与强化学习能力极其强大，具备逐步思考、探索替代方案及自我修正等特性，正成为当前研究的主流方向。融合几何识别与参数建模是智能化CAD生成的新范式，唯有沿着这一路径才有可能真正走向工业应用。他描绘了未来的技术图景：大语言模型负责生成与多模态理解，智能代理负责执行、验证与反馈，B-rep识别与引用负责高保真几何与拓扑约束。
最后，周向东呼吁，工业界应开放更多真实、复杂的领域数据，让学术界有条件开展深入研究；学术界的研究成果也将反哺工业界，双方应合力推动CAD预训练基础模型的研发，共同加速AI+CAD智能生成时代的到来。