Autodesk開源：AI生成CAD的2B小模型完勝GPT5.2

AM易道分享
Autodesk Research上周在arXiv上掛了一篇論文，標(biāo)題叫Zero to CAD。
低調(diào)到不像Autodesk的風(fēng)格。但很多人這兩天都在轉(zhuǎn)。

原因是論文里有一組數(shù)字，乍看不太對(duì)勁。

一個(gè)20億（2B）參數(shù)的AI模型，能跑在你手機(jī)上的那種，讓它從圖像生成CAD代碼這道題上做到82.1%的成功率。

同一道題，GPT-5.2開到最高推理強(qiáng)度，只有72.2%。

不微調(diào)的同款基礎(chǔ)模型只有6.6%。

更反常識(shí)的是這個(gè)2B小模型從頭到尾沒看過一份真實(shí)CAD數(shù)據(jù)。

它學(xué)會(huì)的所有東西，都是另一個(gè)大模型在反復(fù)試錯(cuò)里寫出來的合成程序。

Autodesk這一手，本質(zhì)上是把困住AI畫CAD這件事好幾年的數(shù)據(jù)墻，用一種很取巧的方式繞了過去。

對(duì)3D打印行業(yè)來說，這意味著AI生成可編輯模型源文件這件事，第一次有了像樣的路徑。

3D打印行業(yè)一直在等的那種AI
打印機(jī)這兩年迭代得很快。
多色、高速、大尺寸、多材料，新機(jī)型一年能發(fā)好幾代。
但有一件事沒怎么動(dòng)，可編輯的模型源文件從哪里來。

不管是工業(yè)用戶做小批量定制件，還是消費(fèi)用戶打游戲手辦，模型來源就那么幾條路。

自己畫，找設(shè)計(jì)師外包，從模型站下載現(xiàn)成模型，或者拿照片用網(wǎng)格掃描重建。

除了前兩條，出來的是都是死網(wǎng)格。

死網(wǎng)格的意思是，你能打印它，但你不能改。

想把孔位往左挪兩毫米，想把壁厚加一圈，想把卡扣的間隙調(diào)小一點(diǎn)，對(duì)不起，從頭來。

整個(gè)行業(yè)都在等一種AI：

你給它一句話或者幾張圖，它給你一個(gè)能改、能調(diào)、能直接進(jìn)切片的真正CAD源文件。

不是網(wǎng)格，是一段能回放、能修改的構(gòu)造歷史。

這件事過去幾年沒做出來，最大的瓶頸不在模型，在數(shù)據(jù)。

行業(yè)卡了多少年的坎
CAD模型和我們打印用的STL網(wǎng)格，本質(zhì)上是兩個(gè)東西。
STL是最終的幾何外形。一個(gè)零件在屏幕上長(zhǎng)什么樣，文件里就記錄什么樣。

但工程師真正在用的CAD文件不是這樣。

一個(gè)支架在CAD軟件里被打開，左邊那條參數(shù)樹里寫著：

先在XY平面畫一個(gè)矩形，長(zhǎng)60寬40，往上拉伸8毫米；

然后在頂面畫一個(gè)圓，直徑8毫米，向下挖透；

再選四條豎邊，倒2毫米的圓角。

這條參數(shù)樹就是構(gòu)造歷史。

它記錄了設(shè)計(jì)意圖。改尺寸、調(diào)參數(shù)、把這個(gè)支架的孔位從中心挪到邊角，靠的全是它。

AI模型如果拿公開的已有的網(wǎng)格數(shù)據(jù)訓(xùn)練，能生成靜態(tài)幾何，做不了可編輯的源文件。

之前學(xué)術(shù)界有人嘗試過填這個(gè)坑。

DeepCAD做了17.8萬條序列，F(xiàn)usion 360 Gallery做了8600條，規(guī)模都太小，而且都被鎖在最簡(jiǎn)單的一種操作里：畫草圖，再拉伸。

倒角、圓角、抽殼、放樣、掃掠、布爾運(yùn)算這些機(jī)械設(shè)計(jì)里最常見的動(dòng)作，全部不支持。

更近一些的工作叫CAD Recode，去年發(fā)的，規(guī)模也接近一百萬。

但它生成出來的代碼長(zhǎng)這樣，一串坐標(biāo)的連續(xù)調(diào)用：機(jī)器能執(zhí)行，人完全改不動(dòng)。

r = w0.sketch().segment((...),(...)).segment((...),(...))....close().finalize().extrude(8)

對(duì)比一下，Zero to CAD生成出來的代碼長(zhǎng)這樣：

result = bracket

變量是有名字的，plate_length、hole_diameter、fillet_radius，工程師一看就知道哪個(gè)數(shù)字是干嘛的。

邏輯順序也是清楚的，先建底板、倒圓角、再開孔。

想把孔徑從8毫米改成10毫米，把hole_diameter那一行改一下就行，整個(gè)零件自動(dòng)重建。

這就是可編輯和不可編輯的區(qū)別。

這就是Zero to CAD要解決的問題。

上圖是現(xiàn)有CAD數(shù)據(jù)集對(duì)比，加粗那行是Zero to CAD，規(guī)模大、可執(zhí)行、可讀、操作覆蓋廣

Autodesk的解法似乎并不復(fù)雜

讓一個(gè)大模型自己寫代碼，自己跑，跑不通自己查文檔改了再跑。

具體來說，研究團(tuán)隊(duì)挑了一個(gè)開源大模型gpt-oss-120b，把它扔進(jìn)一個(gè)CAD環(huán)境里。

環(huán)境給模型配了三件工具，一個(gè)執(zhí)行驗(yàn)證器，一個(gè)文檔檢索器，一個(gè)文檔正則匹配器。

然后讓模型干一件事：

寫CadQuery代碼（一種用Python語法描述參數(shù)化CAD的開源庫(kù)，可以理解成給程序員用的Fusion 360），執(zhí)行，看報(bào)錯(cuò)，查文檔，改代碼，再執(zhí)行，直到幾何成立。

論文里舉了個(gè)很直觀的例子。

模型生成了一段沉頭孔代碼，跑出來報(bào)錯(cuò)，說cskHole這個(gè)函數(shù)缺一個(gè)叫cskAngle的參數(shù)。

它就自己去查CadQuery文檔，找到正確的函數(shù)簽名，把參數(shù)補(bǔ)齊，再跑一次。

一次不行就十次，每個(gè)零件最多允許跑100次嘗試。

上面是AI代碼合成與驗(yàn)證的完整閉環(huán)流程圖

還有兩件事值得提。

一是分兩階段干。

先讓模型當(dāng)零件管理員，按65個(gè)常見類別（支架、滑輪、外殼、法蘭這些）批量列清單，每批200個(gè)，逼它換花樣別重復(fù)。

然后再按清單去寫代碼。

二是質(zhì)量關(guān)卡嚴(yán)。

代碼能跑只是第一步。還要確認(rèn)零件不是斷成幾塊的、不是面數(shù)少得可疑的方塊、能干凈地導(dǎo)出STL（用來打印）和STEP（用來CNC）。

這幾關(guān)都過，才進(jìn)數(shù)據(jù)集。

一周時(shí)間，一百萬個(gè)零件

整個(gè)流程跑了大概一周。

GPU在2到80塊之間動(dòng)態(tài)調(diào)度，CPU峰值用到3000核。

處理了602億輸入token，生成了55.9億輸出token。

最終入庫(kù)999633條。

首次嘗試就成功的占22.3%，剩下的平均要試3.3次才過。

更關(guān)鍵的是質(zhì)量，和ABC（業(yè)內(nèi)最權(quán)威的真實(shí)CAD數(shù)據(jù)集）比，Zero to CAD的零件復(fù)雜度（平均46.2個(gè)面）接近真實(shí)數(shù)據(jù)（50.7），上一代CAD Recode只有16.4，而且一半以上是斷成幾塊的偽零件。

Zero to CAD這一關(guān)過濾得很干凈。

研究團(tuán)隊(duì)再用AI視覺模型測(cè)了一遍分布相似度，結(jié)論一樣：

它合成出來的，比之前的合成數(shù)據(jù)更像真工程師畫的。

上圖是Zero to CAD、ABC、DeepCAD、CAD Recode樣本視覺對(duì)比

真正出圈的，是后面那個(gè)2B的小模型
數(shù)據(jù)集本身已經(jīng)是厲害的成果。但這兩天火爆的是后面的一個(gè)收尾實(shí)驗(yàn)。

研究團(tuán)隊(duì)拿那一百萬條合成數(shù)據(jù)，全量微調(diào)了一個(gè)Qwen3-VL-2B-Instruct。這是一個(gè)20億參數(shù)的視覺語言模型，能塞進(jìn)消費(fèi)級(jí)顯卡甚至手機(jī)里。

任務(wù)是圖像到代碼：給8張多視角渲染圖，輸出能跑的CadQuery代碼，重建幾何。

整個(gè)零件由草圖、拉伸、倒角、挖孔、打孔幾個(gè)動(dòng)作組合而成。

測(cè)試結(jié)果在文章開頭說過，自家測(cè)試集82.1%的成功率，把GPT-5.2 High（72.2%）按在地上。

而基礎(chǔ)Qwen不微調(diào)只有6.6%。

研究團(tuán)隊(duì)自己也很坦誠(chéng)地說了一個(gè)限制。

把這個(gè)模型放到ABC（真實(shí)人類設(shè)計(jì)的CAD）上做泛化測(cè)試時(shí)，成功率掉到61%，IoU（衡量重建幾何和原始幾何重合程度的指標(biāo)，1是完全重合，0是完全不沾邊）也下降明顯。

GPT-5.2在ABC上的衰減反而更小。

這個(gè)對(duì)比說明了兩件事。

一件是這套合成數(shù)據(jù)真的能讓一個(gè)小模型從零學(xué)會(huì)一項(xiàng)GPT-5.2級(jí)別才能勉強(qiáng)做的活。

另一件是合成數(shù)據(jù)訓(xùn)練出來的模型，遷移到真實(shí)數(shù)據(jù)上還有距離。

社區(qū)評(píng)論區(qū)的反應(yīng)也分兩派。

有人肯定對(duì)于一個(gè)能跑在手機(jī)上的2B模型，這個(gè)表現(xiàn)已經(jīng)相當(dāng)驚人。

而有些質(zhì)疑是指那些被算成成功的結(jié)果里，到底有多少是2.5D的簡(jiǎn)單平面拉伸？

多少是真正需要空間感、多平面方向、多個(gè)草圖相互參考的3D幾何？

這個(gè)問題論文里沒有正面回答。

從前面的圖片里能看到的零件類型不少，但要真做工業(yè)級(jí)的復(fù)雜殼體、多孔配合面、帶斜度的精鑄件，目前的樣本分布?jí)虿粔颉?/p>

上圖是ABC真實(shí)數(shù)據(jù)集上的重建對(duì)比（Ground Truth對(duì)比微調(diào)后的Qwen3 VL 2B對(duì)比GPT-5.2

這事和3D打印有什么關(guān)系
說回我們的行業(yè)。

很多同行最大的痛點(diǎn)之一是設(shè)計(jì)成本。

一個(gè)客戶拿著草圖來，要你給他做一批支架、夾具、外殼，傳統(tǒng)流程是設(shè)計(jì)師在CAD軟件里畫，驗(yàn)證完打樣。

設(shè)計(jì)費(fèi)攤到每件上，比材料費(fèi)和打印工時(shí)加起來還貴。

如果AI能把這個(gè)流程壓縮到分鐘級(jí)，整個(gè)小批量定制的經(jīng)濟(jì)模型就變了。

Zero to CAD指向的就是這條路。

它現(xiàn)在還做不到完美，但已經(jīng)把基礎(chǔ)能力跑通：

給圖像，能生成可編輯的CadQuery代碼；

這個(gè)代碼能直接導(dǎo)出STL進(jìn)切片，也能導(dǎo)出STEP。

模型權(quán)重和數(shù)據(jù)集都開源放在HuggingFace上（ADSKAILab/Zero-To-CAD-Qwen3-VL-2B），消費(fèi)級(jí)顯卡能本地跑，不用調(diào)API。

對(duì)企業(yè)用戶來說，最直接能做的幾件事：

做內(nèi)部設(shè)計(jì)提效工具。

把客戶發(fā)來的參考圖丟給模型，先生成一版基礎(chǔ)幾何，設(shè)計(jì)師在這版基礎(chǔ)上調(diào)整，比從零畫快很多。

還可以做產(chǎn)品配置工具。

比如做定制夾具的廠家，可以訓(xùn)練一個(gè)領(lǐng)域內(nèi)的小模型，讓客戶上傳工件照片就生成對(duì)應(yīng)的夾具設(shè)計(jì)。

對(duì)個(gè)人用戶和小工作室來說，更實(shí)用的是關(guān)注HuggingFace上后續(xù)會(huì)出現(xiàn)的微調(diào)版本。

Autodesk放出了基礎(chǔ)模型，社區(qū)基本一定會(huì)有人在它上面繼續(xù)微調(diào)，比如專門針對(duì)某些特定行業(yè)應(yīng)用的版本。

這些垂類微調(diào)出來的小模型，可能比通用大模型在具體場(chǎng)景上更好用。

但61%的真實(shí)數(shù)據(jù)成功率，意味著現(xiàn)在還不能無人值守地用。

Autodesk在論文里也很坦誠(chéng)地放了一組失敗案例。

薄壁斷開、孔位偏移、幾個(gè)零件浮在空中沒連上、看起來像零件其實(shí)加工不出來。

這些失敗現(xiàn)在還得靠人眼把關(guān)。

把它當(dāng)一個(gè)高效的草稿生成器，比把它當(dāng)一個(gè)全自動(dòng)設(shè)計(jì)師，更現(xiàn)實(shí)。

研究團(tuán)隊(duì)說他們沒有引入視覺反饋，這也是為什么模型還無法可靠地檢測(cè)這類幾何缺陷。

也就是說，Zero to CAD的整套自我修正機(jī)制，是語法層面和幾何拓?fù)鋵用娴男拚皇枪こ毯侠硇詫用娴呐袛唷?/p>

模型能保證代碼能跑、幾何可行、能導(dǎo)出，但保證不了這是一個(gè)能合理加工出來的零件。

這條路的下一段，大概率要靠?jī)杉卵a(bǔ)齊。

3D打印這一項(xiàng)尤其值得期待。

因?yàn)榇蛴〉目芍圃旒s束相對(duì)清晰，懸垂角、最小壁厚、支撐位置這些規(guī)則都有現(xiàn)成的判定邏輯，容易做進(jìn)自動(dòng)驗(yàn)證里。

這也意味著，3D打印很可能是AI生成CAD最先跑通商用閉環(huán)的工藝。

回到今天這篇論文。

Autodesk這次放出來的還是是一整套可以直接用的資產(chǎn)：

100萬條帶完整構(gòu)造歷史的CAD數(shù)據(jù)集、一個(gè)微調(diào)好的2B模型權(quán)重、一份開源的訓(xùn)練代碼，全在HuggingFace上。

消費(fèi)級(jí)顯卡能本地跑，不用調(diào)API。

現(xiàn)在數(shù)據(jù)和基礎(chǔ)模型都開源了，剩下的就看誰動(dòng)作快。

Autodesk自己當(dāng)然會(huì)把這套能力慢慢嵌進(jìn)自己的軟件棧。

而其他所有做3D打印軟件生態(tài)的廠家，再加上一批做AI生成3D內(nèi)容的企業(yè)，理論上都在同一個(gè)起跑線上。

本文是AM易道對(duì)論文的解讀和轉(zhuǎn)述，帶有大量主觀判斷、內(nèi)容取舍和添加行業(yè)視角，原文信息密度大、專業(yè)細(xì)節(jié)多，如果您是相關(guān)領(lǐng)域的專業(yè)讀者，強(qiáng)烈建議直接閱讀原文，本文的內(nèi)容可能與原作者的嚴(yán)謹(jǐn)表述存在部分差異。

論文：

• arXiv原文：https://arxiv.org/abs/2604.24479

• HuggingFace論文頁(yè)：https://huggingface.co/papers/2604.24479

資產(chǎn)（HuggingFace）：

• 項(xiàng)目集合頁(yè)（所有資產(chǎn)匯總）：

  https://huggingface.co/collections/ADSKAILab/zero-to-cad

• 100萬條完整數(shù)據(jù)集：

  https://huggingface.co/datasets/ADSKAILab/Zero-To-CAD-1m

• 10萬條精選子集：

  https://huggingface.co/datasets/ADSKAILab/Zero-To-CAD-100k

• 2B微調(diào)模型：

  https://huggingface.co/ADSKAILab/Zero-To-CAD-qwen-vl-2B

• 項(xiàng)目組主頁(yè)：

  https://huggingface.co/ADSKAILab