生成式 AI 进军三维建模的两年里,工程师和建筑师的工位上始终弥漫着一种尴尬的克制。无论前端的文本提示词多么惊艳,算法吐出来的往往只是一堆布满噪点、拓扑混乱的轻量多边形网格,业内戏称为“捏泥巴”。这类模型能作为概念图塞进游戏引擎,却连一张标准的数控机床下料图都导不出来。

新加坡与东京双中心运作的初创团队 Formas 试图打破这层僵局。其正式上线 AI 3D 建模工具 Cartesian 的预览候补名单,页面明确标注文档发布于 2026 年 9 月 14 日,并将预览体验定于 2026 年 9 月 18 日 启动。该工具宣称摒弃多边形网格近似,让用户通过自然对话、手绘草图、现场照片或既有图纸,直接生成包含精确几何体、清晰拓扑与分层装配关系的 CAD 模型,甚至提供可以直接拖入传统工程软件的原生工程文件。

技术路线对比:视觉网格外壳与工业实体装配 主流生成式方案(Meshy / Tripo) 底层本质:多边形网格(Polygon Mesh) 形态约束:三角面散乱,缺乏尺寸与公差 下游瓶颈:必须经过繁重的手工重拓扑 适用场景:游戏美术资产、早期概念效果图 无法直接联动数控机床(CNC)或建筑BIM标准 Cartesian 宣称方案(实体 CAD / BIM) 底层本质:NURBS 曲面与 B-Rep 实体几何 形态约束:明确的面、边、体结构与命名图层 下游协作:原生导出 .3dm,无缝接驳 CAD 适用场景:实体制造、建筑构件、参数化施工 支持单部件独立替换,无需全图重新演算

从视觉资产跨入制造交付

在过往的行业认知里,AI 生成三维模型基本等同于概念草模。以 Meshy、Tripo 为代表的工具,通过神经辐射场、高斯溅射或网格扩散算法,能在数十秒内拼凑出外观逼真的三维对象。然而这类模型一旦导入工业设计软件,往往暴露出致命短板:模型表面由数以万计不规则的三角面片拼合而成,没有实体壁厚,缺乏基准面与同心度,更丢失了装配层级关系。制造厂的数控机床或施工方的深化团队拿到这类文件,除了重新描图建模,几乎无法复用。

严肃工程设计依赖的是以边界表示(B-Rep)与非均匀有理 B 样条(NURBS)为基础的实体几何体系。无论是参数化曲面造型利器 Rhino,还是建筑信息模型平台 Revit,模型内部传递的都是精确的数学曲线与物理拓扑。

Cartesian 正是击中了这块痛点。官方强调其生成产物并非多边形网格近似,而是能够被测量、打孔、剖切的真实实体。用户若对生成的一间餐厅模型提出修改,只需像对同事下指令一样圈出局部,要求保留靠墙卡座并调换中央座椅,系统会保持整体房间几何关系不变,仅对特定构件执行替换。对于长年饱受局部改动就要全盘推翻之苦的方案设计师而言,这种具备分层结构和命名图层的装配能力是实质性的减负。

为了佐证其工业级交付主张,Formas 随预览页面直接挂出了涵盖 5 大类核心场景的实测样例文件包,均提供精确建模专用的 Rhino 格式与制造级 3D 打印格式。

官方公开模型样例数据规模分布 住宅规划区 (ZIP) .3dm 241.2 MB 城市空间设计 .3dm 123.9 MB 室内厨房方案 .3dm 63.0 MB 建筑单体构架 .3dm 11.5 MB 产品零件构件 .3dm 0.7 MB 说明:官方配套 STL 文件各异(如家具 STL 达 57.1 MB,住宅规划 STL 达 74.8 MB)

这些样例的容量梯度耐人寻味。在最基础的产品设计零件中,导出的 .3dm 仅占用 0.7 MB,对应的 .stl 文件为 8.4 MB;而在结构繁复的家具单元中,.3dm 扩增至 8.4 MB,.stl 更是达到 57.1 MB。到了建筑与宏观规划层级,建筑构架的 .3dm 文件为 11.5 MB(配套 .stl 为 2.9 MB),室内空间文件为 63.0 MB(配套 .stl 为 29.6 MB),而覆盖住宅群组、公共院落乃至景观绿化的综合住宅规划区,其压缩打包后的 .3dm 文件体积直接拉升至 241.2 MB(配套 .stl 压缩包为 74.8 MB)。单模型数百兆的工业级文件量级表明,Cartesian 交付的并非只是一张悬挂在三维视口里的轻型贴图,而是包含大量空间顶点、布尔实体与装配层级的数据资产。


巨头护城河与公差盲区

即便官方拿出的 3DM 实体样本展现了令人心动的成熟度,但将该技术置于现实工业管线中审视,真正的门槛才刚刚浮现。在高端制造与现代工程设计中,软件的核心壁垒从未仅仅是生成一个静态模型,而是对几何尺寸与公差控制的严密推演,以及对全周期参数化历史的追溯能力。

在机械工程中,Fusion 360 与 SolidWorks 这类软件之所以无可取代,是因为它们底层具备完整的特征树。工程师可以随时回到三周前的某一步,将一个螺栓孔径从 5 毫米修改为 6 毫米,系统便会自动联动更新所有相配零件的公差配合与应力分布。Rhino 与 Grasshopper 牢牢占据异形建筑设计的底层核心,靠的同样是数学逻辑的高度透明与节点驱动。

决定工业软件生死存亡的标尺,不在于首发成型的惊艳度,而在于经受反复修改时不产生连锁崩溃。

专业 CAD 社区对新兴 AI 建模工具的核心检验标准极其挑剔。业内普遍关注的关键指标包括是否具备可无缝编辑的特征树、STEP 与 BREP 格式导出时的流形完整度、严苛的尺寸公差控制,以及最为敏感的企业专有设计资产隐私保障。

目前,Cartesian 虽然宣布支持原生导出 Rhino 的 .3dm 与 SketchUp 的 .skp 格式,并计划后续跟进建筑行业的 BIM.IFC 与通用工业的 AutoCAD.DWG 标准,但关键的约束控制机制尚未披露。当用户用自然语言要求微调一个复杂的双曲面幕墙节点时,模型能否在保证几何连续性的同时避免布尔运算自交报错?当生成的结果需要发往车间开模,其公差能否收敛在数控加工允许的微米级误差以内?在这些硬指标公布基准测试数据之前,它更像是一个大幅压缩前期概念方案建模耗时的超级辅助器,而非能够彻底取代桌面 CAD 的终极平台。

  • 风险.目前团队仍处于早期 Waitlist 阶段且缺乏公开基准测试,其品牌名 Formas 亦极易与 Autodesk 旗下的建筑规划协同云平台 Autodesk Forma 产生认知混淆,工程院所与制造企业在接入生产评估时需审慎核验几何约束与公差标准。

建筑设计院与工业产品团队当下的理性动作,不是忙着退订原本昂贵的桌面端授权,而是紧盯候补名单发放后的实机表现。重点观察其导出的实体在经过三次以上的深度布尔运算后,面片边缘是否会出现拓扑撕裂,特征树在没有传统参数历史面板的情况下该如何向后追溯。AI 可以把几何形态的塑造门槛拉平,但最终在图纸上签字盖章的,永远是为物理公差和结构受力负责的专业工程师。