这周三维设计的feed被两件事同时刷屏。
一件在9月6日：独立开发者维斯瓦夫·绍尔特什让GPT-6给他写了个"网页版AutoCAD"——6句话的提示词，34分20秒后Draftline跑起来了：绘图区、命令行、图层开关、移动旋转复制、尺寸标注、面积测量、端点捕捉，能画完导出DXF。紧接着是形态更接近SolidWorks的AxiomCAD：左侧零件树、右侧参数、建零件、开孔、复制都能动，他自述耗时45分钟。知乎专栏
最狠的是AxiomPlant，一个三维工厂设计软件：设备和管线全是三维实体，带BIM属性，能出材料表、做碰撞检查，点碰撞位置直接跳转，甚至能分屏生成单专业轴测图——token费折合人民币200多。从9月6日到9日，4天他连发48款软件，平均一天12款。 网页CAD那条演示视频很快冲到4.3万阅读量，而这一切发生时，GPT-6刚发布两三天。这股"一个人+GPT-6造软件"的风也吹到了国内：9月14日有人晒出笔记，给自己读研用的一句话计时App，从代码到安装成功只用了40分钟。知乎专栏小红书
另一件发生在9月14日的知乎：一个新提问挂着零回答——“AI怎么生成SolidWorks文件进行设计？” 同一天，"学习SolidWorks需要多长时间"有了新回答，这个问题累计被看了11.3万次。一边是软件正在被AI一夜造出来，一边是还在软件门口排队的人：这条路，是不是刚学就被挖断了？知乎问答
先别下结论。这轮讨论里其实藏着三笔性质完全不同的账，分开算完，才知道该谁慌、该谁动手。
第一笔账：这些"一键生成"的CAD，到底是什么成色
把三个Demo摆在一起看，它们其实是三层楼。Draftline证明二维绘图的核心交互（命令、图层、捕捉、导出）能被AI完整复现；AxiomCAD证明实体建模的"产品架子"——特征操作、装配树、参数面板——能被快速搭出来；AxiomPlant证明连行业知识（管道怎么连、什么情况算碰撞、材料表怎么生成）都能被模型"自带"进一个可操作的框架。
但写评测的BIMBOX老孙把话说得很克制：Draftline离真正的AutoCAD还远，很多细处的专业能力没有实现，兼容性和稳定性没经过验证——它是软件Demo，不是商品。而且别忘了维斯瓦夫是谁：长期泡在开源社区、在图形界面、矢量绘图和渲染领域攒了很多年的老开发者，GitHub上也有900多个关注者。"一个人+AI"的前提，是这个人本来就懂软件。换一个人、换一个不熟的领域，同样的话术不成立。
第二笔账：真接进CAD的人，试到了什么
热搜之外，9月14日有两篇一线实测，比"颠覆"叙事值钱得多。
第一篇，做设计服务的德睿科技把Codex接到SOLIDWORKS 2026上，试图让AI读图纸、自动建三维。结果是全程和权限问题、脚本运行问题缠斗，最后跑通的东西，本质上还是"AI替人写了一个宏脚本"。他们自己的记录很诚实：Codex Plus的5小时额度用完，流程勉强跑通，能创建出三维模型——从0到1的跨越有了，离自动建模还远。知乎专栏
第二篇，一位干了多年工艺设计的氢能工程师，用"AI+ezdxf脚本"生成了一张1000 Nm³/h碱性电解水的PFD工艺流程图。这次是真能用：拖进AutoCAD，图层是分好的，线宽是对的，中文字体不乱码，表格是对齐的——而他的人工成本是"一版图，一天；改一版，又是半天"。 但他在文章里先给自己泼了四盆冷水：中文默认乱码、CAD与网页坐标系Y轴相反、版式打架来回迭代了十几轮、渲染库缺组件只能SVG→PDF→PNG曲线救国。他的结论很值得抄在本子上：AI画得比他快、不会画错图层；但画什么、为什么这么画、哪个设备不能省、哪条线必须配平，AI一概不知道——“手艺贬值了，判断力升值了。”知乎专栏
两篇实测拼起来，答案清楚了：AI这周吃得动的是高度结构化的重复绘图——PFD、管线、标准件、批量标注、格式导出；吃不动的是工程判断。而"智能体直接操作商业CAD"还停在权限与脚本的缠斗阶段，没到即插即用。这周有人把AI接FreeCAD做机械设计的教程都发出来了，方向和这两篇实测完全一致：AI写脚本、人定规则。知乎专栏
第三笔账：护城河到底是"软件"，还是那个老师傅的手
这一笔最实在，也最容易被标题淹没。厂商侧今年一直没闲着：5月卡伦特发布号称支持文字/图片驱动生成带完整特征树三维模型的"创模AI"；6月西门子在NVIDIA GTC 2026上给出的数据最亮眼——“推理—规划—编译—自修复"四阶段多智能体，自然语言到3D参数化CAD的生成成功率超过90%。 7月浩辰发布AI助手，主打"说需求、做设计”，底气是十余年沉淀的数以亿计图纸；实机演示里，这个助手已经覆盖CAD基础图元的全部操作。知乎专栏知乎专栏
但有两组数据必须和90%放在一起看。其一，ArtisanCAD论文（arXiv 2607.05750）明确指出：现有文本到CAD系统大多在简单零件、短"草图-拉伸"程序上验证，真实工业部件需要B-Rep曲面、扫掠、分割、可编辑特征依赖这些长视野程序——90%覆盖的是玩具级，而这篇提出CAD-IR中间表示的论文，自己也才在4个复杂汽车部件上完成验证。知乎专栏
其二，EngiAI的数据更直白：基础拓扑优化成功率97%，一进复杂条件分支逻辑，掉到20%—53%——而机械人天天干的装配约束、运动学、可制造性，几乎全在后半段。知乎专栏
还有一位去浙江汽配厂做过调研的行业作者讲过一个细节：一位画了23年CATIA的老师傅，画悬架控制臂的快捷键顺序是Ctrl+S、Ctrl+Shift+L、M3、F5，但他说不清为什么按这个顺序——那是工程直觉。问他能不能录成宏，他说"可以，但我退休后这些宏就没人用了"。 这类分析里有一个判断框架值得记住：图纸模型是"结果数据"，已经过剩；老师傅的宏日志、特征树、操作历史是"过程数据"，绝大多数企业几乎为零。AI缺的不是写软件的算力，是没人采集过的这份过程。知乎专栏
所以"护城河被撕开"这句话要倒过来读：GPT-6撕开的是造软件的成本——从成百上千工程师、十几年研发，降到一个人加一张200块上下的token账单；但工业软件的护城河从来不只是软件本身，是工程过程，这条这周没有松动。
分开算完，各人干各人的事
正在学SolidWorks/三维CAD的：继续学，但别再把"会点命令"当目标。命令操作是贬值最快的一段，真正该攒的是校验能力——约束有没有欠定义、特征树稳不稳、出图规不规范。那个11.3万浏览的回答里说得好：学习的本质不是"会用软件"，而是"能把设计意图准确、稳定地落地"。 9月14日那个零回答的提问本身就是提示：连老用户都不知道AI路线怎么接，你俩在同一起跑线。知乎问答
在职的工艺/机械设计师：这周就能摘低垂的果子——把你手上重复度最高的图（PFD、标准件、管线、批量标注）交给AI加脚本，判断和校核留给自己。但别急着把智能体塞进生产流程：Codex那台实测烧完5小时额度才换来0到1，投产的ROI还不成立。
小企业与工作室：别用Demo换生产力工具。想摸边界，浏览器里直接打开wieslawsoltes.github.io上的开源项目就行，零成本；但决定"要不要换软件"的，是接下来半年厂商AI助手和数据接口的进展，不是34分钟的演示。买AI能力前先回看一个旧坑：有企业自己花5万上了国产三维软件、又花3万单买仿真，结果各软件数据不打通，设计端改个零件全链路重导——格式和接口不通，AI只会把乱得更快。知乎专栏
兴趣玩家/打印党：这反而是对你们最友好的窗口。浏览器打开就能玩参数化建模的概念本身——为什么工程师死守特征树、为什么"改一个尺寸全模型跟着动"是CAD和网格建模的分水岭——200块的Demo就是最好的教具。
接下来盯三个信号
GitHub上这个"一人软件公司"的迭代速度：到9月底AxiomCAD的特征树和装配关系如果还在肉眼可见地长，评估节奏就该重做；
实验室90%之后，多久有人公布长视野工程件上的"工程级"成功率；
国产CAD厂商会不会开放操作历史的结构化埋点——过程数据谁先攒下，谁才配谈"AI做设计"，这也是国产换道的少数真机会。
护城河撕没撕开，老师傅们还能再干几年。但"只学软件操作"这条路，这周算是彻底结账了。
