AI 画得出，机床做得出吗：AI 时代的 DFM

一个减重 40% 的零件

先说一个情景——不针对哪一家的真图。

假设有一个机器人手臂上的连接件，原来的铝件 180 克。有人在生成式设计软件里输入载荷、约束、材料，敲回车。十几秒后，屏幕上出来一个新的形状：仿生的骨架结构，材料只长在应力需要的地方，重量 108 克。

减重 40%。几何上无懈可击。

然后这份图到了工厂。

外表看没问题——尺寸链闭合，公差标了，视图也全。但往下走，麻烦一件一件浮上来：

• 有机曲面。 三轴机床够不着。得上五轴，球刀一点一点贴着走，而且光洁度还不好保证。
• 为减重挖出来的深腔。 有一个内腔，深径比到了 9:1。立铣刀舒服的悬伸是刀径的三到四倍，再往上就得换加长刀杆、把参数压下来，或者干脆换工艺。
• 长出来的细骨架。 最细的地方壁厚 1.2 mm，铝合金。刀一碰就让刀，还振。

少掉的 72 克，在机床上都还在。

而且你要付两次：一次是它省下的材料，一次是把它做出来的工时。

这不是 AI 的错。是它的目标函数里，压根没有“加工成本”这一项。

AI 在优化什么，不优化什么

生成式设计、拓扑优化，这类工具的数学内核其实很清楚：在给定的载荷和约束下，让某个目标函数取极值。常见的目标函数是最小化质量，或者最大化刚度。

它手里能动的变量：材料分布、壁厚、形状边界。 它要守住的约束：应力不超过许用值、刚度不低于某个数、装配接口的位置固定。

这个列表里没有：

• 你这台机床的行程
• 你刀库里那把 Ø6 立铣刀
• 你的夹具能夹住什么形状
• 这批料是 6061 还是 7075
• 编程的那个人今天手上还压着几单

它不是“忘了”考虑这些。是这些信息不在它的输入里，也不该在——它是个数学工具，不是一个车间。

所以它交出来的不是一个零件，是一个几何最优解。而几何最优解要变成零件，中间还隔着一步：有没有人能用你手上的设备、按你能接受的价格，把它做出来。

这一步，就是 DFM。

“能不能做”几乎从来不是问题，“贵多少”才是

这里要纠正一个特别常见的误会。

客户拿着一张难做的图来问：“这个能做吗？”工厂说“能做”。然后两边都觉得沟通完了。

真正的信息在下一个问题里：能做，但要多花多少钱？

前面那件减重 40% 的零件，账大概是这么走的：

减掉的 72 克铝，材料钱也就几块钱。多出来的工时，是几百上千。

这不是说减重不值。 有些行业里，减掉的每一克都是真金白银——飞行器、协作机器人的末端、任何要反复加减速的东西。那种场合这笔账是划算的，而且只有这么算才叫对。

问题在于：做这个决定的人，得同时看得见天平的两边。 一边是省下的重量，一边是多付的工时。而 AI 只算出了左边那一半。

那 70% 是在哪儿锁死的

我们在讲十站链的那篇里有个结论：一件零件的成本，大约 70% 是在图纸定稿那一刻锁死的。而 DFM 这一站，一个有经验的工程师只花十到三十分钟，是整条链上最值钱的三十分钟。

把这个结论放到 AI 面前，它不但没有失效，反而更硬了。

原因在于：AI 把“产生图纸”的成本压到了接近零。

以前画一张图是慢的。一个工程师要把这个形状画出来，他得先在脑子里过一遍：这条边用什么刀、这个孔怎么钻、这个面怎么夹。他画得慢，但画的过程本身就是一次 DFM——手在动，脑子也在动。

现在不一样了。输入条件，回车，十个方案。从“想清楚”到“画出来”之间，第一次出现了时间差。 这个时间差被省下来了，也被跳过了。

于是链条上冒出一个新的瓶颈：图纸产生的速度，第一次超过了判断图纸能不能做的速度。

瓶颈上的人，变贵了。

启功那句话

书法家启功先生讲功夫，说过一句很朴素的话：

「功夫，是‘准确的重复’。」

我理解这句话有分量，是因为它把“功夫”从天赋里拆了出来。不是时间堆得久，也不是数量攒得多，而是“准确”长成了习惯，习惯长成了身体里的本能。

这句话搬到车间里，一个字都不用改。

一张新图扫一遍，通常几秒钟就能看出“这件活儿有麻烦”。要说清麻烦在哪、多贵、怎么改，得十分钟。而前面那几秒，靠的不是聪明，是同一类错，已经在车间里交过很多次学费。

比如下面这三样，做过这类活儿的人不用重新推一遍：

• R1.5 的内圆角配 30 mm 的腔深 —— Ø3 的刀伸出去 30 mm，只能一小口一小口啃
• 9:1 的深腔 —— 大概率要走电火花，工期多三天
• 1.2 mm 的薄壁 —— 精加工最后一道容易振，表面全是波纹，只能返工

这种“一眼看出来”不是玄学，是索引：脑子里存着上百条已经付过学费的条目，新图进来，先跟它们比一遍。

这就是“准确的重复”的意思。重复不是低级的、可以被跳过的那一段。重复是把错误变成经验、把经验变成判断力的唯一路径。AI 有全网的知识，但它没有你这个车间过去半年的废品记录。

顺带说一句：这也是为什么，供应商回你 DFM 意见的时候，值得看一眼是谁回的。 是工程师在回，还是销售在回一句“没问题”。从没切过这块金属的人说出的“没问题”，是采购环节里最贵的一句话。

这不是在说 AI 不行

写到这儿得停一下，把话讲清楚。

上面所有内容，都不是在说 AI 生成的图纸不能要。恰恰相反——如果那 40% 的减重真的值钱，AI 十几秒算出来的形状，人想一辈子也想不出来。

问题从来不是“要不要用”，是流程里少了一格。

对的形状是这样：

AI 生成形状 → 工程师做 DFM → 改图，或者不改、接受溢价 → 报价 → 加工

错的是把中间那一格删掉，直接从“AI 生成”跳到“报价”。

有意思的是，这两头不冲突，反而互相成全：AI 负责把可能性铺开，工程师负责把可能性收窄到“这台机床、这批料、这个价钱上真能落地的那个”。 一个往外发散，一个往里收敛。少了哪一头，零件都落不了地。

所以在这个链条里，AI 越强，那个能一眼看出“做不出来”的人，越值钱。

发图之前，你自己能做的三件事

不是每个人手边都有工程师。如果你手上正拿着一张 AI 生成的图，要发给供应商，这三件事你自己就能做，花不了多少时间。

一、把功能面和“好看的面”分开。

生成式设计出来的零件，常常通体都是复杂曲面。但真正要精度的只有几个：装配孔、定位面、轴承位、密封面。其余那些曲面存在的意义是减重，不需要 ±0.02。

告诉供应商哪几个面是要配合的，其余按外观件处理。公差预算花在刀刃上，能省下大量精加工时间。

二、把有机曲面翻译成工艺语言。

问一句：这一片的形状，能不能用一组标准半径的圆弧去近似？

减重可能从 40% 掉到 35%，但刀具从定制变回标准，机床从五轴变回三轴，工序从五道变回两道。丢掉的那 5% 要用“它值不值三倍工时”来算，不能用“越轻越好”来算。

三、换个问法。

别问“这个能做吗”。问这个：

这个形状你们打算怎么做？大概多少钱？跟常规版本比，贵多少？贵在哪一道？

第一个问题的答案永远是“能”。第二个问题才会把真信息交给你——贵多少、贵在哪一道工序、能不能换个做法贵得少一点。

常见问题

Q：AI 生成的图纸，你们会直接报价吗？

会，但报价单上通常会多一条。我们没有替客户改图的习惯——那是你的设计意图。但如果看出来某一处会让成本翻倍，我们会把“改”和“不改”的差别算给你看，改不改你定。这是我们最常做的一件事，也是报价单上最有用的一页。

Q：你们会不会因为难做，就报个高价把人劝退？

不会。难做的活是我们愿意接的活，问题只在值不值。有些难做的活，做出来就是最好的名片；有些不是。区别在于客户知不知道自己花的钱去了哪儿——把这笔账说清楚，是我们的活儿。

Q：哪类零件最容易出现“AI 画得出、机床做不出”？

拓扑优化的减重件、一体成型的集成件（把五个零件合成一个）、还有曲面驱动的外观件。共同点是：它们的设计目标是物理指标或视觉指标，不是工艺指标。

Q：那 AI 到底该不该用来设计零件？

该，而且会越来越该。只是在后面接一个人。工具负责生成选项，人负责下判断。工业史上每一次工具升级，最后都是这个分工。

最后

我们是一家精密零部件加工厂。23 年制造经验，15 年 CNC 精密加工，30 台设备，做的是关节模组壳体、减速器行星架、精密结构件这些“看起来不起眼，但差一点就不行”的零件。

如果你手上正好有一件 AI 帮你画出来的零件，想知道它落到机床上要付多少代价——把图发过来。我们不会只回你一句“能做”。

关于本文引用的那句启功：书面上见于李连江《学者的术与道》，书里也是转引。流传的版本后面还挂着半句——“不是时间的堆砌，也不是数量的累积”——但在能查到的出处里，这半句没有引号，很可能是转述者的引申。所以正文只把「功夫，是‘准确的重复’」当引文用，后半句算我的解读。