先把这件事说清楚，因为它值得认真对待。
2026 年 4 月 22 日，一个叫 text-to-cad 的开源项目上线（MIT 协议），作者是 Jake Fitzgerald。第二天的演示视频就传开了：用 GPT-5.5 加 Codex，他全程没打开任何 CAD 软件，只靠自然语言“聊”出了一条 7 自由度的机械臂——完整的 URDF 运动学、一个能实时拖动关节的自定义界面、全套 STEP 零件和装配体。除夹爪以外，全是 AI 生成的。他自己的评价是：同样的事，过去他得把五六个工具拼起来，花掉好几个星期。
一个多月后，一家叫 MecAgent 的公司放出另一个演示：用 GPT-6 Astra 加一套 SolidWorks 2026 的 harness，一次 prompt、35 分钟，生成了一个机械臂——11 个零件、1 个主装配体，模型带特征树、可参数化、可编辑。
这两件事值得认真看，因为它们不是“AI 生成一张好看的 3D 图”。它们的交付物是 STEP——工业界通用的 CAD 交换格式，里面是真实的几何、尺寸和装配关系。更关键的是理念的转变：AI 不再直接“画”模型，而是写 build123d 的参数化 Python 代码，再由 OpenCascade 几何内核算出实体。模型于是变成了可读、可改、可 Git 版本管理的“代码”。这一步是实打实的进步。
一、但交出来的是模型，不是零件
从“AI 画得出来”到“零件做得出来”，中间隔着两层，别把三层当成一层。
第一层，看得对。 模型能在浏览器里旋转、关节能仿真、装配体能转——这一层 text-to-cad 已经做得不错。
第二层，装得上。 这一层它自己的基准件就先栽了。有人在实测这个项目自带的 L 形支架基准时发现：那块用来加强的三角筋，和螺栓孔是重叠的——按生成的几何，这个件根本装不起来。这不是渲染问题，是装配问题：加强筋和螺栓头、垫圈、甚至拧螺丝时扳手的让位空间，互相打架。
第三层，做得出。 更硬。MecAgent 自己写得很老实：模型可参数化、有特征树、可编辑，但还没有完全约束（not fully constrained），而且“离真正可制造还差很远”。text-to-cad 的项目文档也不遮掩：没有公差、没有有限元、没有 DFM 分析；复杂自由曲面是短板；大型多零件装配还没验证。
所以结论很直接：AI 已经稳稳过了第一层，第二层连它自己的基准都没跑通，第三层它自己承认还没到。
二、装得起来，比长得对难
为什么“装得上”这么难，值得单独说一段。因为在屏幕上“看着对”和在物理世界里“装得上”，是两件不同的事。
- 干涉与间隙。 AI 生成几何时想的是这一个零件本身；它不天然知道旁边那个零件、那颗螺栓、那把扳手需要多少让位空间。加强筋压住螺栓孔，就是这一类错误的典型。
- 公差链。 图纸上每个尺寸都带公差。一条链上传五道正负 0.1，累加起来就能吃掉 0.5 毫米的间隙。而 AI 输出的是名义几何——没有公差，也就没有“公差链”这个概念。图纸上看着富余的半毫米，公差一叠就没了。
- 基准与配合。 轴承位要 H7/h6，定位面要有基准。这些不是画得漂不漂亮的问题，是做出来装不装得上的问题。
这三样，恰恰是一家加工厂每天都在处理的东西。一个看着完美的模型落到车间，第一件事就是被拆开：哪些面要精度、哪些面可以随意，然后重新排公差链、排工艺顺序。
三、CAD 变便宜之后，稀缺的是判断
把时间轴拉长看，有一件事正在悄悄变化。
过去，画图本身就很慢。工程师要先把形状在脑子里过一遍——这条边用哪把刀、这个孔怎么钻、这个面怎么夹。他慢，但他画图的过程本身就是一次工艺审查：手在动，脑子也在动。
现在，几何的生成成本正在趋近于零。一句话，几分钟，一堆候选模型。于是瓶颈从“画不出”移到了判断得出——判断这一堆几何里，究竟哪一个能装、能切、能过检。
谁挨着这个瓶颈，谁就更值钱。这正是加工厂的位置：我们不一定比 AI 更会凭空“想形状”，但我们每天都在为“这个形状能不能落在这台机床、这个材料、这个价格上”付出真实的代价，再把这些代价变成经验。
四、我们就这么用它
不绕弯子。
AI 负责发散——把一个想法，在几分钟里铺成几十种可能的几何。我们负责收敛——把它收成唯一一个能装、能切、能过检的零件。
这两端不冲突，是互补的。丢掉任何一端，零件都出不来。所以 AI 越强，那个能一眼看出“这个装不上、这个切不动”的人，越有用。
如果你手里正好有一个 AI 帮你画出来的件，想知道它真做出来要多少钱——把图发来。我们不会只回一句“能做”，而是告诉你：哪个特征贵、贵在哪个工序、改哪里能便宜。
主要参考
- 开源项目 text-to-cad（GitHub: earthtojake/text-to-cad，MIT 协议，2026-04-22 开源，作者 Jake Fitzgerald）：AI 写 build123d 参数化 Python 源码，经 OpenCascade 内核算出实体，输出 STEP 为主，另有 STL/DXF/URDF 等；官方基准件含校准块、圆法兰、L 形支架、离心叶轮、行星齿轮等。
- Jake Fitzgerald 2026-04-23 公开演示（X/Twitter @earthtojake）：用 GPT-5.5 加 Codex 生成七自由度机械臂的 URDF、运动学、自定义 GUI 与 STEP 装配体，除夹爪外全部由 AI 生成。
- MecAgent 公开演示（LinkedIn）：用 GPT-6 Astra 加 SolidWorks 2026 harness，单次 prompt、35 分钟生成机械臂（11 个零件、1 个主装配体）；官方注明模型尚未完全约束，“离真正可制造还差很远”。
- 实测反馈（Hacker News 讨论）：用户测试项目自带的 L 形支架基准时，发现加强筋与螺栓孔重叠、无法装配；另一项 7 自由度机械臂基准的关节限位被质疑存在幻觉。
关于鑫永恒
我们做精密结构件二十三年，三十台 CNC 里含真正的五轴。机械臂的关节壳体、法兰、减速器行星架、支架这一类零件——看着不起眼，稍微偏一点就会失效——正是我们的日常。
我们能帮上忙的地方很具体：把 AI 生成的模型翻成能加工的图纸（基准、关键公差、可制造性），把名义几何背后的公差链和装配间隙算清楚，再把小批量快速打样做出来。如果这个件卡在“装不上”或者“切不动”上，大概率不是想法的问题，是加工的问题——把图发来，我们一起把它做对。