AI 大模型如何给 CAD 3D 模型“建立语义”？
这几年，大模型逐渐把文字、图像、视频都“读懂”了，但唯独在 CAD 3D 模型面前吃了瘪。
原因其实很简单：
图像是像素，文字是字符，而 3D 模型是 几何 + 拓扑 + 工程意图 的混合物。
它不是自然生成的，而是人类设计出来的结果。
所以，AI 想理解 CAD 3D 模型，光盯着形状是远远不够的，它需要给模型 建立语义。
这篇文章我就想聊聊：AI 如何从纯“几何形状”抽象出“工程含义”。
1. “看得见”和“看得懂”完全是两回事
我们给 AI 一个三维模型的图片，它可以看见：
这是一个面；
那是一条边；
这里有个孔；
那里有段圆柱。
这叫 几何识别。
但“工程语义”是另一回事，例如：
这个孔是安装螺栓的？还是油路？还是减重孔？
这块圆柱是轴？定位销？加工余量？
这个台阶是结构加强？工艺要求？还是装配基准？
这个倒角是手工打磨？还是加工特征？
这些信息 不写在几何里。人类工程师一眼就能判断——因为我们知道这个领域的规则。
所以 AI 大模型必须建立一个新的层：语义层（Semantic Layer）。
也就是：它要懂“模型为什么会长成这样”。
2. CAD 模型的“语义”，比我们想象得更丰富
CAD 模型里隐藏了大量语义：
（1）制造语义：为什么这样加工？
倒角：避免刀具崩角；
圆角：结构过渡/应力分散；
抽壳：减重或散热；
肋板：提高刚度。
。。。
这些都不是“看起来像”，而是“工程经验”。
（2）装配语义：零件之间如何对齐？
同轴孔 = 装配关系；
某些面一定是基准面；
销孔往往是定位特征；
。。。
这是“部件如何一起工作”的含义。
（3）结构语义：承载的是什么力？
加厚区域往往是受力区；
大平面可能是安装面；
加强筋多出现于薄壁件；
。。。
这些都是工程逻辑。
（4）设计意图：这个零件为什么这样造？
参数化尺寸背后有功能需求；
对称性是设计约束；
孔阵列往往是通用标准件接口；
。。。
AI 要真正懂 3D 模型，就必须接触这些 “看不见但存在” 的信息。
3. AI 如何把“几何”抽象成“语义”？核心可以有三步
这个过程我们可以理解为把 3D 模型变成一种“可阅读的语言”。
第一步：拆特征（Feature Decomposition）
几何拆小了才有意义，人类看模型，不是从整体开始，而是从特征开始：
孔；
槽；
腔体；
倒角；
圆角；
肋；
台阶；
壳体；
抽空；
过渡面；
。。。
工程师会无意识地按这些“特征”切割模型，AI 要想理解模型，也必须这么做。
特征是语义的基本单位，就像句子必须由词构成，语义必须由特征构成。
第二步：理解拓扑关系（Topology）
语义不是几何，而是关系，光识别一个一个的特征还不够，AI 还需理解它们之间的关系：
哪些面相邻？
哪些边是凹边、哪些是凸边？
哪些面构成了腔体？
哪些特征是同轴的？
哪些形状共享参数？
。。。
拓扑其实是隐藏语义的“骨架”。
例如：
同轴孔 = 多个零件的装配基准；
共面 = 加工时的一次装夹；
凸台 + 倒角 = 典型的紧固部位特征；
。。。
AI 要从拓扑里推断结构逻辑和加工意图。
第三步：语义映射（Semantic Mapping）
让模型变成工程语言，当 AI 拥有了特征 + 拓扑关系，它就可以试图推断语义：
“这个孔属于螺栓连接特征”；
“这条圆角属于结构应力过渡”；
“这个加强筋属于薄壁件的刚度设计”；
“这个阵列孔属于标准件接口（如螺栓阵列、马鞍孔）”；
“这一段腔体可能是油路或气道”；
。。。
这些语义标签能够让模型从“几何集合”变成“工程知识”。
最终，AI 甚至能做更进一步的判断：
零件的工作方式；
工艺路径；
装配链路；
是否存在可替换的标准件；
零件是否合理、是否多余加工；
。。。
这就是语义层的价值。
4. 为什么构建“语义层”是最合适AI大模型的技术？
因为语义本质是：
模糊的；
经验性的；
跨领域知识的；
存在无数例外的。
这些都不是传统算法能处理的，但 AI 大模型擅长：
模糊推理；
统计模式总结；
经验迁移；
异常识别；
模糊匹配。
换句话说：
大模型可以像工程师一样“猜”出背后的工程意图。不是完全精确，但足够智能。
5. 一旦建立语义层，3D 模型就真正能被 AI 使用
有了语义层，AI 能做的事情一下子丰富 10 倍。
（1）自动识别：这是个什么零件？
法兰？
支架？
机匣？
壳体？
轴承座？
加工治具？
。。。
（2）判断制造工艺
CNC？
压铸？
锻造？
焊接？
3D 打印？
。。。
（3）自动找标准件替代
这是制造业最期待的功能之一。
AI 能识别：“这个孔阵列+尺寸组合和 xxx 标准件库高度相似”。
（4）判断强度、工艺、装配风险
有了语义层，模型就变得“可分析”。
语义层让 CAD 3D 模型第一次有了“可阅读性”。
图像有 pixels → 意义；
文本有 tokens → 概念；
视频有 frames → 行为；
而 3D 模型过去只有 几何 → ？？？ → 工程。
现在 AI 要补齐中间那一层：
几何 → 特征 → 拓扑 → 语义 → 工程知识。
一旦这个路线打通，AI 将第一次真正“看懂”三维世界。
未来的 CAD 软件，也将从“画图工具”变成“懂你意图的智能工程助手”。