学了三年SolidWorks，结果Google说一张草图就够了？

2月12日，Google悄悄更新了Gemini 3 Deep Think。

没有铺天盖地的预热，没有发布会倒计时，但我们看完演示视频后很难冷静。

他们让AI画了张笔记本支架的草图，丢进Gemini，直接输出了STL文件，然后用拓竹打印机打出了成品。

从手绘到实物，一条龙。

3D建模师要失业了吗？

先别急，我们拆开看看到底发生了什么。

那个演示到底做了什么

Google团队画了一张铅笔草图，标题写着"Wedge Laptop Stand"，一个楔形笔记本支架。

草图上标了两个关键词：Gyroid Lattice Structure（螺旋面晶格结构）和 Lightweight & Breathable（轻量透气）。

说白了就是一张带批注的手绘，不是什么精密图纸。

接下来，他们把草图上传到Gemini，打开Deep Think模式，写了一段很长的提示词。

这段提示词不简单，它要求用Three.js程序化生成Gyroid最小曲面晶格，限定在草图轮廓内。

更狠的是，提示词里写死了工程约束：

承重3kg不屈曲、调整孔隙率最大化被动散热、几何体必须是水密流形网格（manifold, water-tight mesh）确保可打印。最后还要求集成STL导出按钮。

Deep Think想了一会儿，吐出来一个完整的交互式3D模型。

螺旋面晶格结构，可以鼠标拖动360度旋转，底下挂着一个"Download Print-Ready STL"的下载按钮。

STL文件拿到手，直接扔进拓竹（Bambu Lab）打印机。

出来的实物，精密的螺旋面晶格结构，和屏幕上的模型几乎一模一样。

整个过程的核心不在于AI能生成3D图，这事儿去年就能做。

核心在于它输出的不是渲染图，而是一个能直接送去切片打印的工程文件。

从能看到能用，这一步跨得有多大

过去一年我们见过太多AI生成的3D内容了。

这次不一样。

Deep Think输出的是几何数据，有拓扑、有尺寸、网格是封闭的。

提示词里那句"water-tight mesh suitable for 3D printing"是关键。

搞过3D打印的人都知道，网格不封闭的模型切片时会炸，壁厚不够的结构打出来就碎。

这些约束被写进了生成逻辑里，很关键。

说实话，Gyroid晶格结构本身在3D打印圈并不新鲜。

3D打印还按克重工时收费？超跑零件利润真相

拓竹的切片软件里就能生成填充用的Gyroid。

但让AI从一张手绘草图出发，理解设计意图，自己算出结构参数，再输出打印就绪的文件。

这个闭环是第一次被公开跑通。

Deep Think凭什么能做到这件事

Deep Think是Google专门做的一个慢思考推理模式。

你可以理解普通Gemini是快速抢答，Deep Think是闭卷考试坐下来推导。

它有多强？几个数字：Codeforces编程竞赛Elo 3455，相当于全球前十水平；2025年国际数学奥赛和物理奥赛笔试部分达到金牌线；

在专门为难倒AI设计的人类最终考试基准上拿了48.4%。

为什么要说这些跑分？

因为从草图生成Gyroid晶格不是简单的看图说话。

模型得理解三角函数逼近曲面的数学原理，得算应力分布保证承重，得控制孔隙率平衡散热和结构强度。

这些都是实打实的空间推理和工程计算，不是调参数套模板能搞定的。

Google还放出了其他几个案例：

内部工程师Anupam Pathak拿Deep Think加速硬件组件设计迭代；

杜克大学的实验室用它优化半导体晶体生长配方，做出了超过100微米的薄膜；

罗格斯大学一位数学家用它审查高能物理方向的论文，还真发现了一个人类同行评审没抓到的逻辑漏洞。

那建模师到底会不会失业

我们认为短期内不会。

但如果你的日常工作就是接到别人画的草图，然后在CAD里一个特征一个特征点出来，那确实该焦虑一把了。

真正值钱的能力正在往上走。

怎么定义一个产品的结构架构？

怎么在强度、重量、成本之间做取舍？

怎么判断这个设计FDM能不能打、要不要换SLS或SLA？

这些决策需要经验、直觉和跨领域知识，目前AI碰不了。

当然我们说的只是目前。

回头看那个笔记本支架，人的价值在哪？

在于决定"我要一个楔形的、用Gyroid晶格的、能散热的、承重3kg的支架"。

AI的价值在于把这段话变成一个可以打印的STL。

AI目前还不能抢工程师饭碗，抢建模软件的鼠标点击次数是擅长的。

还有哪些要冷静思考

那个笔记本支架好看归好看，虽然能直接使用，但结构上是单一几何体，没有装配关系，没有精密公差，也没有测试过不同打印工艺的兼容性。

真正的工业零件，多体装配、异形曲面、公差配合。

这些AI能做到什么程度，还没人验证。

而且那段提示词写得非常专业。"Gyroid minimal surface"、"manifold water-tight mesh"、"trigonometric approximation"这不是普通用户能随手写出来的。

至少在目前，咱得懂行才能让AI帮咱干活。

但方向已经明确了。

Deep Think现在对Google AI Ultra用户开放，API也在接受开发者申请早期访问。

当这个能力跟更多工具打通，草图丢进去，STL出来，直接推送到拓竹打印机开始打。

这条从想法到实物的路径，正在被压缩到前所未有的短。

写在最后

AI、晶格结构、3D打印，三条线在2月12号又一次交汇了。

我们需要思考的是，3D打印的价值链会怎么重组？

当人人都能用一句话生成STL，打印服务拼的是什么？

材料和工艺knowhow会不会变成最后的护城河？

你手里的3D打印机，未来到底是生产工具，还是AI的输出终端？

显然我们都需要问自己，AI+3D打印面前，人的不可替代性在哪？