Autodesk Research上周在arXiv上挂了一篇论文，标题叫Zero to CAD。

低调到不像Autodesk的风格。但很多人这两天都在转。

原因是论文里有一组数字，乍看不太对劲。

一个20亿（2B）参数的AI模型，能跑在你手机上的那种，让它从图像生成CAD代码这道题上做到82.1%的成功率。

同一道题，GPT-5.2开到最高推理强度，只有72.2%。

不微调的同款基础模型只有6.6%。

更反常识的是这个2B小模型从头到尾没看过一份真实CAD数据。

它学会的所有东西，都是另一个大模型在反复试错里写出来的合成程序。

Autodesk这一手，本质上是把困住AI画CAD这件事好几年的数据墙，用一种很取巧的方式绕了过去。

对3D打印行业来说，这意味着AI生成可编辑模型源文件这件事，第一次有了像样的路径。

3D打印行业一直在等的那种AI

打印机这两年迭代得很快。

多色、高速、大尺寸、多材料，新机型一年能发好几代。

但有一件事没怎么动，可编辑的模型源文件从哪里来。

不管是工业用户做小批量定制件，还是消费用户打游戏手办，模型来源就那么几条路。

自己画，找设计师外包，从模型站下载现成模型，或者拿照片用网格扫描重建。

除了前两条，出来的是都是死网格。

死网格的意思是，你能打印它，但你不能改。

想把孔位往左挪两毫米，想把壁厚加一圈，想把卡扣的间隙调小一点，对不起，从头来。

整个行业都在等一种AI：

你给它一句话或者几张图，它给你一个能改、能调、能直接进切片的真正CAD源文件。

不是网格，是一段能回放、能修改的构造历史。

这件事过去几年没做出来，最大的瓶颈不在模型，在数据。

行业卡了多少年的坎

CAD模型和我们打印用的STL网格，本质上是两个东西。

STL是最终的几何外形。一个零件在屏幕上长什么样，文件里就记录什么样。

但工程师真正在用的CAD文件不是这样。

一个支架在CAD软件里被打开，左边那条参数树里写着：

先在XY平面画一个矩形，长60宽40，往上拉伸8毫米；

然后在顶面画一个圆，直径8毫米，向下挖透；

再选四条竖边，倒2毫米的圆角。

这条参数树就是构造历史。

它记录了设计意图。改尺寸、调参数、把这个支架的孔位从中心挪到边角，靠的全是它。

AI模型如果拿公开的已有的网格数据训练，能生成静态几何，做不了可编辑的源文件。

之前学术界有人尝试过填这个坑。

DeepCAD做了17.8万条序列，Fusion 360 Gallery做了8600条，规模都太小，而且都被锁在最简单的一种操作里：画草图，再拉伸。

倒角、圆角、抽壳、放样、扫掠、布尔运算这些机械设计里最常见的动作，全部不支持。

更近一些的工作叫CAD Recode，去年发的，规模也接近一百万。

但它生成出来的代码长这样，一串坐标的连续调用：机器能执行，人完全改不动。

r = w0.sketch().segment((...),(...)).segment((...),(...))....close().finalize().extrude(8)

对比一下，Zero to CAD生成出来的代码长这样：

plate_length = 60.0
plate_width = 40.0
plate_thickness = 8.0
hole_diameter = 8.0
fillet_radius = 2.0

base = (
    cq.Workplane('XY')
    .rect(plate_length, plate_width, centered=True)
    .extrude(plate_thickness)
)
base = base.edges("|Z").fillet(fillet_radius)
bracket = base.cut(
    cq.Workplane('XY').circle(hole_diameter/2).extrude(plate_thickness + 2)
)
result = bracket

变量是有名字的，plate_length、hole_diameter、fillet_radius，工程师一看就知道哪个数字是干嘛的。

逻辑顺序也是清楚的，先建底板、倒圆角、再开孔。

想把孔径从8毫米改成10毫米，把hole_diameter那一行改一下就行，整个零件自动重建。

这就是可编辑和不可编辑的区别。

这就是Zero to CAD要解决的问题。

上图是现有CAD数据集对比，加粗那行是Zero to CAD，规模大、可执行、可读、操作覆盖广

Autodesk的解法似乎并不复杂

让一个大模型自己写代码，自己跑，跑不通自己查文档改了再跑。

具体来说，研究团队挑了一个开源大模型gpt-oss-120b，把它扔进一个CAD环境里。

环境给模型配了三件工具，一个执行验证器，一个文档检索器，一个文档正则匹配器。

然后让模型干一件事：

写CadQuery代码（一种用Python语法描述参数化CAD的开源库，可以理解成给程序员用的Fusion 360），执行，看报错，查文档，改代码，再执行，直到几何成立。

论文里举了个很直观的例子。

模型生成了一段沉头孔代码，跑出来报错，说cskHole这个函数缺一个叫cskAngle的参数。

它就自己去查CadQuery文档，找到正确的函数签名，把参数补齐，再跑一次。

一次不行就十次，每个零件最多允许跑100次尝试。

上面是AI代码合成与验证的完整闭环流程图

还有两件事值得提。

一是分两阶段干。

先让模型当零件管理员，按65个常见类别（支架、滑轮、外壳、法兰这些）批量列清单，每批200个，逼它换花样别重复。

然后再按清单去写代码。

二是质量关卡严。

代码能跑只是第一步。还要确认零件不是断成几块的、不是面数少得可疑的方块、能干净地导出STL（用来打印）和STEP（用来CNC）。

这几关都过，才进数据集。

一周时间，一百万个零件

整个流程跑了大概一周。

GPU在2到80块之间动态调度，CPU峰值用到3000核。

处理了602亿输入token，生成了55.9亿输出token。

最终入库999633条。

首次尝试就成功的占22.3%，剩下的平均要试3.3次才过。

更关键的是质量，和ABC（业内最权威的真实CAD数据集）比，Zero to CAD的零件复杂度（平均46.2个面）接近真实数据（50.7），上一代CAD Recode只有16.4，而且一半以上是断成几块的伪零件。

Zero to CAD这一关过滤得很干净。

研究团队再用AI视觉模型测了一遍分布相似度，结论一样：

它合成出来的，比之前的合成数据更像真工程师画的。

上图是Zero to CAD、ABC、DeepCAD、CAD Recode样本视觉对比

真正出圈的，是后面那个2B的小模型

数据集本身已经是厉害的成果。但这两天火爆的是后面的一个收尾实验。

研究团队拿那一百万条合成数据，全量微调了一个Qwen3-VL-2B-Instruct。这是一个20亿参数的视觉语言模型，能塞进消费级显卡甚至手机里。

任务是图像到代码：给8张多视角渲染图，输出能跑的CadQuery代码，重建几何。

整个零件由草图、拉伸、倒角、挖孔、打孔几个动作组合而成。

测试结果在文章开头说过，自家测试集82.1%的成功率，把GPT-5.2 High（72.2%）按在地上。

而基础Qwen不微调只有6.6%。

研究团队自己也很坦诚地说了一个限制。

把这个模型放到ABC（真实人类设计的CAD）上做泛化测试时，成功率掉到61%，IoU（衡量重建几何和原始几何重合程度的指标，1是完全重合，0是完全不沾边）也下降明显。

GPT-5.2在ABC上的衰减反而更小。

这个对比说明了两件事。

一件是这套合成数据真的能让一个小模型从零学会一项GPT-5.2级别才能勉强做的活。

另一件是合成数据训练出来的模型，迁移到真实数据上还有距离。

社区评论区的反应也分两派。

有人肯定对于一个能跑在手机上的2B模型，这个表现已经相当惊人。

而有些质疑是指那些被算成成功的结果里，到底有多少是2.5D的简单平面拉伸？

多少是真正需要空间感、多平面方向、多个草图相互参考的3D几何？

这个问题论文里没有正面回答。

从前面的图片里能看到的零件类型不少，但要真做工业级的复杂壳体、多孔配合面、带斜度的精铸件，目前的样本分布够不够。

上图是ABC真实数据集上的重建对比（Ground Truth对比微调后的Qwen3 VL 2B对比GPT-5.2

这事和3D打印有什么关系

说回我们的行业。

很多同行最大的痛点之一是设计成本。

一个客户拿着草图来，要你给他做一批支架、夹具、外壳，传统流程是设计师在CAD软件里画，验证完打样。

设计费摊到每件上，比材料费和打印工时加起来还贵。

如果AI能把这个流程压缩到分钟级，整个小批量定制的经济模型就变了。

Zero to CAD指向的就是这条路。

它现在还做不到完美，但已经把基础能力跑通：

给图像，能生成可编辑的CadQuery代码；

这个代码能直接导出STL进切片，也能导出STEP。

模型权重和数据集都开源放在HuggingFace上（ADSKAILab/Zero-To-CAD-Qwen3-VL-2B），消费级显卡能本地跑，不用调API。

对企业用户来说，最直接能做的几件事：

做内部设计提效工具。

把客户发来的参考图丢给模型，先生成一版基础几何，设计师在这版基础上调整，比从零画快很多。

还可以做产品配置工具。

比如做定制夹具的厂家，可以训练一个领域内的小模型，让客户上传工件照片就生成对应的夹具设计。

对个人用户和小工作室来说，更实用的是关注HuggingFace上后续会出现的微调版本。

Autodesk放出了基础模型，社区基本一定会有人在它上面继续微调，比如专门针对某些特定行业应用的版本。

这些垂类微调出来的小模型，可能比通用大模型在具体场景上更好用。

但61%的真实数据成功率，意味着现在还不能无人值守地用。

Autodesk在论文里也很坦诚地放了一组失败案例。

薄壁断开、孔位偏移、几个零件浮在空中没连上、看起来像零件其实加工不出来。

这些失败现在还得靠人眼把关。

把它当一个高效的草稿生成器，比把它当一个全自动设计师，更现实。

写在最后

研究团队说他们没有引入视觉反馈，这也是为什么模型还无法可靠地检测这类几何缺陷。

也就是说，Zero to CAD的整套自我修正机制，是语法层面和几何拓扑层面的修正，不是工程合理性层面的判断。

模型能保证代码能跑、几何可行、能导出，但保证不了这是一个能合理加工出来的零件。

这条路的下一段，大概率要靠两件事补齐。

3D打印这一项尤其值得期待。

因为打印的可制造约束相对清晰，悬垂角、最小壁厚、支撑位置这些规则都有现成的判定逻辑，容易做进自动验证里。

这也意味着，3D打印很可能是AI生成CAD最先跑通商用闭环的工艺。

回到今天这篇论文。

Autodesk这次放出来的还是是一整套可以直接用的资产：

100万条带完整构造历史的CAD数据集、一个微调好的2B模型权重、一份开源的训练代码，全在HuggingFace上。

消费级显卡能本地跑，不用调API。

现在数据和基础模型都开源了，剩下的就看谁动作快。

Autodesk自己当然会把这套能力慢慢嵌进自己的软件栈。

延伸阅读：Claude直连Fusion/Blender，3D建模能力的重新定价

而其他所有做3D打印软件生态的厂家，再加上一批做AI生成3D内容的企业，理论上都在同一个起跑线上。

本文是AM易道对论文的解读和转述，带有大量主观判断、内容取舍和添加行业视角，原文信息密度大、专业细节多，如果您是相关领域的专业读者，强烈建议直接阅读原文，本文的内容可能与原作者的严谨表述存在部分差异。

论文：

• arXiv原文：https://arxiv.org/abs/2604.24479

• HuggingFace论文页：https://huggingface.co/papers/2604.24479

资产（HuggingFace）：

• 项目集合页（所有资产汇总）：https://huggingface.co/collections/ADSKAILab/zero-to-cad

• 100万条完整数据集：https://huggingface.co/datasets/ADSKAILab/Zero-To-CAD-1m

• 10万条精选子集：https://huggingface.co/datasets/ADSKAILab/Zero-To-CAD-100k

• 2B微调模型：https://huggingface.co/ADSKAILab/Zero-To-CAD-qwen-vl-2B

• 项目组主页：https://huggingface.co/ADSKAILab