当AI融入CATIA，到底改变了什么？很多人的第一反应是自动出图——这是最容易被误解的。
达索系统正在落地的CATIA+AI，改变的不是某个具体操作，而是更底层的交互方式本身，以及工程师的时间分配逻辑。
变化一：自然语言成了新遥控器
以前：记住命令在哪个菜单第几级。现在：直接说“帮我生成一个模数3、齿数20的齿轮、材料50钢。”系统自己理解模数、齿轮参数、材料属性，输出可编辑的参数化模型。
行业知识、企业规范、历史数据都被喂给了AI。工程师在3DSwym社区提问，系统返回设计方案，不只是文档链接。
变化二：生成式AI加速方案探索
生成式AI做得最好的是“方案探索”。
场景传统方式AI方式造型设计一天出2张效果图一小时出10张，快速筛选方向结构设计手动跑几十组参数AI自动探索设计空间，人做判断体力活给AI，决策活给人。
变化三：存量模型变活，重复劳动变少
智能助手（即将上线）：自动识别模型中相同几何特征，批量选择、批量处理——不是“智能设计”，是“智能去重”
（自动选择并检索相同的元素，做出设计方案建议）
自动重构参数化模型（已上线）：从历史数据学习，识别特征约束关系，生成可编辑模型——存量模型不再是“死数据”
（自动重构参数化模型）
变化四：AI搭建现实到虚拟的桥梁
从点云中识别管道、设备、机器人臂；从二维图纸提取信息指导三维重建。现实到虚拟的转换，从“人工建模”变成“AI辅助识别+人工确认”。
（点云对象实例化）
（点云对象检索）
（点云对象实例化）
【独家观点】NETVIBES的三个方向值得单独关注——供应链动态智能、现场质量智能、战略决策智能。它们不直接画图，但解决的是“画什么图”的问题。研发的输入变了，输出才有意义。
供应链动态智能
智能 ">
战略决策智能
CATIA+AI目前能做到的，离“自动驾驶”还很远。但它已经做到的，是让工程师少做一点“机器能做的事”，多做一点“机器做不了的事”。从怎么画到画什么，从重复执行到方案判断，这是交互方式、工作流、数据流转逻辑的底层调整。
【互动一下】
你在日常设计中最希望能用AI帮你解决哪个环节的重复劳动？评论区聊聊。