当前生成式 AI 在 3D 建模领域的主流做法 —— 输出网格、体素或点云 —— 存在一个根本性的工程悖论：这些表示形式虽易于获取和训练，却牺牲了 CAD 模型所必需的精度与可编辑性。工程实践要求模型能够支持参数化修改、边界表示（B-rep）转换以及后续的制造流程，而传统方法生成的静态几何体往往难以满足这些需求。
GenCAD 提出了一条不同的技术路径：直接生成参数化 CAD 命令序列（即 CAD 程序），而非近似几何表示。这一思路的核心优势在于，生成的输出天然具备可编辑性 —— 工程师可以回溯修改草图约束、调整拉伸深度或变更倒角半径，而无需重新训练模型或从头生成。
四阶段架构的工程拆解
GenCAD 的完整管线可拆解为四个关键阶段，每个阶段都对应着明确的工程决策点。
第一阶段：自回归 Transformer 编码器负责学习 CAD 命令序列的隐表示。与处理自然语言的 GPT 类模型类似，这里的输入是 CAD 软件（如 SolidWorks、AutoCAD）的命令历史 —— 包括草图绘制、拉伸、旋转、倒角等操作序列。自回归结构使得模型能够捕捉命令间的拓扑依赖关系，这是 CAD 建模的本质特征：一个拉伸操作必须基于一个封闭的草图轮廓，而草图轮廓又依赖于几何约束的求解。
第二阶段：对比学习对齐模块构建图像与 CAD 隐空间的联合表示。这是实现 "图像条件化" 生成的关键：通过对比损失函数，模型学习将输入图像（可以是渲染图、手绘草图或照片）映射到与 CAD 命令序列相同的隐空间中。对齐质量直接决定了生成结果与输入条件的语义一致性。
第三阶段：潜在扩散模型在图像条件的引导下生成 CAD 隐表示。扩散模型的优势在于能够建模复杂的分布，同时通过条件机制（此处为图像特征）控制生成方向。这一阶段输出的是隐空间中的向量表示，而非可直接执行的命令。
第四阶段：命令解码器将隐向量还原为参数化的 CAD 命令序列。解码器的设计需要处理 CAD 命令的离散特性（命令类型）与连续参数（尺寸、角度、坐标）的混合建模问题。
B-rep 转换与几何内核选型
GenCAD 的输出并非直接的 B-rep 边界表示，而是参数化的 CAD 程序。这一设计选择具有深刻的工程考量：B-rep 的拓扑结构复杂，直接生成面临维度灾难；而 CAD 程序作为高层抽象，可以通过成熟的几何内核（Geometry Kernel）转换为标准的 B-rep 格式。
在工程落地层面，几何内核的选型直接影响部署可行性：
- OpenCASCADE：开源方案，支持 STEP/IGES 标准格式转换，适合需要避免商业授权成本的场景
- Parasolid：工业级内核，被 SolidWorks、NX 等主流 CAD 软件采用，兼容性最佳但需商业授权
- ACIS：另一主流商业内核，支持复杂的曲面建模与布尔运算
部署时的关键参数包括：命令序列长度阈值（建议控制在 200-500 个命令以内以保证解码稳定性）、几何约束求解超时时间（默认 5-10 秒）、以及 B-rep 有效性检查级别（建议启用严格模式以过滤自相交或退化面片）。
对比学习框架的检索能力
GenCAD 的对比学习模块不仅服务于生成任务，还赋予了模型跨模态检索能力：给定一张产品图片，模型可以从大型 CAD 数据库中检索出语义相似的参数化模型。这一能力解决了 CAD 社区长期面临的 "以图搜模" 难题 —— 传统基于关键词或元数据的检索方式难以捕捉几何语义，而对比学习框架学习的联合嵌入空间使得视觉相似性与功能相似性得以统一。
检索任务的工程参数包括：对比学习温度系数（τ，建议 0.07-0.1）、负样本采样比例（建议 1:1 至 3:1）、以及嵌入维度（256-512 维在精度与存储间取得平衡）。
局限与部署风险
尽管 GenCAD 展示了从图像到 CAD 程序的可行性，当前方案仍存在明确的工程约束。
拓扑复杂性瓶颈：CAD 命令序列的拓扑依赖关系（如草图约束的传递性、布尔运算的顺序敏感性）仍是训练高效模型的难点。对于包含复杂自由曲面或高级特征（如放样、扫描）的模型，生成质量可能显著下降。
几何内核依赖：最终的 B-rep 转换依赖外部几何内核，这意味着部署环境必须集成相应的内核库。内核版本兼容性、授权管理以及跨平台支持（Windows/Linux）都需要在系统架构设计阶段纳入考量。
落地参数速查表
| 参数类别 | 推荐值 / 范围 | 说明 |
|---|---|---|
| 命令序列长度 | ≤500 | 过长序列增加解码失败概率 |
| 对比学习温度 τ | 0.07-0.1 | 控制嵌入空间锐度 |
| 扩散采样步数 | 50-100 | 权衡质量与推理速度 |
| 几何求解超时 | 5-10s | 防止无效约束导致死锁 |
| 嵌入维度 | 256-512 | 检索精度与存储平衡 |
| 几何内核 | OpenCASCADE/Parasolid | 根据授权与兼容性选择 |
资料来源
- Alam, M. F., & Ahmed, F. (2024). GenCAD: Image-Conditioned Computer-Aided Design Generation with Transformer-Based Contrastive Representation and Diffusion Priors. arXiv:2409.16294.
- GenCAD Project Homepage: https://gencad.github.io
内容声明：本文无广告投放、无付费植入。
如有事实性问题，欢迎发送勘误至 i@hotdrydog.com。