Autodesk 正式把 neural CAD 摆上了台面：一类全新的三维生成式 AI 基础模型，首批进入 Fusion 和 Forma。官方说法很直接——它要「彻底重新构想创建 CAD 几何的传统软件引擎」，并「自动化设计师 80-90% 的日常工作」。对 BIM 和 CAD 从业者，这句话值得认真读，因为它指向的不是又一个插件，而是四十年以来 CAD 交互方式的第一次根本性变化。
这条路线值得关注的地方，不在「又一家公司吹 AI」，而在它选择的实现路径。过去两年，AEC 软件里的 AI 大多是给现有工具套一层大语言模型的壳：你输入一句话，模型生成一段代码去调 CAD 的接口。Autodesk 管这条路叫「读过所有管道书、却从没碰过管道的水管工」，然后自己选了更难的那条。
Neural CAD 是什么：AI 在几何上推理，而不是在文字上推理
neural CAD 与 ChatGPT、Gemini、Claude 这类通用大语言模型有本质区别：它是为专业设计数据从头训练的，能同时在「细节几何」和「系统与工艺」两个层面推理——既理解某条机加工刀路是否合理，也理解一栋标准建筑的楼层平面该怎么排布。
Autodesk 研究院高级副总裁 Mike Haley 解释过训练来源：模型学习的是「人们通常怎么设计」，数据是合成数据加上客户数据。「它们在学三维设计、学几何、学人们通常创造的形状、通常使用的构件、建筑里通常出现的模式。」
目前公布了两类模型：面向 Fusion 的「neural CAD for geometry」，用语言、草图或图像生成可直接用于制造的一流 CAD 几何；面向 Forma 的「neural CAD for buildings」，让建筑师在早期概念和详细布局之间快速切换，软件自动补全重复性设计。Haley 举的例子很具体——
「如果我改变一栋建筑的形状，它能立刻重算所有内墙、柱子、平台、核心筒、网格线，一切构成建筑结构的东西。它还能帮忙重算结构图纸。」
配套的还有两个信号。一个是 Project Think Aloud，一个研究项目：设计师用电子笔边画边说，AI 把语音和草图一起理解，在 Forma 里直接生成建筑体块。另一个是 Forma Building Design，号称能出 LOD 200/300 细度的建筑模型，带 AI 自动化和集成分析。Autodesk 想表达的图景很清楚：从「画图」到「说需求、AI 出几何、人做判断」。
从 Bernini 到 Neural CAD：这条线铺了不止两年
这条路线不是临时起意。2024 年 5 月，Autodesk 发布研究项目 Project Bernini，从文字、二维图像、点云生成功能性三维形状；十六个月后，在 Autodesk University 2025 上正式公布 neural CAD。用 Haley 的话说，这两个公开节点只占工作的一小部分，真正的研究在幕后铺了很多年。
投入也在加码：2026 年 Autodesk 宣布向李飞飞创立的 World Labs 投资 2 亿美元，合作方向正是能「感知、生成、推理并与三维世界交互」的基础世界模型。这一笔钱，把 neural CAD 从「一个功能」抬到了「一套平台级基础模型」的高度。
三条路线的对比：为什么「直接想 3D」更难也更值钱
眼下做「AI 生成 CAD」的路大致有三条，把它们放一起看，neural CAD 的取舍就清楚了。
| 路线 | 做法 | 局限 |
|---|---|---|
| LLM + API | 大模型生成代码，调 CAD 软件接口出图 | 模型不懂三维物理世界，请求一复杂就露怯 |
| 参数化 CAD | 确定性几何引擎，40 年打磨 | 精确可控，但不擅长开放式的模糊概念探索 |
| Neural CAD | 直接在几何上推理、生成可编辑 CAD 几何 | 训练极难，需要全新网络架构 |
Autodesk 的判断是，三者不是替代关系，而是组合。参数化 CAD 保留「你说 2.5 英寸就是精确的 2.5 英寸」的控制力；neural CAD 补上「连规格都还没想清楚时就能自由表达」的探索力；LLM 则负责在两者之上做意图理解和任务拆解。Haley 给过一个组合的例子：给一个空气炸锅设计，让 AI 按成本、材料、制造方式的约束拆出可加工的组成零件——LLM 负责理解需求，neural CAD 负责看懂几何。
值得注意的是生成结果的性质。neural CAD 产出的不是一张「看起来像」的图，而是「first-class」可编辑的 CAD 几何，能直接进 Fusion、Forma 继续精修，特定任务下甚至能生成完整的建模命令历史，方便人理解、修改。这跟用 AI 生图刷屏是两回事——它要的是能落进真实工程流程的结果。
对 BIM 工程师意味着什么
💡 给 BIM/CAD 工程师的四条实用判断
- 别把 AI 当绘图替代品，把价值迁到「判断与治理」上：AI 能自动补全、自动重算，但「这个方案对不对、合不合规、能不能落地」的判断层，恰恰是它的短板，也是你的位置。
- 练「审 AI 输出」而不是「从零建模」：入门级 BIM 岗位正在从「从零建模」转向「校验、治理、改进 AI 生成的模型」。谁能看出 AI 哪里错了，谁就更有价值。
- 数据质量就是竞争力：neural CAD 靠数据训练，也靠数据运行。命名混乱、参数残缺、结构脏乱的 Revit 模型，是 AI 落地真正的拦路虎，不是缺工具。
- 盯住 Revit 与 Forma 的关系走向：neural CAD 是云原生架构，和文件式的桌面 Revit 有天然张力。未来你的主力工具可能迁移，提前理解 Forma 的定位变化，比临时抱佛脚强。
一个更宏观的信号藏在 Autodesk 反复摇摆的表态里：Forma 到底是不是 Revit 的替代品？2025 年说不是，2026 年 5 月说是，7 月又改口说「继续投资 Revit、同时在 Forma 里构建更连接的工作方式」。这种摇摆本身说明，AI 原生能力更愿意生长在云原生平台上，而不是文件式的桌面软件里。对从业者来说，工具形态会变，但「数据可被机器读懂」这个方向不会变。
neural CAD 现在更多还停在发布会和技术愿景层面，工程界给它最冷静的评价是「looks good on paper」——纸面上漂亮。能不能真的自动化 80-90% 的设计工作、能不能在复杂真实项目里不掉链子，要等 Fusion 和 Forma 里可用的功能说话。但方向已经足够清晰：CAD 的竞争，正从「谁的软件功能多」，转向「谁能让 AI 真的理解三维世界」。对从业者，与其焦虑被替代，不如先把手里模型的数据做干净——那才是任何 AI 都绕不过去的地基。
本文基于 Autodesk 官方（neural CAD 介绍、Mike Haley 署名文章）及 AEC Magazine 报道撰写。相关功能落地进度以 Autodesk 官方发布为准。