首页 文章 精选 留言 我的

精选列表

搜索[应用运行环境],共10000篇文章
优秀的个人博客,低调大师

企业AI应用(十二):AI能画图能做动画,为什么还做不了机械CAD?

前一阵有客户提了一个需求:能不能用AI根据二维CAD图纸直接生成三维模型?听起来合理——AI现在画图、做动画、生成视频都很成熟了,从二维到三维应该不在话下。 找了一个做AI设计的朋友来研究,他拿走图纸看了几天,回了一句话:"做不了。" 不是他能力不行,是这件事在当前AI的能力边界之外。这里要先划一条线:市面上确实有工具能把图纸转成三维,但产出的是外观面片网格——只能用于展示或3D打印样件,无法编辑、不带完整约束、不能直接投产。客户要的是可编辑、带参数化约束的实体模型,能直接送进加工中心的那种。这两件事差距很大。 画猫和造发动机是两种完全不同的事 让AI画一只猫,只要看起来有耳朵、有胡子、毛茸茸的,大家就会说"像真的一样"。猫腿画多了半厘米、尾巴稍微歪了一点,没人拿尺子去量。评判标准是人眼觉得像就行。 让AI设计一个活塞和气缸,直径差0.1毫米,发动机直接报废——要么卡死要么漏气。每一个尺寸都必须精确到小数点后好几位。评判标准是机器能正常运转才算对。 这个比方用来建立直觉够用了,但不能把分界线简单画成"视觉的东西宽松、机械的东西严格"。真正决定严格程度的不是物体本身,是下游工艺的公差规范和安全等级——装饰塑料件的外观建模允许较大误差,航空蒙皮曲面的外观公差严苛到微米级,土建BIM构件公差相对宽松,精密医疗器械又回到极端精密。同样是"三维生成",严格程度跨越好几个数量级,取决于这个模型最终要被谁用、怎么用。 AI生成图像或三维动画——NeRF、3D Gaussian Splatting这类视觉生成技术——原生输出隐式场或离散点云,网格需要事后重建。当下技术确实可以基于这些输出重建水密网格和面片邻接拓扑,不是说视觉三维就完全没有拓扑关系。但这种拓扑是事后拟合的表面面片关系,没有尺寸约束、没有特征建模树、没有装配关联。机械CAD的拓扑是建模过程内生的,绑定代数约束、可参数驱动的实体结构——修改一个孔径,关联的螺栓选型、轴承座尺寸、传动轴轴径会沿着特征树自动联动重构。这两种拓扑的性质完全不一样。 AI最擅长的和CAD最需要的,正好反着 AI学习的方式是慢慢靠近正确。学画圆:第一版像土豆,第二版像鸡蛋,第十版像一个圆了。误差从大到小平滑下降,AI知道自己在进步、知道该往哪个方向调。像投篮:从三不沾到砸篮板到碰篮筐到空心入网——在连续地接近目标。这在数学上叫连续可微,是AI最擅长处理的空间。 有人会说,CAD的校验也可以构造连续的损失函数——用缝隙面积、自相交体积、面片畸变度来打分,给出平滑的梯度信号,并不是天然拿不到反馈。这个说法在数学上没错,但它绕不过一个更根本的困难:微小的参数扰动会触发拓扑结构的跳变。 一个孔径从10毫米改到10.01毫米,可能只是数值微调;但改到9.99毫米的时候,可能触发了一个约束阈值,导致整个特征树的拓扑结构突变——某个倒角消失了、某两个面合并了、某条边的邻接关系完全重组。这种跳变让损失曲面布满悬崖和局部最优,模型极难收敛到同时满足拓扑闭合、尺寸约束、装配关联的可行域。不是"打不了分"的问题,是可行解空间极窄、而通往可行解的路径上布满了不连续的断层——这是离散拓扑跳变带来的非光滑优化难题,和神经网络反向传播里说的梯度消失不是同一类问题。 用驾照考试来类比:侧方停车轮胎压线哪怕1毫米直接不合格,没有"压得少扣分少"这回事。CAD的几何校验在水密检查这类场景里就是这个逻辑——存在缝隙即无效,0.1毫米的缝和0.0001毫米的缝等价。但要补一句:在公差仿真和有限元分析这类场景里,系统会量化缝隙大小、根据工程公差阈值区分合格与不合格,不是所有环节都是二元判定。 几何内核不接受概率——但要锁定场景 机械CAD的每一个尺寸修改,都需要调用底层的几何内核——Parasolid或ACIS这类引擎——进行重构计算。修改底座上一个定位孔的直径,会像多米诺骨牌一样向上触发螺栓选型改变、向旁触发轴承座尺寸重构、向下触发传动轴轴径校核。每一步都必须满足几何内核的硬性代数校验。 AI说"这个尺寸大概是47.3毫米",几何内核不认"大概"——要么是精确值并且满足所有约束,要么重构失败。 但这个结论要锁定场景:说的是从二维图纸直接逆向生成完整参数化特征实体这件事。如果是在已有的CAD实体上做尺寸微调、局部外形优化,AI辅助预测尺寸再交给几何内核校验,是成熟的落地方案,通过率并不低。问题不在于AI不能参与CAD,在于"从零生成完整参数化模型"这个任务,概率预测通过几何内核全套拓扑检查的成功率,目前基本为零。 训练数据的困境 即使解决了上面这些数学和几何内核的问题,AI还面对训练数据的障碍。 互联网上有几十亿张图片可以训练视觉AI,标注成本低,数据结构统一。机械CAD的数据锁在企业内部,是核心商业资产,企业不愿开放。 拿到了历史CAD文件也不等于拿到了可用的训练数据。每个工程师建同一个零件的特

优秀的个人博客,低调大师

AI 应用催生新型网络风险下网络保险体系重构与承保规则优化研究

数字化转型进程中企业规模化落地人工智能技术,同步重塑网络攻击手段与内生技术风险边界,传统网络安全保险的承保范围、风险评估模型、产品条款已无法适配 AI 衍生风险的赔付判定需求。基于肯尼亚通信管理局 2026 年一季度 33 亿次网络威胁事件监测数据、当地保险机构网络保险产品落地实践,本文系统梳理 AI 驱动的两类新型网络风险:一是黑产利用 AI 自动化生成深度伪造、批量钓鱼、数据投毒等外部攻击风险;二是企业 AI 系统幻觉、算法偏见、第三方模型失控、训练数据污染引发的无攻击者内生运营损失。研究发现传统网络保险仅覆盖外部黑客入侵类损失,对 AI 内生故障、深度伪造社交工程欺诈存在显著保障空白;保险公司核保逻辑由单一安全设备核查转向企业 AI 治理体系全维度核验,同时同步迭代动态实时风险定价机制、新增 AI 专项附加保障与除外责任条款。反网络钓鱼技术专家芦笛指出,深度伪造类 AI 钓鱼攻击已成为企业网络损失主要诱因,企业配套自动化 AI 钓鱼识别防护代码、完善 AI 治理台账是获取优惠承保费率的硬性准入条件。本文构建包含 AI 风险识别、治理准入、动态核保、专项赔付、风险缓释的完整网络保险优化框架,附轻量化 AI 钓鱼风险识别 Python 工程代码,论证 AI 治理成熟度与保险承保条件、保费区间的强关联关系,为保险行业适配 AI 时代网络风险、企业构建风险转移机制提供实操依据。

资源下载

更多资源
腾讯云软件源

腾讯云软件源

为解决软件依赖安装时官方源访问速度慢的问题,腾讯云为一些软件搭建了缓存服务。您可以通过使用腾讯云软件源站来提升依赖包的安装速度。为了方便用户自由搭建服务架构,目前腾讯云软件源站支持公网访问和内网访问。

Spring

Spring

Spring框架(Spring Framework)是由Rod Johnson于2002年提出的开源Java企业级应用框架,旨在通过使用JavaBean替代传统EJB实现方式降低企业级编程开发的复杂性。该框架基于简单性、可测试性和松耦合性设计理念,提供核心容器、应用上下文、数据访问集成等模块,支持整合Hibernate、Struts等第三方框架,其适用范围不仅限于服务器端开发,绝大多数Java应用均可从中受益。

Sublime Text

Sublime Text

Sublime Text具有漂亮的用户界面和强大的功能,例如代码缩略图,Python的插件,代码段等。还可自定义键绑定,菜单和工具栏。Sublime Text 的主要功能包括:拼写检查,书签,完整的 Python API , Goto 功能,即时项目切换,多选择,多窗口等等。Sublime Text 是一个跨平台的编辑器,同时支持Windows、Linux、Mac OS X等操作系统。

WebStorm

WebStorm

WebStorm 是jetbrains公司旗下一款JavaScript 开发工具。目前已经被广大中国JS开发者誉为“Web前端开发神器”、“最强大的HTML5编辑器”、“最智能的JavaScript IDE”等。与IntelliJ IDEA同源,继承了IntelliJ IDEA强大的JS部分的功能。

用户登录
用户注册