Leo AI 实操：如何用文本提示直接生成可制造的 CAD 装配体？

长久以来，直接从文本描述生成具备工程意义的完整 CAD 装配体，更多停留在概念探讨阶段。而现在，Leo AI 正将这一能力变为现实。

在其 CEO Maor Farid 发布的演示视频中，给出了一个典型示例：用户输入“设计一个可以推动 50 kg 的液压活塞，行程：100 mm”，并附加约束“优先使用我库存中的零件”。随后，系统完成了推力、缸径等必要的工程计算，并智能地调用企业内部零件库与在线供应商资源，最终生成一个可以直接用于制造的完整 CAD 装配体。

这一生成结果绝非简单的几何体堆砌，而是具备了工程完整性的输出。它包含了完整的零件树与特征树，生成的文件格式可直接兼容 SolidWorks、Onshape、CATIA、Autodesk Inventor 等主流计算机辅助设计平台。

Leo AI 展现的核心价值，可以归纳为以下三个方面：

• 装配级生成：能力从生成单一零件，扩展到了生成具备正确装配关系、运动逻辑的完整机构。
• 真实零件驱动：设计过程优先复用企业 PLM 系统中的历史零件、内部标准件库以及供应商目录中的真实标准件，避免了“虚构设计”，确保了产品的可制造性。
• 工程约束内化：整个生成过程深度融合了工程计算、可制造性设计（DFM）校核与企业设计规范等约束条件，并且支持全过程的决策追溯。

得益于此，从“需求输入”到“获得可制造装配体”的周期，有望从传统的数天时间压缩至分钟级别。

从本质上看，这已经超越了传统意义上的“文生CAD”（text-to-CAD），它构建的是一个以企业私有知识为核心的工程生成系统。系统深度理解并应用了企业独有的设计规范、供应商体系、制造工艺和历史经验。

这标志着人工智能技术首次真正打通了从“概念想法”到“可制造装配体”的完整工程闭环，并且这一闭环是牢固构建在企业自身知识体系之上的。目前，NVIDIA、HP、Intel 等公司的工程团队已在真实场景中试用并验证了其价值。对于寻求设计自动化和知识复用的制造企业而言，这无疑是一个值得深入探索的方向。如果你对这类工程与AI结合的前沿应用感兴趣，欢迎在云栈社区交流讨论。