编者按：本文来自微信公众号 纪源资本（ID：JiyuanCap），作者：纪源资本，创业邦经授权转载。
现如今，每个行业都在讲AI＋的时候，CAD（计算机辅助设计）行业是否也有望被插上翅膀，飞得更高？
卡伦特创办于2017年，它推出的国内首个云原生CAD协同设计平台已经服务于建筑、机械、电气等行业的多家大厂企业。卡伦特副总经理李荣陆以博士学位毕业于复旦大学计算机系，二十年前就在研究人工智能，曾是全球CAD软件巨头Autodesk中国研究院的首位首席工程师。几重背景加成，他对AI＋CAD，有了更深入的了解。
01 AI能让CAD也开挂？
在李荣陆看来，AI是一件长期主义的事情，同时，学习人工智能，是“颇具浪漫主义色彩的一件事”。
人工智能在人类历史上经历了好几次的潮起潮落，从1956年在达特茅斯会议上被提出，到70年代与80年代经历了两次寒冬，虽然跌宕起伏，但天花板也足够高。
数据量、算法、算力到达一个临界点之后就会爆发出新的AI浪潮，只要有足够多的人在低潮期静下心来打好基础，下一波浪潮就一定会来到。
与此同时，CAD软件领域也是人工智能有望革新的行业。尤其是国产CAD软件乘上了疾风，获得了更多国内客户的青睐，整个CAD生态逐步走向成熟，此时人们格外期待AI帮助CAD软件进行一次跨时代的革新。
不过，革新的应用点在哪里？
李荣陆认为，首先是计算机辅助设计，也就是说，基于深度学习的参数化建模、零部件的特征识别、自动化设计以及工艺路径的优化等，大幅度提升建模效率并不是梦。
第二大应用点被认为是智能仿真和优化。AI正在深度协助CG（计算机图形学）和CAE（计算机辅助工程）相关软件的研发与使用，那么以此来看，对于CAD软件的提升只是时间问题。AI很可能帮助人们实现复杂工况下的仿真加速、拓扑优化、多目标优化，并且大幅度降低计算成本。
除了“增效”和“降本”，第三大应用点是建立工业知识工程的数据库。设计与工程的链条中蕴含了大量的隐性知识，AI能够通过神经网络、大语言模型这些技术构建一个知识库或专家库，进而再去实现智能诊断、预测性维护等功能。
第四大应用点是达到实时协同和决策辅助。举个例子，以“云端、协同、轻量、智能”为核心理念的卡伦特三维CAD，支持类似Google Docs的协作方式，让多个用户可以同时编辑同一张CAD图纸，通过AI实时分析多用户协同建模过程中行为，自动检查设计是否符合规范，推荐设计优化建议，辅助用户做出更优的决策。
不过，李荣陆认为目前AI所带来的变化的广度和深度仍然有限。一方面是因为工业场景本身非常复杂，知识门槛高，数据隐私性强，另一方面是AI模型的可靠性、可解释性和部署能力有待提升。
李荣陆把AI称作“创意喷泉”，它能深度介入设计师的概念设计和详细设计阶段。在概念设计阶段，可以帮助设计师跳出传统的思维框架，在短时间看到设计过程中很多不同的可能性。在详细设计阶段，可以帮助设计师进行自动化设计（例如智能布图、参数化建模等）、设计检查和优化（例如规则检查、性能预测和优化、冗余和冲突检测等）、智能推荐（例如零部件推荐、设计模板推荐等）等，使设计师做出更聪明的决策。
一款搭载了AI的CAD软件，就相当于一个聪明精准的助手，例如在机械设计领域，它帮设计师更精确地分析模型的结构，自动发掘潜在的问题；在建筑行业，它帮助设计师去审视目前作品是否符合设计规范，是否能够直接投入到施工。
02先实现“弯道超车”？
在CAD行业，Autodesk曾经被称为“主宰者”，尤其是招牌软件AutoCAD长期占据统治地位。但是随着BIM、云协作、国产替代等兴起，它的位置正在被撼动。
AI＋CAD软件制造商，若想形成针对传统大厂的弯道超车，需要回到一个根本问题，那就是目前国内的创业企业与行业大厂的差距在哪？
李荣陆认为，CAD软件的核心在于约束求解器和几何建模引擎。
其中，“约束求解”功能用来处理用户设置的各种“设计规则”或“限制条件”，比如尺寸必须是多少、两条线要保持平行或垂直等。这些规则之间可能会相互影响，约束求解器就是负责“协调”这些规则，使它们在设计中能够同时成立。
几何建模引擎则是CAD软件的“底层核心”，负责生成和操作三维模型。它执行所有与图形有关的计算，比如画线、绘制曲面、拉伸、旋转、以及加减交集等布尔运算，用来创建最终的实体模型。
不过，AI的出现有望让CAD软件逐步摆脱对传统约束求解器和建模引擎的高度依赖。
我们可以打个比方来理解：
国产手机的芯片可能是用5纳米或7纳米工艺制造的，相较于国外最先进的3纳米芯片，在性能上可能略有差距。但如果通过操作系统或软件优化，国产芯片依然可以在“流畅度”上带来很好的使用体验。也就是说，虽然在“硬件性能”这条主赛道上略处劣势，但可以在“系统体验”这个维度上形成自己的竞争力。
同样地，即使在“技术硬碰硬”的领域，AI也并非无能为力。
比如“约束求解”这个过程，本质上是一个在复杂空间中寻找局部最优解的工作，而这恰恰是AI——特别是神经网络技术——非常擅长的领域。虽然几何建模引擎更偏向纯数值计算，但AI完全可以在约束处理环节中提供新的方法和路径。
还有另一个可以去尝试“硬刚”的部分，即提升三维设计的效率。对于设计师来说，明明是三维建筑设计更加实用，为什么他们还在使用二维的建筑设计软件呢？因为三维设计的效率很慢。李荣陆认为，只要三维设计效率提高2－3倍，就会让所有设计师感受到根本上的改革，立刻换上三维设计这个先进武器。
李荣陆认为，类似于界面设计（UI/UX Design）工具Figma在 2020的突然火爆，其实在于人们对产品的期待已经积累到一定程度所带来的“爆发”。由于远程办公需求的陡然增加，人们无法使用办公室电脑上的本地化软件，在自家电脑浏览器上进行软件操作的需求一下子成了主流。
CAD软件的革新也将因此而产生。
卡伦特如今在厦门、上海、新加坡三地设立了研发中心，始终坚持从CAD的底层技术进行突破，已经攻克几何建模引擎和约束求解器的核心技术，与AI的结合也正在不断探索。
03 AI能力，上不封顶？
但是另一方面，似乎也没必要迷信AI。
在李荣陆看来，CAD软件的巨大革命很难迅速形成。正如过去30－40年，虽然工业设计软件整体在进步，但是并没有革命性变化一样。
“这是因为底层的东西仍然没有发生大的变化，几何建模引擎、约束求解器引擎这些东西还是基于数值计算的”，李荣陆说，“同时，人工智能的浪潮也是起起伏伏的，每当模型或者算法的能力达到瓶颈之后，人工智能产业就会面临瓶颈。”
深度学习在早些年无法爆发的最大原因是算力和数据的瓶颈，使它大火的是Google在2017年提出的深度学习模型结构Transformer，它革新了NLP的发展，成为ChatGPT、BERT等模型的基础。
人们都知道人工智能的三大核心是算法、算力和数据。然而李荣陆认为，人工智能产生的数据开始污染原来的训练数据，因此数据的天花板已经产生；算力方面，能够承担如此大的训练量的企业凤毛麟角，算力的天花板也许同样会出现；唯一的变量就是算法。“上天能否再给我们下一个有关的AI的‘礼物’，取决于是否还会有Transformer这样划时代的模型结构。”李荣陆说。
“我个人认为，目前的AI更多地还是在进行组合变化，本质来讲，它不是创意。它能够进行大量的组合变换，然后筛选出还不错的一些结果，让你感觉它有创意能力。而真正的AGI就要真正去非常快速地去学习，快速地去自适应环境的变化，然后具备推理能力。”大语言模型已经实现了让人们判断不出来所对话的是人还是“机”，所以图灵测试也已经有些过时了。“大型变革已经到来，我们需要一个新的标准来判断什么是智能，什么是真正的AGI。”
04把AI放入自己的“三步走”战略中
卡伦特对外一直在强调，希望推进CAD设计软件领域的几个变革：云化，一体化，智能化。
它是身体力行的执行者，因为它从诞生开始，便做到了完全的云化。
此前的CAD设计软件需要本地安装，在卡伦特等革新者出现之后，设计师不需要安装软件，登录网页直接就可以去进行设计。此前，软件的本地化所带来的直接结果是设计师与同事或客户需要将文件传来传去，产生很大的损耗。但是卡伦特等云化产品是存在云端，实时保存，不需要担心数据泄露。李荣陆认为，用户习惯的转换是不可逆的，从云端回到桌面端会非常难，这便是他们的护城河。
在李荣陆看来桌面端软件在To B的许多使用场景中本身是很“断裂”的，无法顺畅地延伸到后面的动作。一旦形成了云化，“设计”这个环节就成了整个数字化的起点，建模、仿真、制造、质检等环节全部通过一个平台打通，不需要再把数据从一个孤岛上搬到另外一个系统上，管理效率、生产效率、协同效率就可以有一个非常大幅度的提升。
它将直接打通设计行业的绘（绘制）、协（协同）、审（审批）和管（管理），而这便是卡伦特所看来设计软件的下一个阶段，即“一体化”。一体化还指项目成员协同办公的一体化。产品的设计和生产过程是非常复杂的，高效地管理追踪这些产品的数据，包括设计文档、工程变更、版本信息等都是企业的核心需求，而真正的一体化能够打破部门之间的隔阂。项目成员能随时随地访问软件，确保沟通顺畅、问题及时解决。
而最后一步“智能化”，就更多要看搭载着AI能做到怎样的程度了。
作为一家在创业初期就想得比较清晰的企业，卡伦特常常奔着“难而正确”的工作去前进。仅仅是“云化”这一步，就相当不容易。所有人同步地在一张图纸上进行修订，用李荣陆的话来说，就像让北京、上海、广州、深圳四个城市里边的上万人同时“跳团体操”，关键还是要让每一个人的每一个动作映射到其他三个城市的人身上，中间还不能有任何卡顿和出错。为了保证在各种网络环境下实时的操作同步，延时要求必须是在100毫秒以内。
它产生的高并发，意味着每个人的动作要非常快速传输到另外一个人那边，所以最关键的是如何构建一个支持高并发的同步机制。此外是保持数据一致性，每一个人的动作都不能做错，每一个操作都被记录下来，进行同步和冲突解决，假设说用户的网络断了，还得支持断网之后自动恢复，进行缓存、离线编辑、数据恢复等等。
这样的系统能从哪里得到呢？自己研发。因此，卡伦特研发了多项核心技术：适用于CAD的高效数据存取引擎、适应于原生环境的几何建模引擎和约束求解器、海量模型的实时渲染引擎等。
在行业初期，大家都认为先让产品“有”更重要，随后才慢慢“卷”起来、创新起来。“什么是产品的价值？等于新的价值减去替换成本。”李荣陆说。因此，但凡能够带来更好的功能体验，就会带给产品新的可能性。产品打造者的动力足够，创新就会出现。
但同时，产品打造者也需要从商业角度衡量投入产出。产品下一代演化有时候只是大家的想象而非实际。例如，建筑行业过去十几年曾经非常火的BIM概念（Building Information Modeling），即从概念设计到详细设计到施工和运维只用一个模型的“一模到底”。但是当实际在行业里边去做的时候，就会发觉造价太高了。二维的图纸可能几天就画完了。特意要去花2-3倍时间做三维设计显得没那么大必要。况且在行业内卷非常严重的情况下，企业没有利润去做这些事。所以，产品往哪个方向走，要不要大举研发，这也是作为企业管理团队的重要议题。
05回归研发，万变不离其宗
李荣陆认为Social、Mobile、Cloud三个大趋势必定造就大公司，Social造就了Facebook和Twitter，Mobile诞生了很多移动互联网公司，Cloud则使得软件行业面临新的洗牌，卡伦特或许就能找到自己的空间。
过去20年来看，国产工业软件经历了几个重要节点：2000年左右制造业井喷，CAD、CAE、CAM等工业软件大量依靠国外产品，国内企业几乎多是代理和二次开发。2010年左右，随着国家的“信息化”和“工业化”融合，国内的本土软件企业和团队成立了，开始从事中低端软件研发。
在李荣陆看来，真正让国产软件起飞的一个阶段，是中国国务院于2015年5月19日正式发布了国家级战略性发展规划文件，让行业意识到工业软件作为工业数字化核心基础设施的重要性。资本、人才等方面纷纷入场，围绕着几何建模引擎、约束求解器引擎、CAE求解器等底层的技术进行了攻关。工信部2024年10月发文，2027年要完成约200万套工业软件更新换代的任务。
真刀真枪地投入技术研发，是卡伦特公司的鲜明特点，也是它始终坚持的战略方向。正因为如此，公司将大量资源集中在高效的CAD数据存取引擎、几何建模引擎、约束求解器等关键底层技术的打磨与突破上。
在李荣陆看来，卡伦特这些年做出的几个关键决策都极具远见。首先，是选择在当时少人问津的“云原生”方向上大胆押注，并且像数码相机企业彻底抛弃胶卷一样，毫不犹豫地全力投入“重构型”的技术突破；最后，也是最重要的一点，公司始终以一种长期主义者的视角，拒绝投机取巧，以近乎苛刻的态度专注打磨底层能力。
本文为专栏作者授权创业邦发表，版权归原作者所有。文章系作者个人观点，不代表创业邦立场，转载请联系原作者。如有任何疑问，请联系editor@cyzone.cn。
