当AI融入CATIA，到底改变了什么？很多人的第一反应是自动出图，这是最容易被误解的。
达索系统正在落地的CATIA+AI，改变的不是某个具体操作，而是更底层的交互方式本身以及工程师的时间分配逻辑。
自然语言成了新遥控器
以前工程师需要记住命令在哪个菜单第几级，现在可以直接说：“帮我生成一个模数3、齿数20的齿轮、材料50钢”。系统自己就会理解模数是什么、齿轮参数如何关联、材料属性怎么挂接，最终输出可编辑的参数化模型。
不仅仅是查文档，行业知识、企业规范、历史数据都被喂给了AI。工程师在3DSwym社区里提问，系统返回的不只是文档链接，而是直接给出设计方案。
生成式AI不是替代人，是加速探索
生成式AI不是一键出图。实际上它做得最好的是“方案探索”。
比如在造型设计阶段，设计师画个3D草图，AI快速渲染出多张效果图。不是最终交付，是用来评审、筛选、否决的。原来一天出两张图，现在一小时出十张。淘汰掉不行的，留下值得深入的。
结构设计也有同样的逻辑。从参数模型变化到仿真结果，AI做全自动设计空间探索。工程师不用手动跑几十组参数，系统把可能性列出来，人来做判断哪条走得通。也就是说体力活给AI，决策活给人。
减少重复，把存量模型变活
CATIA即将上线的“智能助手”。可以自动识别模型中相同的几何特征，批量选择、批量处理。不是“智能设计”，是“智能去重”。
（自动选择并检索相同的元素，做出设计方案建议）
做过大装配模型的工程师知道，这类重复操作吃掉的时间，往往比想象的多。
目前已经上线的一个功能是，从历史数据中学习，自动重构参数化模型。不是简单复制粘贴，是识别特征之间的约束关系，生成可编辑的参数化模型。企业积累的存量模型，不再是“死数据”，而是可以被AI调用、修改、复用的活资产。
（自动重构参数化模型）
从现实世界到虚拟世界，AI在搭桥
制造业有一个长期存在的痛点是实物没有三维模型。老旧设备、外购件、现场扫描的点云数据，要转成可编辑的CAD模型，非常耗时耗力。
CATIA正在做的，是用AI从点云中识别管道、设备、机器人臂，甚至将历史CAD数据自动匹配并替换为虚拟孪生。同样推进的还有基于工程图的AI识别，从二维图纸中提取信息，指导机械零件的三维重建。
（点云对象检索）
（点云对象实例化）
很多功能还在路上，但方向很明确，现实世界到虚拟世界的转换，正在从“人工建模”变成“AI辅助识别+人工确认”。
数据智能：让研发的输入更准
NETVIBES的三个方向值得单拎出来说。
l 供应链动态智能：打通工程、采购、财务的数据孤岛，价格波动对研发成本的影响可以实时判断，不用等季报出来再复盘。
l 现场质量智能：服务团队快速定位客户诉求，质量团队可以追溯源头到具体的设计缺陷，不再依赖人工翻记录。
l 战略决策智能：追踪新兴技术动向、识别全球竞争格局、锁定潜在的合作伙伴。
这三个功能不直接帮你“画图”，但解决的是“画什么图”的问题。研发的输入变了，输出才有意义。
写在最后
CATIA+AI目前能做到的，离“自动驾驶”还很远。但它已经做到的，是让工程师少做一点“机器能做的事”，多做一点“机器做不了的事”。从怎么画到画什么，从重复执行到方案判断，这不是某一项功能带来的变化，是交互方式、工作流、数据流转逻辑的底层调整。