为什么传统 CAD 架构不适合 AI，以及 Aira 的解法

发布日期：2026-10-04 | 作者：Aira 核心团队

CAD（计算机辅助设计）诞生至今已逾六十年。从早期的线框系统，到上世纪八十年代参数化特征树（Feature Tree）的确立，现存主流 CAD 系统的所有架构假设，几乎都是为了人类工程师在桌面前移动鼠标、点击工具栏和拾取微小边面而量身定做的。

当我们尝试将大语言模型（LLM）引入产品设计时，大家很快发现了一个残酷的现实：直接让 AI 模拟人类操作传统 CAD 工具，往往非常脆弱且失败率极高。

传统 CAD 面向人类的三大死穴

拓扑命名问题（The Topological Naming Problem）：在传统基于特征历史的 CAD 中，AI 如果说“在倒角后的那条边打孔”，一旦上游参数变动重新求值，边的内部内部 ID 就会漂移或消失，导致后续特征全线崩溃（Feature Tree Breakage）。
状态不透明与暗默隐式语义：人类设计师通过眼睛和直觉调整视角、选择“看起来是切向”的平面，但 AI 需要的是确定性、代数化和可推导的数学关系。
沉重的重算代价：在长特征树下，任何微小改动都会引发级联的全量重算，这与 AI 进行高频、参数化探索的迭代预算相冲突。

Aira 的解法：为 AI 设计的 CAD 核心

在 Aira，我们的第一原则是：本工具专门为 AI 设计，AI 可理解可操作是第一准则。

graph LR
  Intent[设计意图 / 语义需求] --> Compiler[关系编译器]
  Compiler --> Solver[连续优化求解器 CasADi]
  Solver --> AMIR[AMIR 确定性图谱]
  AMIR --> Kernel[精确 B-Rep 几何内核]

1. 放弃线性特征树，拥抱声明式关系图谱（AMIR）

Aira 将模型表达为 AMIR（Aira Model Intermediate Representation）。它不是按施工顺序记录“第 1 步拉伸、第 2 步挖槽”，而是声明实体、特征与空间约束之间的多向关系网络。

2. 语义引用（SemanticRef）替代脆弱的拓扑拾取

在 Aira 中，对几何元素的引用建立在语义不变性之上（例如：“外侧密封法兰的圆周倒角”），由核心在求值时自动维持证据（Evidence）与映射映射（Source Map），彻底摆脱拓扑命名崩溃的噩梦。

3. 本地优先与确定性原子提交

所有的求解计算在浏览器端/本地直接完成，确保高保真 3D 渲染与连续优化的一致性。AI 的每一步操作都有严格的事务沙箱，保证设计过程既可探索、也可无损恢复。

结语

真正的 AI 时代产品设计，绝不是把传统的 CAD 套壳塞进一个聊天框，而是重新推导底层的几何内核与表达范式。欢迎查阅我们的产品宪法与系统架构 RFC，与我们一起定义下一代工程工具！