用处多又易落地：AI识图（CAD）相关场景 万字梳理与分析

不难发现，这些场景都是基于一个共同的技术基础：让AI识别和理解CAD图纸。

作为承载设计意图的核心媒介，CAD图纸在企业的设计部门内、设计部门外以及不同企业间流转，各部门都需要在理解图纸的基础上提取信息，开展后续工作。当前这一过程大多都是由人类工程师来完成，占用工程师大量的时间和精力。随着AI识图的发展，以后或许很多环节将由AI来辅助工程师完成，大幅提升工程师的工作效能。

经过一段时间的发展，目前已经涌现了不少供应商在围绕AI识图开展布局，一些细分方向也已经在一些行业的头部企业成功应用落地，且证明了清晰的应用价值。 慧工智能（原慧工云）在交流时表示，图纸识别智能体是他们众多智能体中，客户应用最频繁，效果最好的几个智能体之一。朗新科技前期用户调研也显示，电力客户对AI识图相关方案的需求很明确。

本文将围绕AI识图相关应用进行系统性的盘点和分析，分析和探讨其中一些关键问题，并对于希望应用AI识图的企业给出一些相对具体的建议。

文章重点面向能源制造类企业的AI应用展开，对于也很活跃的建筑行业AI识图只做简单的提及。

文章内容较多，超2万字，各章节简要内容如下：

第一章：简要概括AI识图3大类10个具体典型场景，代表性解决方案及发展情况。

第二章：从技术层面，探讨AI识图应用落地的关键问题，如CAD和PDF两条识别技术路线及其挑战、图纸数据的积累、AI识图的通用性与场景独特性、通用模型识图能力的发展、CAD原厂的布局影响等

第三章：从实施层面，探讨AI识图应用落地的关键问题，如用户企业的合理预期、实施过程复杂度，选择合适供应商等。

第四到六章：对10个场景进行详细介绍，每个场景介绍场景需求、解决方案及价值、代表性解决方案及发展情况和展望。

信息提取类场景：相似搜索、质检方案创建、BOM创建

判断计算类场景：版本对比、抄图、审图、工艺审核与加工编程、报价

生成式设计类场景：图纸3D建模、空间二次设计

第七章：总体展望：AI识图相关场景可以逐步连点成线，未来实现全流程的智能化。

一、AI识图10大典型场景

根据识别提取图纸中信息的深度层次，AIE将AI识图的场景大体分为了3大类，10个典型场景：

信息提取类场景：主要从图纸中识别和提取后续工序所需的信息，并以结构化的方式进行输出，一般不涉及对识别出信息进行进一步处理，如计算、判断等。

典型场景：质检方案创建、BOM创建、相似搜索

判断计算类场景：不仅需要从图纸中识别和提取信息，还需要结合一些信息、规则，对信息进行进一步的判断，计算等。

典型场景：版本对比、抄图、审图、报价、工艺审核与加工编程。

生成式设计类场景：不仅需要从图纸中识别和提取信息，还需要结合一些信息、规则，以及设计目标，由AI生成CAD设计方案。

典型场景：图生3D模型、空间二次设计

与10类场景类似的也还有很多细分场景，但目前应用落地相对没有这10类场景多，所以未一一列举。以上10个场景也并非完全独立的，供应商提供的解决方案可能同时包含多个场景。

后文第4-6章包含了对10个场景更加详细的介绍。

10类场景从应用角度看，普遍具备了能够讲清楚的应用价值，因此吸引了很多企业的关注和应用，应用落地速度主要取决于当前技术是否能到达到应用要求。

从目前的实际进展看，各场景都已经在一些头部企业得到了应用，并逐步向更多企业扩展。其中难度相对较低的信息提取类发展相对更快，产品化程度较高。难度更高的后两类场景多以定制解决方案方式落地，在特定行业场景也有较深入的落地。

对应着10个场景，市场上众多供应商也在布局AI识图解决方案。以下列举了在各行业的一些垂直方向上的部分代表性解决方案。

由于底层技术的共性，在特定场景成熟基础上，一些供应商也会在擅长的行业，逐步扩展布局多个场景。

例如羚数智能就陆续推出覆盖了生成式设计、质检、审图、版本对比等多个场景的系列Agent，在船舶、电力装备和航空航天头部企业有了较多落地，在向汽车零部件、服装等行业推广拓展。

雪浪云也在基于图零大模型继续开发零件相似搜索、版本变动对比等功能，后续陆续推出。创新奇智的iPID也在沿着"读图—审图—生图"的路径推进。

鼎捷也基于CAD图纸识别开发了5个方向的系列Agent：相似零件搜索、成本核算、快速报价、多版本报价方案分析、CNC加工编程等。

鉴于很多AI识图应用场景非常细分，每个具体方向的潜在市场空间并没有非常宽广，因此不适合没有基础的供应商大举投入，更适合各行业内深耕的解决方案商在现有产品上做加法。

二、AI识图应用落地的关键技术层面问题

一、CAD和PDF识别技术路线不同，进一步提升都存在挑战

企业日常用到的图纸可以分为CAD文件类可编辑、具备矢量信息的格式，以及PDF类不可编辑、纯位图的格式。针对两种不同的文件格式，识别的技术路线也不相同。针对CAD文件一般是程序化提取其数据结构，针对PDF则需要视觉模型识别内容。

目前两条技术路线都在应用，并取得了成功应用落地。但如果要进一步提升识别准确率，两条路线也都面临一些挑战。

如对于CAD格式文件的提取，品览科技总结了4个方面的挑战：

1. CAD图纸数据格式比较封闭。CAD厂商私有格式的数据文件里包含的很多信息并不开放，提取出这些信息有难度。即便有的厂商开放了API，功能上也还是有一定的限制。

2. CAD文件中语义化信息的缺失。CAD文件中很多只是记录了线条坐标信息，并不具备语义信息，例如画4条线围起来表示墙体，CAD文件中只是记录了4条线的坐标关系，并不记录这个围起来的是墙体。类似的还有拓扑关系、几何空间关系，不同元素的组合关系（管道需要首尾连接）等，这些语义层面的信息人看图能理解，但CAD文件中的坐标信息并不直接表示这些信息。

3. 图纸质量不高。一些CAD图纸绘制的质量并不高，存在未封闭、标注尺寸与绘制尺寸不符、图层分类错误等各种问题，这些问题很多人眼都无法发现，给程序化提取带来巨大挑战。例如用线条围成的墙体，如果留有1毫米的缺口没有封闭，人眼可能并不能发现。

4. 图纸数据获得难。作为企业的核心资产，很多企业都不愿意对外提供图纸。即便很多企业自己积累了很多图纸，但实际可能数量不够且质量不高。

PDF图纸的视觉识别方式除了不存在以上的第1点挑战，其它3点挑战同样存在。尤其对于问题3，PDF很多时候是一些老旧图纸，上面可能存在线条模糊、手写文字、污迹等问题，对识图模型的准确率造成显著影响。用友智石开交流时也提到，有的图纸里的文字看起来是文字，实际则是打碎成线段或点，无法直接按文字识别。

PDF视觉识别对于斜线和自由曲线的识别也存在挑战。品览科技建议，查看视觉识图demo效果时，可以重点关注是否绕开了对斜线和自由曲线的处理情况，如果是说明方案还比较早期。

大型图纸在识别时面临的挑战更大，如大型PDF图纸直接进行视觉识别，很容易遇到受分辨率限制识别精度不高和处理速度偏慢的问题，甚至由于文件太大模型无法处理。大型CAD图纸同样面临文件太大模型难以处理的问题。

总装图相比于零件图，不仅尺寸更大，还涉及到图中不同零部件及其关系的识别，识别的技术难度更高。目前一些方案能识别装配图中的文字等基础信息，能识别和处理装配图中图元信息（即能理解图中一部分表示一个零件）的方案还不多，只有羚数智能等少数方案。

针对以上的挑战，不同供应商结合各自场景特点，选择了不同的技术路线，并结合自身特点做了工程优化以提升识别率。

其中较多的选择了PDF视觉识别为主的方向，并采用了先对大型图纸做切分，再针对局部做视觉识别的技术路线。如慧工智能、朗新科技、雪浪云等都采用大模型与小模型混合识别、先切图后局部识别的方式，来提升识别准确率，并通过针对性的技术处理，提高算法效率，增强并行处理大量图纸和大型图纸的能力。

品览科技从生成式设计场景需求出发，选择以CAD文件提取结合视觉识别的方式，采用计算几何学和图卷积神经网络结合的方式以提升识别精度。志丞科技面向加工编程需求，选择了同时支持2D CAD、PDF和3D CAD格式。羚数智能、用友智石开等同时开发了CAD和PDF各类格式的方案，针对不同场景和客户情况灵活选择。

生成式设计和工艺审核与加工编程场景更多时候要面对的是3D CAD格式，由于主流3D CAD已经都是参数化的，文件内包含了有意义图元信息可以直接提取，难度相对低一些。不过志丞科技提醒，即便克服了CAD大厂文件结构封闭的问题，读取出了CAD文件的图元信息，几大CAD厂商的文件对于图元信息的表达和解析也是不一样的，做识别要同时兼容多家也面临挑战。

二、图纸数据依然需要持续积累

不管面对CAD格式还是PDF格式，视觉识别都是目前很重要的技术路线。尽管已经有一些如YOLO的开源视觉识别模型，但要达到好的对CAD专业图元的识别和理解，基于大量图纸的微调和训练依然是绕不开的。

但是，如前文所述，图纸作为企业核心资产，一般不会轻易提供给外部供应商。一些企业在具体项目落地时，可以提供图纸在私有化项目中进行模型训练，但数据无法脱离项目用于其它新项目。市场上虽然有很多开源图纸数据集，但与很多企业实际生产所用图纸仍有显著差异。

所以AI识图解决方案商很多都要靠自己做项目积累、各种手段广泛收集图纸用于识图模型的训练。

雪浪云已经积累了15万张图纸用于图零大模型的开发，志丞科技也积累了10万量级的图纸对识图模型进行训练。品览科技也称积累了百万级别的图纸用于识别模型的训练。简会科技也表示采用了百万级图纸进行底座模型训练。

鉴于图纸数据很难获得，未来随着AI技术进一步成熟，AI生图或许会在AI识图领域得到更广泛应用。

AI质检领域，此前也面临缺少足够缺陷数据的问题，后来很多供应商都基于AI生图的能力，通过AI创建大量缺陷数据，从而用于训练AI缺陷识别模型，取得了不错的效果。羚数智能在一些项目上已经在使用一些自己合成的数据辅助识别模型的训练。

三、AI识图具备通用性，但也具备场景独特性

理论上AI识图是个通用化的底层技术，先识别出图纸中包含的各种信息，然后可以在此基础上开展各类场景应用。

然而，在具体面向场景应用时，并非识别出图纸面上的通用信息就足够，还涉及2个方面的问题：

一是场景隐含的需求信息也需要被识别

面对不同场景应用需求时，需要结合场景需求获取一些额外信息，这些信息可能属于图中的隐含信息，也可能需要从其他上下文中获得。例如品览科技举了个例子：

进行建筑的管线设计时，需要识别墙体、天花板等几何信息，这些信息是直接可以从图纸中识别的基础信息。但管线设计可能还要考虑墙体物理性质（涉及承重）、管道里面流的东西状态、温度等信息。这些信息通用识图时并不会识别和考虑，有些属于图纸隐含信息，有些可能还需要结合场景其它上下文资料获取。

二是垂直场景应用层的功能需求

AI识别出信息之上，还需要结合应用层的需求提供很多额外细节功能，才能真正的使AI识图应用融入用户的工作流。

例如质量检验方案创建场景，不仅需要识别出公差标注等信息，还需要生成符合企业使用格式的质量检验表，不同企业的质量检验表格式并不相同，气泡图的文字格式、大小等内容也可能需要进行修改，雪浪云就在这些方面做了很多工作。这些细节虽然没有技术难度，但决定了用户实际是否真正用的起来。

基于以上特点，目前AI识图在专业解决方案与通用产品方向在同步发展，有的供应商，如雪浪云、用友智石开等，选择做成相对标准化的方案提供，品览科技、羚数智能、朗新科技等更多供应商，则选择提供面向场景的深度个性化解决方案。

四、通用模型识图能力也在增强

今年以来，基座模型能力已经开始向专业领域延伸，Claude正式接入了Autodesk Fusion，网上也有人测试GPT-image2直接生成有模有样的施工图。尽管当前其与各家专业AI识图模型仍有差距，但未来存在取得突破的可能。品览科技看来，未来识图最大的变数还是在底座多模态大模型，如果未来底座模型在空间和拓扑理解能力上取得突破，会对行业有很大的冲击。

当然，一方面AI识图的市场空间对于底座模型公司来说可能吸引力不足，另一方面底座模型公司更难拿到足够的图纸数据，所以这个过程可能并不会很快发生。

即便基座模型能力突破，上层的专业化应用也仍是需要形成专业的解决方案，这些仍是当前这些AI识图解决方案商的优势和经验所在。

“通用模型和CAD原厂发展挺快的，但是在AI识图方面要达到现在AI Coding的成熟度，还很有难度。但底层模型强了对我们也是好事情，很多事情会简单很多。”羚数智能表示。

五、CAD原厂扮演着重要角色

识别CAD图纸自然绕不开CAD软件厂商。目前国内外主流CAD原厂都在积极开展AI+CAD功能的研究，多数在相似搜索、工艺审查与加工编程、图生3D模型等功能上都有布局，在其他识图方向，总体不如各种专业解决方案商的布局和应用落地更快。

考虑到多数CAD厂商商业模式更倾向于提供标准化产品，很多关系到行业知识和上层业务细节的垂直AI识图应用，可能不是CAD原厂的重点方向。部分CAD原厂也在做识图大模型，但可能更倾向提供底层能力，在上层构建开放生态。例如中望2026年发布的AI识图大模型，能够识别文字表格等通用内容和一些建筑专业图元，将能力及底层数据解析能力封装成API接口，在中望CAD365开放平台对外提供服务。

也有CAD原厂重点放在识图基础上的AI生成式设计能力，毕竟生成式设计跟CAD软件本身的使用场景更为一致。

三、AI识图应用落地的关键实施层面问题

在AI快速发展的当下，很多工业企业，尤其是高层，对AI的认识可能存在过高（现在就能完成换人）或过低（现在没啥用）的期待，阻碍了推进AI相关方案的落地。

树立正确的期待——当前AI识图相关方案没有那么高的准确率，但足够在一些场景通过与人协作，减少重复性工作实现降本增效，是开展AI识图项目的重要前提。

对实施过程复杂度有足够准备，并选择合适的合作伙伴，也是供需双方能够快速推进合作，取得实际收益很关键的基础。

一、AI识图+人工审核会是主要应用方式

很多工业企业都希望AI识图后能自动完成很多工作，AI直接替人，因此在立项阶段设定了很高的技术指标要求。

然而，在当前技术水平和资源投入限制下，指望AI识图以达到甚至超越人的准确率完全自动化完成工作并不是很现实。AIE综合交流下来的情况，目前各主流AI识图方案在成熟场景的准确率在90%左右，这是当前技术能达到的大体水平。少数极端情况，如羚数智能做过的最高精度达到98%，也并不能达到100%。同时，遇到新的图纸、新的场景、质量较差的图纸等情况，识别率可能会进一步降低。

在这种情况下，如果要求95% 甚至更高水平的准确率，可能需要大量的额外工程层面的技术优化，成本飙升。然而，AI技术还在快速发展，未来AI技术的发展，可能让当前投入大量资源的工程技术优化变成浪费。

因此，当前对AI识图类方案的应用预期，更合理的可能是采用AI识图+人工审核的人在闭环的工作模式，在大部分非极端场景，由AI识图完成大量重复性工作，提取识别后的内容仍由人工审核、修改和确认，再进入后续流程。过程中AI的作用主要是帮助工程师提高效率，让工程师可以做的更快或者做更多的工作，而非AI识图后完全替代人。

对应的，场景选择上，多家供应商都建议用户从日常重复性工作量大，耗费时间的场景，尤其是流程上本来就需要有人做结果审核的场景优先切入，并跟随技术发展持续迭代升级。

如朗新科技就建议，AI审图方案适合审图人员多，工作量大的公司，如果审图人员很充分，则AI审图方案的发挥空间较有限。志丞科技也建议，从工厂内需要大量的人力编程和审核，需要做大量信息流和操作流的搬运的工作的场景中圈定AI识图类的应用场景，保持开放心态开展交流和测试。

很多高难度场景在日常工作量中占比并不大，可能不是好的优先切入点。

对于一些本身重要性稍低，没有后端专人审核，本就是人抽空去做的场景，从应用需求上对准确率要求反而更高，因为需要AI替代人，并非好的优先切入点。但这些场景中有部分目前能够达到比较高的准确率，可以优先切入，如质检方案生成。

对于难度更高的生成式设计类场景，品览科技建议，不要期待一键出图。很多时候设计工作并不是完全给出最优解的过程，设计约束中可能包含人的偏好等多种因素，例如布线时除了考虑最短作为约束外，线束排布的整齐美观也是很重要的标准。设计约束过多可能会卡住无法出图。品览科技的方案会根据不同的倾向，给出不同方向的多组方案，包括一些突破部分约束的次优解。人和AI通过一轮轮交互，最后才能找到最后的交付结果。

二、充分认识到应用落地层面的复杂度

对于一些简单的场景，如信息提取类场景，有的供应商已经可以提供相对标准化产品，可以直接试用，后再开展后续的推进。如雪浪云的机加工助手直接部署了公网上的SaaS版应用，用户可以去自行找一些脱敏图纸在SaaS上试试效果，如果觉得还可以，再进一步联系具体交流。用友智石开的Agent也提供公有云SaaS版本，并计划后续采用Token用量计费模式，进一步降低企业应用门槛。

对于一些复杂的判断计算和生成式设计类场景，当前仍是以定制化项目为主要模式，且即便供应商在类似场景有了成熟方案和落地经验，企业自身数据质量、流程规范标准化程度等也会对项目实施落地有很大影响，项目落地并非部署系统直接就能用这么简单。

数据质量方面，很多企业、设计院过往其实积累了不少的图纸，但数据数量和质量可能都并不够。品览科技表示，从实践经验看，很多企业、设计院以为自己的上百个项目积累的图纸数据挺多了，但其实也不够多，质量也不高。羚数智能针对企业数据质量不高的问题，专门开发了系列数据处理的工具，处理后的数据才能达到使用的标准。

一些企业也会考虑是否可以自己用图纸训练一个私有专用识图模型，品览科技看来目前似乎走不通，不仅需要的投入很大，而且数据基础不足。在项目开发或应用阶段，结合专业经验选取企业积累的图纸对识图模型进行持续微调，会有助于提升识图的准确率。

流程经验规范和标准化则是审图等复杂场景应用的前提。以AI审图场景为例，朗新科技提到，公司内是否已经形成了统一的标准，并形成了SOP或标准文件对于能将AI识图用起来很重要，如果审查规范还是更多体现在审查人员的个人经验，那当前可能还很难将AI识图落实好。BOM创建场景用友智石开也提到，如果企业的编码规则都不健全，AI自动编码生成BOM图的难度很大。

品览科技也提到，在很多项目实施中，遇到企业有标准，但是人员并未按标准画图的情况，增加了实施难度。同时还有很多项目中，老师傅的经验没有被系统性总结，需要通过多轮的沟通交流逐步提取，这些过程都会增加实施过程的时间和难度。

针对很多企业普遍存在的流程和经验未规范化问题，用友智石开表示，用友有行业最佳实践可以帮助企业梳理物料划分，物料编码，加快基础档案管理规范化和标准化的过程。羚数智能则建议，也可以借助AI识图项目，来帮助企业把设计规范化和标准化建立起来，利用AI工具帮助约束人按规范操作。例如有些工程师过去可能没有严格按企业规范画图，但是有了AI可以逐个审核图纸，发现问题，从而保证设计的规范化。

在充分认识到实施过程难度的情况下，AI识图涉及的应用场景很多，企业可以进行系统性的规划和落地实施，分期进行实施。如品览科技一般会和客户做2-3期的规划，分期进行实施，不追求一步到位。羚数智能很多客户也已经合作了2、3期项目。

在当前行业整体发展还比较早期的情况下，AIE建议，对于有实力的行业龙头企业，可以选择做过相近场景的供应商，共同开展系统化探索，逐个场景拓展应用，并可以共创一些行业化的解决方案对外输出。而对于很多中小企业，AIE更建议先等一段时间，待行业内同类场景的案例进一步成熟后，再去联系应用。

三、选择行业场景专业化供应商和方案

AI识图应用方向众多，不同行业、企业的图纸、设计规范等也有显著差异，因此AI识图方向目前较少有通用型解决方案，多数供应商选择从特定场景开始，在场景内持续深化识别能力和场景应用，并初步在各行业的一些头部企业取得了落地成效，后续逐步向更多企业推广。

由于不同供应商聚焦的行业、场景各不相同，即便市场上已经有不少供应商宣布在开发AI识图解决方案，但其各自聚焦在不同场景、行业上，落到具体方向上的供应商还不多。企业可以优先选择在自身行业和场景上有深耕的供应商开展合作。

四、应用场景详细介绍——信息提取类

4.1 质检方案创建

场景需求

制造企业在零件加工出来后，经常需要进行零件的质量检验，检验零件的尺寸公差、粗糙度等是否符合设计要求（如形成首件检测报告）。外购或外协加工的零部件进厂进行质量检验也要开展类似工作。

开展这类工作时，质检工程师通常需要在测量前，从设计图纸中提取尺寸公差等信息制作成检测计划表，并在图纸上对应的位置进行标注，称为气泡图，结合气泡图和检测计划对零件进行实际检验，并将实际测量结果填入表中，逐项核实加工的零件是否满足设计要求。

气泡图

对于一些自己做设计的企业，检测计划表可以借助一些软件从设计部门给的dwg等CAD格式的文件中提取格式化信息。然而对于一些承担外协加工或专门对外承接加工工作的来图机加工类企业来说，获得的设计图纸更多时候可能只有PDF等不可编辑格式。从不可编辑格式的图纸中提取尺寸、公差等标注信息和在图上标注制作气泡图的过程，需要占用质检人员大量的时间。

为加快这一过程，市场上也出现了一些气泡图制作软件，但大多准确率不高，只能做简单字符识别，对形位公差或复杂参数不理解，应用范围有限。

解决方案及价值

AI识图具备更高的检测精度，可以自动从PDF等格式的图片中提取尺寸公差等信息，并结合上下文理解，自动生成检测计划表，在图中对应位置标注形成气泡图，显著缩短零件检测前准备和生产检测报告的时间。

代表性解决方案：

雪浪云 图零大模型·机加件质检助手

雪浪云基于图零大模型图纸识别能力提供机加件质检助手应用，由AI自动从PDF等图片格式的图纸中提取尺寸公差信息，自动生成检测计划表，并自动在图中对应位置标注形成气泡图，显著缩短零件检测前准备的时间，且相比传统气泡图软件精度更高。

核心功能与特点包括：

智能化自动提取和标注：能够识别PDF、PNG、JPG、Tiff等常见图片格式的图纸，自动提取图中的尺寸、公差、加工要求等参数。能针对整图识别做人工辅助分区以及分区内参数元素的自动识别，分区内参数保持空间连续编号独立。能在原图片或PDF上自动创建带标注的气泡图，基于PDF创建的气泡图仍然为PDF矢量格式。

人工干预与精细编辑：提供AI识别后的人工灵活编辑功能，允许用户在必要时对识别结果进行精细调整，支持按需调整字号、是否基于分区连续编号、序号排序方式等精细调整功能。

自动创建检验准备表：将识别出的参数信息自动填充到模版，或导出成Excel等格式的检验准备表，方便后续使用。也可以对接导出到企业ERP、PLM等系统。还可以导出当前区域清图，满足多场景需求。

低门槛与高效运行：对算力设备的要求较低，NVIDIA 4090单卡级别设备也可以部署。也支持同时对多个图纸文件的并行处理。

持续升级与更新：作为公司的一个独立产品，公司在持续进行功能升级与更新，提供面向用户更加友好、易用的功能升级，也支持根据客户需求进行定制化的开发。

机加件质检助手是基于浏览器的独立应用，提供灵活的交付部署形式，既可以以单个应用的形式私有化部署到企业内部，也提供公有云的SaaS版本供用户试用体验或直接使用。同时，针对没有算力设备的用户，也提供软件+硬件一体机的方式交付方式。

针对不同企业的不同业务流程、表格样式以及不同业务系统接口等，雪浪云也提供定制化的开发支持。

目前机加件质检助手已经销售到金属3D打印、汽车零部件、航空航天等多个行业的企业在使用。

针对更多基于AI识图的应用场景，雪浪云还在基于图零大模型继续开发零件相似搜索、版本变动对比等功能，后续陆续推出。

其它：

类似的解决方案还有羚数智能的图纸参数、公差、符号结构化提取Agent，图纸识别生成质检检验方案Agent，用友智石开检验计划/气泡图Agent，厦门简会科技的AI图纸识别系统等，数匙科技的AI Team也提供灯笼图精准编号定位功能。

发展情况及展望：

目前整个方向刚刚起步，已经在部分典型机加工行业企业得到了应用。

场景方向功能相对通用，适合各类机加工相关行业，能够形成标准化产品，但在易用性等诸多细节功能方面还有很多持续升级和打磨的空间。

目前能够识别到语义层的图纸主要是零件图，装配图尚不能实现有效识别。

4.2 BOM创建

场景需求

电气行业做配电柜、开关柜等设计生产的企业，设计起点通常是来自甲方的电气设计图纸，电气柜企业需要基于图纸提取元器件BOM信息进行报价、生产准备、物料采购，以及后续的安装交付等，识别图纸中的信息是后续各种工作的基础。

来图加工的机加工行业或系统集成类机械企业，基于图纸开展制造时，可能并不能获得原始设计CAD文件，也需要人工识别PDF等格式装配图纸，从中提取信息用于创建BOM文件，用于后续制造流程。

传统此过程主要依靠人工，费时费力，且手工基于图纸编制BOM容易出现疏漏和错误。市场上也有一些基于OCR识别的工具软件，但是在识别大型图纸方面很容易混乱和出错，也仍需要大量人工的参与。

解决方案及价值

AI可以自动识别电气或机械装配图纸中的信息，提取电气规格参数及元器件、BOM明细表信息创建BOM文件，为后续报价、设计、生产提供基础，相比人工识别显著提升效率，避免错漏，还可以进一步关联ERP的库存情况，为报价、采购等提供更准确的基础。

代表性解决方案

慧工智能 Volt Agent电气图纸智能识别系统

慧工智能（原慧工云） Volt Agent 是面向工业图纸理解和业务处理的 AI 智能体，能够把图纸解析、对象识别、信息抽取、BOM 生成和人工校核串成一套完整工作流。方案目前验证最充分、价值最明确的应用之一，是低压电气成套企业的报价准备场景。

面对客户提供的 PDF 或图片类电气系统图，系统可以自动提取柜体参数和一次元件信息，生成可编辑的BOM 初稿；工程师在此基础上完成校核、补充和确认。方案把翻图、找图、框柜、抄元件、整理 BOM 等重复工作自动化，让报价工程师更快获得可用于报价测算的基础数据。

据慧工智能，Volt Agent 可将图纸识读时间从 4–8 小时/套缩短至 10–30 分钟/套，典型 50 页系统图可在约 10 分钟内形成初步识别结果。

具体流程上，Volt Agent 会先对项目图纸进行拆页、切分和分类，识别系统图、原理图、布置图、材料表、封面目录等页面类型；随后在系统图中定位每台电气柜，抽取柜号、柜型、额定电流、回路数、进出线方式等关键参数，以及一次元件的物料名称、规格参数、数量、单位等信息，形成结构化 BOM 明细。

相比只做文字抽取的通用 OCR，Volt Agent 更关注图纸对象、业务字段和上下游关系，BOM 行可回溯到来源图纸和柜体区域，便于工程师快速核对。在页面分类环节，系统并发完成 10 份子图识别和归类约 20 秒，传统人工这一过程可能需要约 30 分钟。

Volt Agent 的能力边界不限于低压电气成套图纸。系统底层采用“图纸解析、页面分类、局部对象识别、多模态信息抽取、结构化输出、人工校核”的通用框架，并支持图纸类型、提示词、字段模板、模型和参数配置。低压电气成套是当前验证最充分、投入产出最清晰的样板场景。在有足够行业样本和业务规则沉淀的前提下，同一框架可以继续扩展到图纸信息提取、审图、报价、质检、工艺审核等更多场景。

识别结果经人工编辑、补充和确认后，可以一键导出 Excel，作为报价、采购和生产准备的基础数据；后续也可按客户需要对接 ERP、采购等内部系统，进一步关联库存、物料编码和报价规则。

在关键环节，系统允许人工调整页面分类、柜体检测框、参数和元器件识别结果，形成“机器先处理、工程师再确认”的工作闭环，既能减少重复劳动，也保留专业人员对关键结果的判断和把关。

Volt Agent 还提供 AI 对话助手，工程师可以用自然语言触发图纸解析、柜体识别、BOM 导出等工具调用，降低系统使用门槛。

交付方面，Volt Agent 支持私有化部署、严密权限管控和操作留痕，适合图纸涉密、流程需要本地化落地的企业。标准试点环境下可快速部署，典型 POC 可在约 3 天内完成环境搭建和首轮验证。

目前方案已在多家低压电气成套企业的真实项目中得到应用，适合需要快速提升报价效率、又对图纸安全有较高要求的制造企业。

除了 Volt Agent，慧工智能长期服务电气及制造业客户，还围绕报价、标书生成、审图、Agent平台建设与开发培训、智能产线和行业软件等方向形成40+Agent的IN-A工业领航智能体系列，覆盖质量、供应链、营销、排产等制造运营各领域，帮工程师节约“查、抄、核、整”的时间，提高运营效率。

用友智石开图纸智能解析助手

用友智石开推出了面向来图加工、系统集成等机械制造类企业的简单易用型图纸智能解析助手，通过多模态识别装配图纸中标题栏、BOM明细表、技术要求等内容，在对提取信息进行解析和映射的基础上，创建结构化BOM表，并支持自动写入BIP等PLM或MOM系统。

方案同时支持PDF等图片类格式和dwg等CAD格式的图纸的识别和提取，并以3种形态提供给用户：公有云SaaS应用、YonBIP平台（用友提供的Agent开发平台）上的数字员工Agent、结合YonClaw（用友的企业级Claw）的Skills。

方案目前以用友BIP产品系列中的功能模块的方式进行提供，但也兼容第三方Agent开发平台和Claw，支持对接各类三方PLM和MOM等系统。

用友智石开在识图解析提取BOM的基础上，还开发了检验计划/气泡图Agent（可以批量生成已经标注的PDF文件和对应的检验计划表），AI审图Agent（审查标题栏完整性、标准件合规性、明细栏规范性、图纸尺寸及技术说明完整及合理性）。

方案已经在智石开的一些客户企业得到了成功验证。

相关方案后续还计划以应用免费，通过Token用量的方式计费，以进一步降低企业使用门槛。

发展情况及展望

相关方案目前仍处于起步阶段，在部分企业得到了初步应用。一些方案初步识别了装配图中结构化信息的识别，对图中内容更深入的识别还有待发展。

识别出BOM只是第一步，后续还有很多工作可以在此基础上通过其它Agent进行实现，从而逐步构建从图纸到最终安装交付的全流程智能工作流。

4.3 相似搜索

场景需求

2个子场景

相似零件搜索:工程师在设计新零件时，可能希望在企业一个过往零件的基础上进行修改，或者直接从过往的相似零件中选择合适的直接使用，由此避免重新画一个新零件，减少资源和时间浪费。此时需要在给定一个现有零件的图纸的情况下，搜索出历史库中与图纸中零件相似的零件。

类似场景还有很多，例如客户以零件图纸或照片的形式给出需求，需要快速从企业产品库中找到相对应的产品等。

相似图块搜索：图纸定稿阶段，清理未使用块绘制的图纸时，需要将图纸中所有相似的对象识别出来并自动调整为块对象。

传统的技术很难实现人眼理解的零件“相似”的搜索，AI则提供了这种可能。

解决方案及价值

AI经过训练可以识别视觉上的相似结构，根据输入的CAD图纸、文件等，并搜索出类似的零件或图块，用于后续流程。

AI相似搜索功能可以内嵌在CAX软件中，省去人一个个查找的过程，大大提高查找效率，方便重用过往零件减少浪费，也方便快速将CAD图纸规范化，用于后续流程。

AI相似搜索并不直接从图纸中提取信息并输出，但是可以理解为隐式的提取了图纸中零件的特征信息，所以划分在信息提取类场景。

代表性解决方案

中望CAD智能块功能

中望CAD的智能块功能：用AI识别DWG等图纸（如来自3D软件导出、历史图纸等）中，相同和相似的图形块，方便进行相关修改。可以识别的包括不同比例、不同角度、不同线性、颜色等的相同图形块，或查找相似的图形块。

其它：

其它很多CAD厂商和第三方解决方案商也都推出了类似功能，如：

• 西门子NX的选择相似的面或组件功能：识别并选择几何相似的组件，也可以定位并选择跨多个组件的相似面，使用户能够执行批量操作。

• 西门子Teamcenter Copilot的基于照片查找相似部件功能

• 华天软件的皇冠CAD AI助手华小云的智能搜索功能：在历史模型库中检索和推荐与当前草图模型相似的模型

• 新迪天工CAD AI模型搜素/搜图功能：在历史模型库中搜索与当前模型形状相似的模型，从而避免重复建模

• 鼎捷推出的以图搜图Agent

• Autodesk AutoCAD的智能块搜索与转换功能：搜索与选择几何图形相似的对象，并转换为块，特别适用于清理未使用块绘制的图纸、使用非AutoCAD应用程序创建的图纸或从PDF等其他文件格式导入的图纸，目前最擅长检测平面图中的建筑元素。仍在技术预览阶段。

发展情况及展望

在制造领域，相似搜索主要体现为查找相似零部件，而在建筑领域，查找相似图块的场景更为多见。

相似搜索功能对训练数据集的要求较高，因此目前很多相似搜索功能还属于比较初期的阶段，很多尚处于测试阶段，场景通用性也还不高：大多在训练数据集范围内的特定类型零件能取得较好的效果，超出训练集的新零件的检索准确率则会下降。

建筑行业由于图块标准化程度相对较高（如门、窗、楼梯等画法比较固定），所以进展相对更快。制造领域查找相似零部件的特征变化更多，加上很多时候需要的输入是3D模型文件，而不只是2D 图纸，查找相似技术难度相更高，因此进展相对慢一些。

未来相似搜索无疑将会是CAD和PLM软件基础必备功能。

除了CAD和PLM，CAM和CAE软件也都存在相似搜索功能场景，如：

一些CAM AI助手通过相似搜索功能，查找相似的工艺结构，从而复用过往的加工计划。如Manukai CAM Copilot。

CAE前处理软件通过相似搜索功能模型清理时快速选中类似的结构，如Altair（现西门子旗下）HyperMesh里面的“Classify”和“Match”功能，对相似模型进行分类和查找相似。

五、应用场景详细介绍——判断计算类

5.1 版本对比

场景需求

设计阶段，设计人员在对设计图纸进行最后的确认和清理时，需要通过对比，确认之前版本的修改已经在新版本体现，避免遗漏。

施工/生产阶段，建筑施工和机械加工人员可能前后收到多版本图纸，但由于不同版本图纸前后变化较少，需要花费较大精力详细查看不同版本变更的地方，费时费力，且容易造成疏漏。

解决方案及价值

AI版本对比工具自动识别和对比不同版本的图纸，将变化的地方进行高亮，方便使用者快速掌握变更点，同时避免可能的疏漏。

代表性解决方案

羚数智能图纸变更点智能捕捉识别 Agent

图纸变更点智能捕捉识别 Agent面向船舶制造、建筑等领域，通过接口自动获取变更图纸，识别红色云线区域，生成带页码的变更清单，快速定位变更点。识别的同时同步构建数字化签章流程，设计师确认并压签云线，文件本地存档且支持分批操作，确保变更确认可追溯。

识别的基础上，还可以设置变更点跟踪机制，快速定位未完成节点，并自动计算焊缝长度与工时，为成本核算提供数据。

其它：

浩辰CAD 2026新增了“DWG比较”功能，通过直观差异标识帮助设计人员快速理清图纸改动信息，通过颜色与云线的双重标识，设计人员只需要浏览图纸，就能快速掌握所有改动细节，告别靠记忆追溯改动的模式，也避免了因为遗漏改动点导致的设计问题。

深圳供电局“一键审图”AI设计评审智能体也包含版本对比功能，可自动解析图纸与文本资料，并完成改造前后图纸与设计说明书内容的自动比对。

发展情况及展望

目前有部分CAD软件提供了相关功能，未来很多CAD可能都会将版本对比作为内嵌功能提供。

面向加工和施工人员，也有一些供应商在提供针对性的PDF等格式图纸版本比对的AI工具，应用还比较早期。

由于版本对比功能与审图等功能接近，也有很多供应商会将相关方案合并嵌入审图解决方案中。

5.2 重绘

场景需求

流程行业的一些运行多年的工厂，对管线改造设计时，需要在可编辑格式的CAD图纸上开展设计，然而实际可能只能找到老旧的不可编辑设计PDF图纸。其它很多对建筑进行管路、风水电等改造设计的场景，都可能面临类似的情况。

机械行业也有类似情况。如对供应商的零部件设计进行一些验证工作，但外部供应商或合作伙伴只提供了PDF图纸。或为老旧设备生产一个新的备件，然而只有PDF图纸，需要对照图纸手绘一个可编辑图纸。或者有些企业接收到的国外图纸，需要转绘为国内标准。

传统只能依靠人手工抄图，费时费力。

解决方案及价值

AI自动识别老旧PDF图纸，自动在CAD中创建同样的可编辑的CAD图纸，节约人工时间。

对照2D工程图生成3D模型也属于广义的抄图，但是因为涉及到3D建模，所以划分在了生成式设计类。

代表性解决方案

创新奇智与Bentley联合发布的iPID

创新奇智与与Bentley联合发布iPID（Intelligent Process Piping and Instrument Diagram智能工艺管道和仪表流程图），面向石化、冶金、电力、制药等行业，可将传统图片格式的 PID 图转化为可交互、可分析、可扩展的智能 PID，真正理解图纸逻辑 — 精准识别并生成设备、管线、管件、阀门、仪表等多类组件，自动识别设备管口、管线、连页符等关键连接关系，还支持域外组件的智能识别，正在宝钢等头部客户推进落地。

生成的CAD图纸

在旧改项目场景下，用户只需将老旧PDF图纸导入iPID，即可快速识别老旧图纸内容并可选择新的出图标准，生成新的智能PID图纸，从而提高改造项目的实施效率。

创新奇智也在沿着"读图—审图—生图"的路径推进iPID的深化。

其它：

浩辰2026年发布了AI图片转CAD功能，一键将图纸转为可编辑矢量文件。无锡超脑科技的AI企业宝小程序，也支持将JPG、PNG、TIF等多种图片格式转换为DWG、DXF等CAD格式。紫光云紫鸾工业图纸大模型为大型精密制造企业提供英文图纸解析，并转换为国标格式。

发展情况及展望

单独的AI抄图解决方案尚不多，且由于抄图后一般还需要开展其它工序，很多供应商也会将抄图作为更广泛的方案中的一部分进行发展。

未来很多CAD厂商或也许会将该功能作为基础功能添加到CAD软件中。

5.3 审图

场景需求

设计师画完CAD图纸后，在图纸冻结前，都需要进行多轮图纸审查，审查图纸是否有错误，是否符合行业和企业的设计规范要求，是否可加工制造等。这一过程主要依赖人的经验完成，费时费力，且可能出错。

2025年Colab联合Global Survey开展的一个针对大中型欧美制造企业的调研显示，250个被访者团队平均在过去一年开展图纸评审超过3.5万次，16%的团队图纸评审超过5万次。

电力行业，商超、工厂等用电企业在委托三方完成电力方案设计后，需要将电力设计工程图送到供电公司审核，审核通过才能施工。电网公司自己的电力扩容、输电线路改造施工项目电气设计图也都要审核后再进行施工。

图纸审核不仅涉及到对图纸的识别理解，还涉及到上下文理解以及对照设计规范要求的检查等，过去的基于OCR技术的方案效果并不好。

解决方案及价值

基于AI的审图智能体，可以结合设计规范等，对图纸中的错误、规范符合性等进行审查，从而减少人的劳动强度，提高设计文件规范性，避免可能的人为疏漏。

代表性解决方案

朗新科技电力工程图纸智能审图员

朗新科技的电子工程图纸智能审核员，采用“AI初审+人工复核”的方式，针对电力客户工程和基建工程两个场景，进行图纸的智能识别和审核，已经在北京、江苏等省网的供电局投入应用，正在更多的供电局和电网集团层面落地。

智能审核员以电力图纸知识图谱为基础，采用大小模型结合的架构，基于视觉方式，对PDF等格式的电子工程图纸进行识别和审核，采用“版面分析-区域解析-融合重构”三级架构，先对复杂图纸进行版面解析和拆解，之后通过多种模型对各区域设备符号、电气连接、空间布局等进行精准解析，最后通过位置信息关联各区域解析结果，构建结构化数据关系链，既保留原始图纸的设计逻辑，又通过位置关联和语义校验实现多区域信息的深度融合，为后续的智能审图提供了输入基础。

审图过程结合了国家规范、电网公司资深规则条款等，形成上百条审查要素规范，对图纸内容进行审核，并将审核结果在PDF右侧进行标注，同步在图中对应位置高亮标注，方便对应和查找。一些复杂区域，也可以由人框选区域，AI实时提取反馈图元信息，由人进行后续审核。

智能审核员以解决方案形式向供电公司等提供，由于不同地区供电所、不同电力设计公司审核规则并不完全相同，方案积累了一些通用规则和规范 ，也可以针对具体供电公司的审核规范等做定制化适配。项目实施时，朗新也会提供专家对企业当前图纸的质量进行检测和把控，从而保障客户效果。

朗新科技在电力行业深耕多年，相比于AI技术解决方案商更熟悉电力业务，公司也表示，目前在审图项目落地数量也处于行业领先水平，在图纸和审图规则积累方面有更多的积累。

羚数智能装配图审核系列Agent

羚数智能针对船舶、电力装备、航空航天等复杂装备行业，总装图大而复杂，人工看图相对零件图更加费时费力的情况，推出了多个装配图审核的Agent，如多图装配匹配度审核Agent、多部件图纸与总装图纸规则审核Agent等。

审图Agent首先对装配图的不同零件进行识别，切分成小图后对各个零件进行更具体的识别，之后，结合识别的信息和审图规范，审查零件部图和总装图的基础错误、尺寸一致性与公差配合性、多视图中部件的空间位置连接逻辑一致性、装配干涉情况、对比不同版差异点等。

审图Agent将一条条审核规范从文本形式转化为可执行的脚本，由Agent在审核时动态调用。审核规范可以在使用阶段随时进行修改和调整，用户也可以为不同的产品匹配应用不同的审核规范。

审图Agent不仅可以审核单张图纸，也可以可以直接针对一套装配图纸进行审核。

方案以解决方案形式提供，实施时会结合用户实际图纸对模型进行微调，提升识别精度。

审图系列Agent已在中国电气装备集团等企业落地应用，大幅缩短图纸校验周期。

其它：

电力方面，面向电力施工图等，海颐软件也推出海颐智能审图平台。深圳供电局打造了“一键审图”设计评审智能体，试运行期间累计完成1000份数据清洗与1000余张图像标注。河北省电力设计院等也部署了AI电力工程施工图纸智能审查系统。国网浙江电力上线“智审云图—电力工程全链路智能审图平台”。

制造业审图方面，国外的Colab 基于过往平台上积累的设计标注和评审讨论，在2025年推出了AI 智能审图Agent：AutoReview，自动检查图纸和模型的错误、不合规范的地方、制造工艺问题。

国内，慧工智能在26年4月发布了慧工智能审图专家智能体。用友智石开推出多模态图纸解析与审查方案。智工工业大模型也推出了AI审图数字工人，在北方某设备制造企业落地。

国内外建筑行业，AI审图的解决方案持续涌现，如：Stru AI、Bluebeam收购的Firmus AI，发布的Bluebeam Max，广联达 BIM施工图智能审查系统、构力科技 PKPM-AIChecker、帮图建筑AI智能体、清华大学软件学院BIMChecker Group研发的“图智”-PDF工程图AI识别与审查重建系统，同济大学科技园孵化企业上海筑峻科技开发的BlueprintAI审图智能体等。

发展情况及展望

AI审图在电力、制造、建筑等领域都有了一些初步应用，当前主要在基本错误、规则的审核方面可以达到不错的效果。以上Colab的调研显示，74%的多数受访者认为当前在图纸审核的基本错误审核方面，AI表现已经可以超过人类。而对于隐形规则、数值型内容、复杂的判断等，当前的AI能力尚不足。

建筑行业AI审图发展比机械行业更快，住建部以及多个地方政府都出台了“AI+住建”行动方案，推动建设AI+BIM智能审查系统。

AI审图审查能力的潜在发展空间很大，但中间面临的挑战也很多。简单的审查可能只涉及一些基本错误、规则，更深入的审查则涉及到企业的专属规范，不同行业、企业的规范可能并不相同，同一企业，不同时间，不同产品的审核规范可能也不相同。

更复杂的情况是，很多企业的审核标准和规范隐藏在资深工程师的脑子里，没有显性化形成文档，甚至不同审核人员的标准也并不完全一致，AI审图需要结合企业人员实际使用沉淀学习隐形的审查原则规范，难度更高。

由于技术难度较高，企业间差异巨大，AI审图较难快速规模化，会在不同行业，不同细分场景下逐步应用和落地。

通过Skillls沉淀审查规范和经验的技术路径，朗新科技等企业已经在应用探索。但朗新科技交流时表示，受限于私有化部署的模型能力等因素（使用OpenClaw龙虾的很多朋友可能有感受，不同模型的效果差异很大），稳定性还需要继续提升。

5.4 报价

场景需求

机械行业很多来图定制加工或非标自动化设计，需要根据设计图纸，识别所需的物料，加工工艺等信息，从而进一步给出报价。

建筑行业类似，需要结合设计图纸进行算量，计算出一个建筑工程项目中各个分部分项工程所需的人工、材料、机械台班的具体数量，从而也是为报价提供基础。

报价对于企业是否能够获得订单和自身盈利非常重要，非常依赖资深人员经验，报价错误可能造成企业的显著利润损失。

解决方案及价值

AI可以在识别图纸中结构、元器件信息、工艺特征的基础上，结合报价数据库信息，给出方案报价，从而减少人的工作量和潜在的错误，提高企业订单的盈利水平 。

代表性案例

应用案例：皮休车轮AI报价系统

皮休车轮是为车轮制造提供非标自动化装备的企业，为各种车辆的车轮相关零部件提供自动组装检测设备及产线。

皮休车轮联合浙工大和数产公司开发了AI报价系统，由AI代替人工识图，自动完成图纸智能解析、成本自动核算与报价单生成，报价效率提升80%以上，误差在5%以内。

其它

机加工领域，海智在线也推出了可供工厂使用的智能报价器，并支持工厂自定义加工设备与工艺参数。腾一科技的AI图纸识别功能也可以自动识别图纸中的工艺流程及材料用于报价。鼎捷也推出了基于图纸识别的技术选型与报价推荐Agent。思渡AI推出了CNC智能体，支持对PDF格式图纸的智能核价、质检方案生成、智能工艺路线下发等功能。

PCB方向，点漾科技推出了AI智能体进行PCB报价参数的提取。赛意推出的PCB工程助手也可以自动提取图纸工程参数，用于报价。能科科技也推出了AI图纸识别解决方案，为报价提供支撑。深思科技推出PCB报价智能体。

建筑行业，基于AI识图更多用于算量，也是报价的基础，相关方案有H2 AISekisan，帮图科技AI识图智能体等

发展情况及展望

AI报价不仅涉及到识别图纸中的信息，还设计到企业内部工时、工艺价格核算等内容，涉及因素较多，需要有较深厚的实际数据积累才能达到较高的准确率。很多方案目前更多处于提取工艺参数的阶段，为报价提供基础，只有少量方案和案例能够完整的形成最终报价。

5.5 工艺审核与加工编程

场景需求

DFM审查：产品设计完成后，需要进行可制造性审查工作，由熟悉加工工艺的工程师审查零件的设计是否可以被正确的加工出来，如果有加工方面的挑战，需要反馈给设计人员进行修改。

工艺编程：设计完成后，加工工艺工程师需要识别零件工艺特征，结合工厂实际加工设备和工艺能力，编制具体的加工工艺路线，并最终生成加工刀具路径，下发到设备进行最终加工。

两者都需要识别零件的设计是否符合加工要求，并结合深厚的经验，进行针对性的加工工艺路径编程。这一过程比较耗费时间，同时对工程师的经验要求较高。

解决方案及价值

AI识别零件的工艺特征，审查零件的可制造性，自动生成工艺路径，编制加工程序，减少人的工作量，提高工艺路径编程效率。

代表性解决方案

志丞科技寸铁Agentic AI寸铁智能体

志丞科技推出“寸铁Agentic AI”工业智能体，可以识别2D（CAD或PDF格式）及3D格式各类机加工结构件设计图，自动提取PMI信息，识别面、槽、孔等工艺特征信息，输出对接到CAM等软件，辅助工艺工程师更高效的完成工艺编排和加工编程等工作。传统方式需要多位工程师花费数周解析的复杂图纸，寸铁智能体仅用3～5天即可完成智能解析，使生产准备效率提升80%以上。

解决方案主要以项目制方式进行交付，产品目前主要对接西门子NX CAM体系，也支持对接其他CAM系统，解决方案也可以以独立软件系统的方式交付。收费模式除了买 断制，也提供订阅制、按产线数量收费、按图纸识别量收费等多种灵活的收费方式。

志丞科技创始团队之前在百度从事文档智能化项目，凭借创始人自家长期经营机加工行业的背景，积累了10万量级的机加工图纸和工艺编程相关数据和经验。

团队和西门子、鼎捷达成生态合作，共同推进解决方案落地。目前客户主要在长三角、山东、台湾等地，客户覆盖汽车零部件、模具、非标件OEM等行业企业，已有数千个品类的产品在使用。在单一客户有的应用达到几十条产线。

除了属于国内较早开展AI CAM方向的团队，在项目积累和产品功能迭代方面形成领先，公司也重点在推动高效率的项目交付，力争在一周、半个月内完成项目交付。

其它

国内青翼软件也推出了AI CAM工艺审查和智能编程的工艺智能体。羚数智能也推出工艺路线智能生成智能体。深工院基于富士康团队工艺积累，也推出了智能 DFM（可制造性分析）服务。

国外也有不少AI CAM助手解决方案，都是作为主流CAM软件的AI插件，为CAM软件提供辅助编程工作，如CloudNC CAM Assist，Toolpath，Up2Parts autoCAM，LimitlessCNC Agent，Manukai，Lambda Function等

发展情况及展望

国外AI CAM助手发展较快，一些创企都推出了AI助手并与几大CAM巨头形成深度合作或方案集成，如Autodesk投资Toolpath，Mastercam已经集成CloudNC的AI助手并通过官方进行联合销售。

AI DFM审查和加工编程会首先在非标机加工领域落地，目前还处于小范围应用测试阶段，预计未来几年会小范围应用落地。

六、应用场景详细介绍——生成式设计类

6.1 图生3D模型  

场景需求

对老旧的设备、工装夹具或老款产品进行维修改造，找备件，或者进行产品的逆向工程，接收来自外部的图纸时，可能拿不到可编辑的CAD图纸，只能找到PDF文件甚至是手绘的图纸，这时需要结合图纸生成3D参数化模型，传统只能人工对照图纸进行手绘。

解决方案及价值

AI 建模工具可以识别已有的2D工程图，并在CAD中自动创建出3D参数化模型，从而减少人工去建模的时间。

代表性解决方案

SP3D公司的Theia平台

SP3D公司推出的基于2D图纸直接生成3D模型的云平台，通过AI识别2D图纸，创建对应的3D模型。提供在线的云平台，直接上传图片格式的图纸（PDF、png等），在平台创建3D模型供下载

Theia分为2个模块

THEIA Sketch：自动生成近似形状3D模型本身，提供STEP格式下载，更多用于展示、报价、AVR等

THEIA Design：生产可用于加工和仿真的精确3D模型，提供STEP格式下载。

其它：

达索系统在2月份的3DEXPERIENCE World 2026上，推出了3个新的AI：AURA、LEO和MARIE虚拟伙伴，并现场演示了一个使用LEO对话式从一张PDF工程图生成参数化的3D零件的DEMO。

生成的参数化3D模型

建筑方向也有一些基于2D图纸创建3D BIM模型的解决方案，如浩辰发布AI楼梯建模工具：自动识别二维图纸，完成三维重建与规范审查。AmpliFY可以基于PDF图纸生成3D BIM 模型。

发展情况及展望

从图纸识别零件并创建3D参数化零件模型整体技术难度较高，目前真正投入商用的解决方案很少，很多还是技术Demo和测试，主要也是一些针对特定类型零件的方案，装配图尚且还不能识别，建筑方向因为相对标准化程度更高，相比机械方向发展更快一点。

未来一段时间，可能针对特定零件的方案能够率先落地应用，相对通用的方案可能还需要较长的时间发展。

6.2 空间二次设计

场景需求

建筑行业，需要在建筑空间结构设计出来后，进行建筑内部水、电、气、暖通等专业的管线布线、阀门设备安装等设计。

电气行业，配电柜设计时，也需要在配电柜柜体设计的基础上，进行柜内电气设备和走线的排布。

类似的场景还有海上电站、海上钻井平台等各类场站的管路设计；挖掘机、汽车、船舶等各类机械装备内部的电气走线设计、装置设计；化工厂的管线、阀门、装置布置设计等

以上场景的设计都需要工程师结合现有空间设计的基础上，基于专业经验，进行更具体的设计，同时需要花费大量精力和算法研究如何实现优化布置，且还不能保证最后形成最优化设计。

解决方案及价值

AI在识别和理解了建筑、设备等空间设计图的基础上，在空间内进行管路、布线等设计，并自动结合一些设计原则，生成优化的设计方案，大大减少人工设计的工作量。

代表性解决方案

品览科技：多智能体协同的端到端生成式设计解决方案

品览科技面向机械装备、工厂、场站、建筑空间内的管线、设备布置等场景，提供多智能体协同架构的端到端生成式设计解决方案。

方案识别输入主要是CAD格式图纸，不仅包含2D图纸，还包括3D CAD和BIM图纸，并且正在更重点的基于3D进行识别和设计。

方案在空间图纸识别阶段，采用计算几何学和图卷积神经网络结合的方式，基于积累的多种CAD文件提取工具，从矢量的CAD设计文件中提取信息，识别出对于后续设计有意义的空间结构信息，如建筑墙体、船舶隔仓、钢结构、酒店房型、工厂厂房等。

方案采用的混合识别算法，针对大型图纸相对比传统CV算法有更高的精度，对算力的要求也较低，1分钟能够识别几十万图元，对一个普通户型图的识别只需要几分钟，在保持同等水平的精度的情况下将处理时间缩短了一到两个数量级。

除了以上结构，品览科技还积累了对包括安装光伏相关的向阳面、屋顶识别，电力规划图中水体、农田、道路，电塔识别，GIS数据道路情况识别等场景的识别功能。针对流程行业的PID图（工艺管道和仪表流程图），品览科技也积累了相对标准化的识别方案，如果可以提供图例表，则可以不经过预训练过图例表进行比对匹配。

品览科技将不同行业场景的识别算法封装成系列功能模块，针对具体项目上实际图纸构成，将不同视图模块自由组合为所需的识图工作流，以适应各类场景需求。

识别的基础上，品览科技的方案也包含了对图纸的错误修复，例如自动将线连成的不封口的建筑空间进行封口，自动将图元放置到正确的图层等。针对没有规范图层信息的情况，系统也可以通过学习图层命令规律，将图元放置到合理的图层。

图纸信息识别提取后，品览科技通过自己的一套数据结构存放在云模型处（私有云&公有云），供后续的其他Agent进行操作，如具体管线、暖通的生成式设计等。最后将Agent操作结果（新的设计）回到原设计软件和工作流。

通过以上方案，品览科技在电力、造船、半导体、机械设备、化工、建筑等行业完成了很多生成式设计的场景解决方案和落地案例，如：

• 泵站两路售前方案AI设计

• 冷藏集装箱研发设计方案自推荐

• 船舶舾装一体化AI设计

• 风电海上升压站AI管综平台

• 石油化工PID配管生成等

典型应用案例：海筑绘 空调AI方案设计平台

品览科技与海尔合作的空调AI方案设计平台，基于房间设计图，生成完整的的中央空调安装方案。传统设计方式往往需要13～20小时，海筑绘仅需10分钟。

“海筑绘”还能精确计算每个房间的制冷、制热需求，并从产品库中智能推荐最合适的机型。设计的方案一方面能让用户直观预知空调效果，了解空调对建筑空间的影响、室内开启效果、室外机散热效果等，另一方面也能将施工所需的施工图、工程量清单、负荷计算书等专业内容提交给施工人员。

其它

建筑行业，中建八局一公司发布了瓴维·智架：BIM模板脚手架设计软件，自动识别DWG图纸，快速生成三维BIM结构。迈烁集成也发布了一个面向PID的3D建模自动化管线。

电气行业，羚数智能推出了2个Agent：配电柜元件布局图自动生成Agent，自动生成回路布局图；电力二次方案图纸自动生成Agent，解析一次图纸，生成二次方案并自动识别导出标牌。万榕信息依托万控智造在电气机柜行业的长期积累，联合腾讯开发电气柜智能设计方案，通过识别图纸，智能匹配库里的元器件，自动生成图纸、3D模型、BOM直到加工代码。良策金宝也推出了AI的电气设计智能体，能在5分钟内完成10kV配电室全套图纸，表称图纸自动化率达92%，经243个真实项目验证。

汽车行业，泊松软件推出Vertex设计智能体，并在开展汽车白车身设计探索。

发展情况及展望

面向生成式设计的解决方案不仅需要包含识图模块，还需要包含很多其它模块，需要形成端到端到端的完整解决方案，整体技术难度较高，目前主要是在特定场景实现了从初步验证走向小规模落地应用，如电器柜设计和流程行业管线设计。

生成式设计的解决方案的潜在应用价值相比其它单点识图应用的价值更高，还有更多的场景有待发掘。

由于潜在场景需求差异较大，一段时间内可能主要是在特定垂直行业、场景能够形成相对通用的完整解决方案。

七、逐步连点成线，实现全流程的智能化

当前阶段，AI识图刚刚兴起，只在一些头部企业的个别场景开展了试点和小规模应用，应用方式更多是在一整个工作流中的特定环节缩减一些重复性工作，提高效率。

但正如前面提到的，图纸在企业间的不同环节在流转，在各个环节逐步应用AI识图的基础上，未来或许可以将多个AI场景串联起来，构成更加流畅的全流程的端到端智能化工作流，从而更进一步的提升很多业务的工作效率。

例如，来图加工类的机加工类企业，来图后AI识图报价，AI识图提取加工工艺，生成加工计划，AI辅助完成质检等。各环节串联后，AI发挥的价值将比当前的单点提效进一步放大。

当然，这一过程并不会很快。AI识图不同行业、场景应用层需求差异很大，不同企业经验标准化沉淀程度不同，走的慢反而能走的稳。

写在最后

最后，本文写作过程中得到了雪浪云、慧工智能、朗新科技、品览科技、羚数智能、志丞科技、用友智石开等企业的大力支持和帮助，在此表示感谢！

受限于作者能力和知识水平，文章如有错误或问题，欢迎批评指正！

AIE还在规划更多AI+研发、生产、经营等领域取得实际落地场景的相关文章，如CAE代理模型、生成式设计、AI招投标、企业级知识库建设、智能问数、本体建设、AI+设备管理、AI+节能、无人工厂智控、AI 排产、汽车等特定行业AI应用等，也欢迎相关供应商或用户企业与AIE联系（vx15011560163），共同为行业带来AI在细分领域最新技术和应用进展，帮助更多企业更好的开展AI应用落地。

扩展阅读：

AIE的AI+研发系列过往相关专题文章：AI+CAD、AI+CAE、AI+CAM、AI+PLM、AI+ALM。