透过Codex/Claude一句话建模仿真背后的流量生意，看真正的方向和进展

怎么吹起来的

Cai-aa/text-to-cae则是在5月份跑通了Codex连接Abaqus实现建模→物理设置→求解→后处理全流程。

Foam-Agent项目则是跑通了基于OpenFoam的AI驱动CFD全流程。

几个跑通了AI CAD、AI CAE流程的开源项目，引发了不少爱好者的跟进探索，一些营销号也就借机开始渲染Codex一句话建模、仿真了。

但是懂行的人都明白，你在家手搓一个四轮车能跑，和造出一辆能安全上路行驶的汽车，完全是两码事。

实际怎么个情况

以Codex 自然语言CAD建模为例，目前的技术路径基本分为3类

1.直接生成DXF文件。Codex是可以直接创建DXF文件的（生成 Python 代码调用 ezdxf或 build123d库，在本地运行后产出标准 DXF 文件），但是显然这并不直观，也不好修改，因此不是主流的方向。

2.联合大模型和CAD建模内核，构建一个原生AI CAD

3.Codex通过MCP连接CAD、CAE软件，将自然语言转为CAD软件的命令，输入CAD软件进行执行。

在大量用户保有CAD软件的情况下，这显然是最合理的路径。

这条路径的关键，是需要有CAD、CAE软件的MCP。

目前主流机械行业CAD、CAE软件中，除了Autodesk Fushion，其他的都没有官方MCP。（建筑行业Autodesk旗下的Revit、SketchUp提供了官方MCP）。

Autodesk Fushion 目前提供了对接本地Fushion的Autodesk Fusion MCP Server和对接云端Fushion的Autodesk Fusion Data MCP Server，提供了部分建模功能。几个月前Autodesk Fushion官方也对接了Cluade，直接Cluade 驱动Fushion内进行建模。

其它几大主流CAD、CAE其实都还没开放官方MCP，但近期开发者们确实造出来了一些对接这些软件的MCP（从名字看，里面相当一部分开发者是中国人），这些MCP催生了很多的相关演示案例。

但MCP的出现只是打通了流程，这些项目本质上依然是通过 API 发送参数化命令，大模型并不是真正的理解几何和设计（让AI理解CAD的困难之前文章有介绍），一些复杂的设计需要通过代码和脚本实现，用途比较有限。

很多用户也给出了Codex CAD、CAE项目的实际使用体验：

• 消耗海量Token

• 产出的模型大体看着像回事，细节错误很多，改起来还不如从头手画

• 提示词需要很长很精细，还不如直接动手快

• 简单零件还行，复杂零件和装配体做不到，稍微复杂一点就很耗时且易出错

谁在鼓吹

直观来看，2类人在鼓吹Codex一句话建模、仿真。

一是一些不太专业的流量号，希望通过Codex、Claude的内容蹭一些流量。他们可能是真的不懂，也可能懂但需要蹭这个流量，所以故意用分分钟一句话就能建模这种耸人听闻的风格发文章。他们的文章内容甚至都是用AI创作的。

另一大类，则是卖课的。GPT刚出来的时候，出现了一批教人用Prompt提示词的培训课程/提示词商品包；Coze、Dify出来后，就出现了一批教人开发Workflow的；OpenClaw出来后，出现了一批教人安装使用OpenClaw的。

同样，Codex +CAD、CAE的流程跑通了，也有一批人希望通过制造“再不学AI+CAD 、CAE就要落后了”的恐慌，让更多人来学习相关课程。

其实新技术出来，需要有对应的培训课程帮更多的人来学习和了解，这件事本身没有什么问题。问题在于有些营销号刻意放大了AI CAD、AI CAE的能力，制造虚空的焦虑，从而希望快速收割一批小白。甚至，这批人里，很多就是当年GPT出来时候卖提示词的人。

当然，还有一批人可能是没办法，转型来做这个方向。据一些网友透露，CAE行业之前有一批从事算法和开发服务的人，每年能承接不少相关开发项目。随着AI写代码能力的显著提升，相关项目到2025年以后基本没了。于是，这些人开始往AI培训、AI开发方向转。

真正的企业级路径

流量热闹背后，真正的自然语言设计建模和仿真的落地方向和进展如何？

自然语言CAD方面，生成式设计是很多公司在努力的长期方向，但难度很高（见之前文章《【AI+CAD】让AI理解CAD模型怎么这么难》），几个CAD大厂都尚且差的很远，只在一些细分方向，形成了商业化解决方案，定制成本仍较重。

当前AI CAD的主要落地路线主要还是CAD的AI助手以及一些场景Agent。

CAD的AI助手。虽然达索、西门子、PTC等都未开放官方MCP，但是他们都在重点投入开发AI助手，辅助CAD软件的使用。

其中进展较快的，PTC Creo 最新版的AI 助手，以及Autodesk Assistant都已经加入了可以直接操作CAD建模的功能，但都处于早期测试阶段。达索也演示了基于虚拟伴侣Leo的从2D图创建3D参数化模型，但是还未正式上市。

CAD软件官方之外，很多国内第三方服务商，也都提供了AI CAD、AI CAE插件，可以连接主流软件，实现类似Codex 一句话建模的效果，原理与当前这些MCP方案差不多，所以功能也有限。

面向场景的Agent。针对特定设计场景，一些CAD软件和第三方服务商，也在开发针对性的Agent，可能综合调动CAD和CAE软件，针对特定场景完成生成式设计或仿真任务。例如AIE之前AI识图盘点文章中提到的品览科技等厂商的在建筑内进行二次设计的解决方案。

自然语言仿真方面，进展更为积极一些。仿真项目常涉及到相对固定的工作流，以及在多个软件之间的切换，因此一些服务商提供基于Agent开发平台的定制Agent开发解决方案，主要基于Workflow流程编排的模式，也在探索Skills的模式。

这种定制开发的仿真Agent可以实现自动化仿真工作流创建，效果接近一句话仿真，只是背后需要对流程有比较多的约束。

提供相关平台的相关服务商有Synera（国外）、安世亚太、雪浪云、树为智能等。

总结

最近的一波开源项目和非官方MCP Server引发了开源圈和科研圈的热情探索，一些营销号借此制造焦虑收割流量。当前这些MCP类的方案距离普通工程师可用的自然语言建模和仿真差的还远。

大厂们和专业服务商一直也都在朝这个方向做，只是生成式设计还只在特定场景形成解决方案，通用的还远，AI助手提供软件答疑的基础上，提供一些建模指令已经是目前走的较远的方案。面向特定工作流开发的仿真Agent倒是有一些应用。

长远看，大厂们都非常重视这个方向，未来把当前的CAD、CAE软件升级成AI CAD、AI CAE几乎是必然，只是做成通用产品距离还比较远，短期在特定领域实现一些定制化的企业级落地还比较现实。

开源社区和科研人员们也在同步推动开源项目的发展，进度是否能跑过大厂，就不好说了，只能期待。