复杂装配体3D建模性能百倍,Skyfall推出首个AI CAD专用模型SKY-001
近日,美国的AI创企Skyfall.ai宣布了世界首个专用于研发设计领域的世界模型SKY-001。据称其可以直接根据一张图片或自然语言描述,创建汽车、发动机等复杂的3D CAD装配模型,质量超过GPT 6 Astra,同时成本和时间只有其百分之一水平。SKY-001 概述
SKY 001是用于机械、建筑、生物医药、电子等各行业的研发设计的专用模型。在机械领域,其可以根据一张图片,或者自然语言的描述,生成划分好层次结构的、成百上千零部件构成的复杂CAD装配体及其构建动作序列。不同于当前的LLM,SKY 001基于全新架构设计,直接在视觉世界进行推理和规划,具备空间推理能力。SKY-001 工作步骤
SKY 001总体采用先创建大体的分层BOM架构,之后再逐步细化每个零件的方式进行建模。第一步,生成很多不同的设计变体,用户选择更接近的方案后,再进行后续的细化。第二步,将整个装配体拆分出具体的零部件和层次结构。零件会细化到具体的结构件和紧固件等,但此时每个零部件只是个大致形状,待后续细化。第三步,逐步绘制每个零件的具体3D模型。绘制每个具体零件时,以像人一样的方式,先绘制2D草绘,再进行拉伸、挤压等。第四步,将具体零件,按层次结构,装配组成最终的完整装配体设计团队构建了包含1000个样本的测试集对模型的性能进行测试。测试集的样本都是复杂装配体,如捷豹 E-Type 敞篷跑车、FANUC ArcMate 100iB 机器人手臂、Minitractor 4×4 越野车、Bell 222 直升机以及喷气发动机等。构建这些完整的3D模型需要大约 100 个绘图步骤。测试的内容包括质量、时间、成本等。最终得到的 3D 模型会通过与参考模型的 IoU 值(另一篇文章有介绍)进行比较来评定其质量。结果对比的是主流的5款领先LLM模型,如GPT 6 Astra、Gemini 4等。团队与当前能力最强的GPT 6 Astra对比,大致结论是:整体质量与Astra类似,细节更好,时间是1/50,成本是1/150。用于训练SKY-001的 CAD 数据来源于公开的在线产品装配体数据集,但进行了严格的清理,重建了装配层次结构,形成更高质量的数据集。例如,广泛用于零件分解领域的PartVerse 数据集,每个对象中的零件数量中位数为6,而Skyfall的则为 288。PartVerse 中的一辆 BMX 自行车包含 8 个零件,Skyfall的数据集包含 988 个零件。
Skyfall AI创始人曾是Maluuba的联合创始人。Maluuba类似安卓平台上Siri,后被微软收购,成为Microsoft Research Canada。SKY-001模型之前,Skyfall AI 开发了首个“企业世界模型”,该模型能够全面掌握企业的潜在特征,涵盖设计、工程、销售、营销、客户支持、财务以及运营等多个领域,模型能够模拟各种功能之间的因果关系,并在长期范围内进行规划,从而在完成高度复杂的任务时遵循安全准则。SKY-001 应用方向
除了机械CAD设计,SKY-001 也同步介绍了其建筑设计和BIM方面的能力和效率,比机械方向效率对比通用模型提升更明显。

机械CAD和建筑BIM是其模型当前的主要2个应用方向。但Skyfall AI公司认为模型未来可以应用的方向还有很多,如PCB设计、蛋白质折叠、企业级软件、操作电脑的Agent等。
在机械 CAD 领域,公司也计划在后续进一步提升过程控制的精确性,如草绘特征历史可以被编辑、可以对特定细节进行修改和编辑等。
别被百倍的数据唬住
乍看起来,SKY-001在AI生成装配体方面又前进了一大步,但其并未实际发布,还没办法进行实测。
同时,当前的模型介绍中,也有很多问题并未详细落实,这些问题使得其距离真正工程可用的复杂机械设计仍有较远的距离,如:
以模型当前的能力,功能可能更偏向能够快速创建一些结构原理动画,距离创建出可制造的合理的复杂装备还有很长的路。以当前的技术水平,直接让模型一步生成复杂结构本身可能就是不合理的方向,毕竟中间有太多步骤需要工程经验的融入。
从公司背景看,团队似乎有较强的AI算法和技术架构能力,过往的成果也多是在模型技术架构层面,在CAD和工程经验方面似乎并不多。加上当前SKY-001模型过于宽泛的的功能定位,让AIE对其未来的发展前景,保持审慎怀疑态度。