一个周一早晨
2029年10月的一个周一早晨，一家装备制造企业的结构件工程师老周坐到工位前。他没有打开任何CAD软件，而是对着屏幕说了一段话："新能源挖掘机的电池包托架，承载300公斤，上一版振动模态不过关，给我二十个减重方案，壁厚不低于4毫米。"四分钟后，二十个带完整特征树的参数化模型排成一列，每个都标注了质量、一阶模态预估和毛坯成本。老周挑了三个，拖动参数滑杆微调圆角，锁定一个，剩下的事情——工程图、公差标注、DFM检查——在他喝完半杯咖啡之前全部完成。
这个画面里最值得注意的细节是：老周已经想不起来最后一次使用快捷键是什么时候。
这不是科幻。把它拆开，每一个环节在2026年的今天都有对应的真实产品在跑。差别只在成熟度，不在方向。今天用现在时态的信号，推演一下这张未来画像长什么样。
四个已经发生的信号
最聪明的钱已经放弃了"在旧内核上改"这条路。
YC 2026年冬季批次里有一家叫Aurorin CAD的公司，创始人是三次SpaceX实习经历出身的Michael Baron，做的东西用一句话概括：机械工程的Cursor。他们的判断很激进——现有CAD软件几乎全部建立在1980年代设计的几何内核之上，这就是大装配卡顿、文件打开要等几分钟的根源，AI嫁接在这种地基上，天花板低得可怜。所以他们从内核层重写了整个参数化B-Rep系统，让模型状态从一开始就能暴露给AI Agent。同一条路线上的还有Zoo.dev，自研GPU原生几何引擎，把布尔运算、射线投射、点阵生成摊到数千个GPU核心上并行跑。而Backflip AI更直接——两位Markforged创始人在2024年底创办这家公司，2026年8月拿到a16z和NEA联投的3000万美元A轮，产品只干一件事：把3D扫描件转成带完整特征树的可编辑参数化模型，单件成本从逆向工程外包的1500美元压到约10美元。
这意味着：在AI原生CAD这条路上，资本和顶级创业者已经用真金白银投票——胜负手不在"谁的AI功能多"，在"谁的内核为AI而生"。
头部工业客户开始用采购单投票。
Demo再炫不如一张真实合同。Leo AI如今部署在惠普、斯堪尼亚、英特尔、博世、丰田，覆盖5.5万到6万名工程师，官方口径是设计错误减少34%、零件复用提升32%、每人每周节省5到12小时。Backflip AI已经进了一家大型汽车制造商，该车企的自动化扫描系统现在数字化大约一半的过手零件，年底计划接近全覆盖。国内这边，卡伦特的生成式CAD进了中车工业研究院，金龙客车的车身支杆架设计从五六个工作日压到三到六小时，厦门金鹭的刀具出图时间直接砍半。
这意味着：AI-CAD已经跨过"技术验证期"，进入头部制造业的正式采购清单。这类客户最挑剔也最诚实——骗不过去的。
交互范式正在收敛成"对话加滑杆"。
把全球AI-CAD产品的界面摆在一起看，会发现一个惊人的趋同：AdamCAD生成模型后弹出参数滑杆，拖一下尺寸就变；Ragnar允许你在对话里说"加一个6毫米安装孔""这些边倒2毫米圆角"，模型实时响应；卡伦特干脆把文生模型塞进微信小程序，手机上随时发起生成，需要精修再流转到PC端。四十年积累起来的命令树、菜单层级、工具栏，正在被一种更原始的交互绕过去——说人话，拉滑杆。
这意味着：交互方式的更替不是"菜单里多一个AI按钮"，是整套操作语言的换代。老工程师积累的软件熟练度会贬值，但需求表达和判断能力会升值。
数据所有权成了新的分水岭。
韩国的RebuilderAI给每个品牌训练专属模型——用某家运动品牌几十年档案里的设计、材料、工艺数据，炼一个只属于它的AI，训练数据和产出全部归品牌所有。国内的九韶智能走得更远，POWER平台v3.0把工业设计智能体做成Agentic API，企业可以把老工程师的设计经验和工艺窍门固化成自己的数字资产。设序科技累计融资3.8亿元，核心叙事同样是自研工业世界模型。
这意味着：未来企业买的不是"通用AI"，是"用我家数据炼出来的专属AI"。谁的历史数据沉淀厚，谁的AI就聪明——数据资产第一次和研发能力直接挂钩。
四个判断
判断一：五年内，命令面板会退居备胎位置。
现状是三代交互并存：传统菜单占据存量企业，AI按钮是头部厂商的过渡方案，对话加滑杆是所有AI原生公司的标配。趋势推导很清晰——当生成质量跨过"可用"门槛后，工程师没有理由再走十几步菜单完成一个对话能说清的动作。Autodesk在AU 2025上展示的Neural CAD、SolidWorks的AURA助手，本质上都是老厂商在给自己留后路。结论是：命令面板不会消失，但会像手动挡一样，从主流配置退到专业选项。老工程师不必恐慌，但值得警惕的是"熟练度红利"的清零速度可能比预期快。
判断二：逆向工程这个职业会消失，但逆向需求会爆炸。
Backflip AI把单件逆向成本从1500美元压到10美元，150倍的坍缩不是"效率提升"，是经济学意义上的相变。原来只有绝版备件、高价值模具才值得数字化，价格坍缩之后，车间里每一件没有三维档案的存量零件都值得扫一遍。职业消失和需求井喷会同时发生——消失的是"靠手工重建特征树的逆向工程师"，井喷的是"管理海量数字孪生资产"的新岗位。历史上有先例：打字员消失了，但文字处理需求涨了一百倍。
判断三：工程师的核心技能从"建模"转向"审模型"。
当AI能一次给出二十个方案，人的价值就不再在生成端，而在判断端：哪个能造出来，哪个省料，哪个过不了校核，哪个装配时会干涉。Leo AI那组数据其实已经暗示了答案——错误减少34%不是AI独立完成的，是人加AI的组合成绩，人做的是把关。这个转变对CATIA工程师尤其切身：二十年的建模肌肉记忆在生成时代会加速贬值，而工程判断、工艺理解、失效模式分析这些"只可意会"的部分，恰恰是AI最难替代的。未来简历上最值钱的一句话，可能不再是"精通CATIA"，而是"审过一万小时模型"。
判断四：市场会裂成三层，谁也吃不掉谁。
第一层是AI原生新栈——Aurorin、Zoo、卡伦特、设序，吃新场景和新企业；第二层是旧栈加AI插件——SolidWorks AURA、Fusion的Neural CAD、Leo AI，靠存量生态和迁移成本守住大企业；第三层是垂直专用——新哲汽车专攻内外饰、RebuilderAI专攻品牌专属生成、Limitless Labs专攻CNC编程自动化，吃行业纵深。三层的护城河各不相同：新栈拼内核，旧栈拼生态，垂直拼数据。对从业者来说，重要的不是赌谁赢，而是看清自己所在的企业落在哪一层、自己该往哪一层迁移。
给CATIA工程师的三条行动指引
第一，现在就把非核心件交给AI练手。标准件、工装夹具、重复性构件，这些不需要高精度的活儿，丢给AdamCAD、Zoo或者卡伦特的小程序跑一遍。目的不是提效，是摸清今天AI的能力边界——知道它擅长什么、在哪儿翻车，你比同行多一层判断力。
第二，把自己的设计经验资产化。把你脑子里的选材逻辑、参数选择依据、踩过的坑，写成结构化文档或参数化模板。九韶和RebuilderAI的模式已经指明了方向：未来企业最值钱的数据就是老工程师的经验沉淀。现在开始整理，五年后这些就是喂给专属AI的燃料，也是你在企业里不可替代的筹码。
第三，补数据编排能力。STEP、IGES、中间格式转换、PLM接口、二次开发API——跨平台数据流转的能力，正快速变得比单一软件的操作熟练度值钱。上周那篇讲数据主线的文章里说过：未来的瓶颈不是建模，是把CATIA、国产平台、仿真工具、MES之间的数据管道打通。做管道的人，永远不缺饭吃。
最后一个问题
画像推完了，把问题留给你：如果五年后命令面板真的退居二线，你现在最舍不得丢的CAD技能是什么？反过来——你最希望AI立刻替你干掉的重复操作又是哪一个？评论区聊聊，下周我把有意思的回答整理出来再聊一篇。