SEARCH

AI 工业设计:能被写下来的规则都会被学走,写不下来的判断才是壁垒

文章来源:石头智慧工业设计发布时间:2026-11-20点击: 18次


【导读】 11 月 17 日,AI 工业研发平台子虔科技宣布完成新一轮融资,由宁德时代[敏感词]战略投资,资金用于 AI 研发能力提升与全球市场拓展。这家公司做的事,是把企业积累的设计规则和工程经验沉淀进研发平台——团队早期用本体论记录"尺寸设定的依据、零件之间的配合关系、某项参数调整可能带来的连锁变化",再与大模型结合。


对工业设计公司来说,这条消息值得关注的不是融资,而是它指向的那件事:设计知识正在被结构化。 哪些经验会被工具吃掉,哪些反而更值钱,是每个设计团队都该提前想清楚的问题。这篇文章从工业设计视角,给出一套应对框架:先判断自己的知识处在哪一层,再看清价值会往哪里移动,后落到设计公司可以马上执行的三件事。


【本文要点】


  • 设计知识可以分成三层:标准规范类、经验规则类、场景判断类。前两层正在被工具快速吸收,第三层仍然必须"在场"才能获得。
  • 工具吃掉建模和出图之后,设计公司的价值位置前移到两端:定义问题、验收结果。
  • 设计公司真正该做的动作,是把隐性经验显性化——约束、决策、验证判据能被复述,才谈得上复用和定价。



一、这件事的关键,不在融资,在"知识被怎么切分"


先说清事实。子虔科技 2020 年成立,创始人龚敏彦长期做模型化产品设计和工业软件;团队早的项目叫 Mechanical Design Automation,思路是用本体论(Ontology)把工程设计和验证过程记录下来,包括尺寸设定的依据、零件之间的配合关系,以及某个参数一改会连带影响什么。大模型成熟后,这套积累与生成能力对接上了。其 AI 建模产品 zCAD. AI 于 10 月 24 日在 Product Hunt 全球发布,当天拿到日榜[敏感词],目前平台注册用户达十万人,已生成超 2 万个模型,单次生成中位时长约 4 分钟。


这些数字里有一个细节值得设计从业者留意:6000 多位用户导出了 8000 多次模型,其中 STL/3MF 约 5000 多次用于 3D 打印,STEP 有将近 3000 次,是拿去其他 CAD 里继续设计的。这说明工具当前的产出,多数仍要回到人的手里往下做——生成只是[敏感词]步,"能不能继续编辑、能不能开展仿真、能不能支撑后续制造",才是工业落地的真正门槛。


工程界流传一个说法:产品成本的七到八成在研发设计阶段就已经定下来了。具体比例各行业不同、学界也有争议,但"越往后改越贵"这一点没有争议。这正是产业资本往研发端[敏感词]的原因,也是设计环节被重新审视的原因。
工业设计


命题一 | 设计知识的三层结构:可写下来的、可算出来的、只能做出来的 ——([敏感词]步:判断)


判断一项设计能力会不会被工具吸收,可以先看它属于哪一层。这一层划分是本文的分析框架:标准规范类、经验规则类、场景判断类,三者的存在形态不同,被自动化的难度也完全不同。


① 硬约束


三者的载体根本不同。标准规范类(国标行标条款、公差配合表、材料牌号与性能、螺纹与轴承选型)本来就是文本化的,有明确条文和检索路径;经验规则类(某个壁厚在什么跨距下会缩水、某种卡扣在几次开合后会松、哪类结构在注塑时容易产生熔接痕)是可以用参数和条件表达的,只是过去散落在资深工程师的脑子里;场景判断类(护士戴着双层手套能不能按下这个键、患者痉挛时治疗师需要几秒解开绑带、收购点的桌子上还剩多少空间)无法从任何文档中获得,只能通过现场观察、实测和反复试错得到。


② 分析


前两层正在被快速吸收。标准规范类对应的是合规自查与自动标注——这类平台已经在做"把企业制图规范转化为系统自动审查规则"的功能;经验规则类对应的是参数化生成与设计规范自查,本质上是把"老师傅的判断"变成规则库里的条件分支。


第三层短期内无法被吸收,原因是它没有"标准答案",只有"这个场景下的答案"。同一个按键间距,在实验室场景和戴手套场景下的合理值差一倍;同一个开合结构,在每天开关三次和每天开关五十次的场景下,寿命设计要求完全不同。这些判断依赖的是在场——去手术室站一天、去收购点看一次、把手板塞到真实使用者手里试。


③ 验证方式


给一个可操作的自检方法:把一个设计任务拆开,逐条问三个问题——这条决策有没有标准条文可以依据?能不能用参数和条件表达?是否需要到现场看一次才能确定? 第三问回答"是"的比例越高,这项工作越难被工具替代。反过来,如果一份工作 80% 的时间都在回答前两问,那它被工具重写的风险是明确的。


石头智慧工业设计在医疗与科学仪器项目里有一个习惯:每个项目结束后,把"约束—决策—验证"整理成可复述的清单。整理的过程本身就会暴露哪些是规则、哪些是判断——这一步做久了,团队对自己能力的边界会看得比较清楚。


命题二 | 被工具吃掉的部分,反而抬高了另一部分的价格 ——(第二步:定位)


这一层的判断是:建模、出图、标注这些动作被自动化之后,设计工作的重心会向两端移动——前端是定义问题,后端是验收结果。中间那段可被生成的部分,会逐渐变成基础能力而不是竞争壁垒。


① 硬约束


工具能生成模型,但无法替客户决定"要做什么"。真实项目里,客户给出的需求往往是"要好看一点""要显得专业""成本再压一压",这些表述无法直接变成设计输入。另一端同样卡人:生成出来的方案有十个,哪一个能在目标场景里成立,需要有人按场景判据筛掉九个——这个判断没法外包给模型,因为判据本身就是设计的一部分。
工业设计公司


② 分析


前端的工作是把模糊需求翻译成可执行的设计输入:目标场景是什么、有哪些硬约束(法规、灭菌方式、清洁方式、操作者能力)、哪些是取舍项、验收按什么判据。这一段的产出物不是图纸,是约束清单和判据清单。


后端的工作是验收:模型或方案出来之后,逐条对照判据检查——这个结构在戴手套状态下能不能操作、这个接缝在每天擦拭的条件下会不会积液、这个折叠动作单人能不能完成。这些判据只能由做过现场观察的人写出来。


两端的共同点是:它们都不是"画"出来的,而是"判断"出来的。这也解释了为什么工具越强,能把场景约束说清楚的设计公司反而更被需要——因为工具需要输入,而高质量输入本身是稀缺品。放在 AI 工业设计的语境里看,设计公司的稀缺性不在产能,在输入的精度。


③ 验证方式


一个可量化的观察角度:看项目组里"人的时间"花在哪。如果设计师 70% 以上的时间在建模和出图,这类工作结构在工具普及后会明显承压;如果时间主要花在需求翻译、约束梳理、样机验证和结果验收上,承压程度会低得多。这个比例可以在项目复盘时按工时粗略统计,不需要[敏感词],趋势就足够说明问题。


命题三 | 设计公司该做的动作:把隐性经验变成可复用资产 ——(第三步:行动)


这是应对的落地部分:前面两步解决「看清」,这一步解决"怎么办"。


这一层的结论是:经验如果只存在资深工程师的脑子里,公司既无法定价,也无法交付,更无法传承。把隐性经验显性化,不是管理动作,是产品化动作。


① 硬约束


三个现实压力同时存在。其一,客户侧的要求在变——当"设计规则可复用"开始成为工具厂商的卖点,客户会逐渐习惯追问"这套方案背后的规则是什么",答不出来的一方会失去议价空间。换句话说,工业设计经验能不能被说清楚,正在从加分项变成报价的前提。其二,团队流动是常态,一个资深结构工程师离职,带走的可能是三年积累的踩坑记录。其三,项目越多、品类越散,如果没有沉淀机制,每个新项目都从零开始,规模不经济。


② 设计解


具体做法可以拆成三件事。


把判据写下来。 每个项目结束时,把"验证方式"整理成可执行的检查清单——不是"做了可靠性测试",而是"连续开合若干次后,扣具功能不衰减、单手操作步骤数不增加"。判据写得越具体,越接近可复用的规则。


把踩过的坑变成前置检查项。 失败案例比成功案例更有信息量:哪一处接缝积了液、哪一个绑带位置压出了痕、哪一次装配因为公差累积装不进去。把这些变成下一轮方案评审的[敏感词]道检查。


把手板数据留下来。 手板验证产生的数据(装载时间、压痕分布、操作步数)是场景判断类知识的原始素材,也是几乎无法从公开资料获得的资产。石头智慧工业设计依托旗下众筑智能科技(东莞)的手板与小批量能力,能在同一个团队内完成"设计—打样—实测—回改"的闭环,这个闭环的意义不在于快,而在于每一轮实测数据都能被记录下来,变成下一个项目的判据。
深圳工业设计


③ 验证方式


三个可检验的指标:新项目能否直接调用上一个同类项目的约束清单?新人能否在不接受口头指导的条件下,按清单完成首轮方案?同一品类的设计周期是否随着项目数量增加而递减?三问都答"是",说明经验已经变成了资产;有一问答"否",说明它还停在个人身上。


写在后


工具进入研发设计端,是确定会发生的事。对工业设计公司来说,"要不要应对"已经不是问题,问题是怎么应对——是继续做"把图画出来"的那一段,还是往两头走,做"把问题定义清楚"和"把结果验收到位"的那一段。


前一段会越来越便宜,后一段会越来越贵。AI 工业设计带来的不是替代,而是重新分工:能被写下来的规则都会被学走,写不下来的判断才是壁垒。 这也是石头智慧工业设计这些年坚持每个项目都做约束梳理和实测验证的原因——不是为了交付时好看,是为了让经验留在团队里,而不是留在某个人身上。


能被复述的经验才是资产,说不出来的经验只是运气。
医疗工业设计


常见问题(FAQ)


Q1:AI 会不会替代工业设计公司?


不会整体替代,但会替代其中一段。建模、出图、标注、规范自查这些"有明确输入输出"的环节正在被工具吸收,速度比多数人预期快;而需求翻译、场景约束梳理、跨约束取舍、样机验证这些环节,短期内仍必须由人完成。AI 工业设计真正的冲击不是"没有活干",而是"中间那段活不值钱了",设计公司需要主动往两端移动。


Q2:中小设计公司没有数据积累,怎么应对?


不需要一开始就做数据库。[敏感词]成本的起点是把每个项目的验证判据写下来——一句话一条,能被执行就行。积累到十几个项目,就会发现同类产品的判据高度重合,这本身就是可复用的规则雏形。真正难的不是技术,是坚持在每个项目结束后花半天做这件事。


Q3:怎么判断一家工业设计公司有没有真经验?


不要看案例数量和渲染图质量,问三个具体问题:这个方案里难的约束是什么、当时怎么取舍的、后用什么判据验证的。工业设计公司如果只能答出"外观思路"和"客户很满意",说明经验停在执行层;如果能说清约束冲突和判据,说明它具备可复用的方法论。这也是判断一家产品设计公司能否承接复杂品类的关键——复杂产品的失败往往不在造型,而在约束没被识别出来。


关于我们


石头智慧工业设计,立足深圳,专注医疗健康与科学仪器产品全链路设计,覆盖康复机器人、手术机器人、体外诊断、食品安全检测、生命科学仪器等品类。可承接从外观设计、结构设计到样机验证的完整闭环。旗下众筑智能科技(东莞)专注手板加工与小批量生产。


信息来源


  1. 36氪《宁德时代押注的「光速造物」,在解决工业研发难的哪一步?》(融资信息、zCAD. AI 发布数据、导出格式分布)https://36kr.com/p/4073662139339911
  2. 投资界《首发|子虔科技完成新一轮融资,宁德时代[敏感词]投资》(成立时间、技术路线、本体论记录设计过程)http://m.toutiao.com/group/7709078437532664370/
  3. 子虔科技官网(产品能力与行业方案说明)https://www.zixel3d.com/

声明


本文从工业设计方法论与行业观察维度展开,不涉及对任何企业产品技术性能、商业前景的评价或承诺。文中引用的融资、产品与用户数据均来自公开报道,具体以原始来源表述为准;关于"成本七到八成在研发设计阶段定下"的说法为工程界流传口径,各行业存在差异、学界亦有讨论,本文引用时已作说明。文中所述设计方法与验证判据,均为设计侧的工作方法分享,不构成对任何产品性能的承诺。本文为原创内容,仅代表设计视角的分析与分享,未经授权请勿转载。

地址

深圳市南山区南海大道创业路2239号新能源大厦A座6D

0755-8695-6378

13554899913

关注我们