🌐 官方网址:
https://home.currentcad.com/product/aicad/
(以上为创模AI产品主页,点击“立即体验”或注册登录后即可进入AI建模界面。移动端可在微信中搜索“创模AI”小程序,直接用语音、文字或图片生成3D模型,再同步至PC端深度编辑)
📌 工具简介
卡伦特·创模AI是厦门卡伦特科技有限公司于2026年4月首发的国内首款AI生成式CAD建模工具,2026年8月迭代至2.0版本。卡伦特团队核心成员来自Autodesk、西门子等国际CAD大厂,从零自研了云原生几何建模引擎与约束求解引擎,而非在传统桌面CAD上做外挂式改良。创模AI的核心突破在于:AI生成的三维模型带有完整的特征历史记录和参数化特征树,可直接在卡伦特3D中无缝编辑、调整壁厚和颜色,也能导出至CATIA、UG、Creo、SolidWorks等主流CAD系统继续加工,而不是只能看不能改的网格模型。2.0版本进一步突破了单零件建模的局限,可基于文本、图片、工程图生成参数化零件及整机装配体,自动建立零部件装配约束关系,并开放企业API集成能力。传统CAD需要数月训练才能独立出图,创模AI将建模任务从数小时压缩至分钟级,整体项目周期缩短约40%。它面向机械、电气、建筑、教育等行业,服务全国超2000家校企单位,是国内生成式CAD工业软件“换道超车”的代表性产品。
⚡ 主要功能
- 文生CAD模型:用自然语言描述设计意图,AI自动生成带完整特征树的三维参数化模型。例如输入“设计一个蓝色防摔手机壳”,约两分钟内即可生成包含防摔筋位、缓冲角等关键特征的模型,并支持一键调整壁厚和颜色
- 图生CAD模型:基于多模态视觉编码模型,上传图片、二维工程图或零件图,AI解析视觉信息并重建为高精度参数化三维CAD结构,让“视觉信息”直接进入工程建模流程
- 完整特征树与无缝二次编辑:生成的模型保留草图、特征、装配约束等全量建模过程,不是一次性网格。在卡伦特3D中可继续编辑特征,也能导出至CATIA、UG、Creo、SolidWorks等主流CAD系统深度加工
- 零件到装配体智能生成(2.0):突破单零件局限,可基于文本、图片、工程图生成参数化零件及整机装配体,自动建立零部件之间的装配约束关系,模型保留完整可编辑特征树
- 微信小程序移动端生成:在手机端输入语音、文字或图片即可快速生成3D CAD模型,支持实时参数调整和一键导出,需要精修时再同步至PC端卡伦特3D进行专业编辑,实现“轻量生成+专业编辑”的双端协同
- PDF转DWG与工程信息提取:集成PDF转DWG、工程信息提取、以图搜图、PDM轻量化协同等实用功能,减少格式转换和数据搬运中的重复劳动
- AI智能出图(2.0):导入三维模型后,AI全自动一键生成工程图纸,自动创建视图、标注尺寸和公差,官方称可实现上百倍的出图效率提升,减少对个人经验的过度依赖
- 模型异构装配与轻量化:国内首创的模型异构装配一站式方案,自动转换并保持几何保真,解决手动转换导致的数据损坏问题;轻量级高性能装配缓解大模型卡顿
- AI模型资源社区:收录机械、建筑、电气与工程教学等领域的高质量CAD模型资源,用户可分享AI创作成果,也可浏览、复用他人模型进行二次创作
- 企业API集成(2.0):开放企业API集成能力,可将AI建模能力嵌入企业现有工作流和系统中,实现移动端与PC端的协同
- 云原生与信创适配:完全自主研发的云原生架构,兼容麒麟、统信、鸿蒙等国产操作系统,可无缝对接国产PLM、ERP系统,是国央企国产化替换场景的候选方案之一
💰 价格信息
卡伦特·创模AI在商业模式上做出了与传统CAD软件不同的选择。传统CAD通常按“人头/许可证”收费,而创模AI的主要支出在于Token使用费——用户为AI生成模型所消耗的算力付费,而非为软件席位付费。卡伦特董事长杨传耀明确表示,用创模AI生成三维模型的费用“比工程师的费用要低很多”。平台提供一定的免费额度供新用户试用,但第三方评测中也提到“免费额度有限”,高频或复杂任务需要付费补充。目前公开渠道未披露标准化的Token单价和套餐价目表,个人和企业用户的实际成本取决于生成任务的复杂度、模型精细度和使用频率。2.0版本开放的企业API集成能力,涉及系统对接和定制化部署,通常需要与卡伦特进行商务洽谈。对于设计团队而言,评估成本时不宜只对比“每Token多少钱”,而应结合“生成一个可用模型所需的Token量”与“传统人工建模的工时成本”来综合判断投入产出比。
👥 适合人群
机械、电气、建筑等领域的工业设计师和工程师(需要快速将概念转化为可编辑的参数化模型,并在主流CAD系统中继续深化);需要批量处理重复构件、希望把时间从“画图”转移到“设计与判断”上的设计团队(批量重复构件处理效率提升数百倍,整体项目周期缩短约40%);产品经理和硬件创业者(没有CAD基础,但需要通过文字或图片快速获得可讨论、可修改的3D模型);高校工程图学、机械设计相关专业的师生(用于教学演示、学生快速理解“从描述到模型”的映射关系,卡伦特平台已连续五年支持全国大学生先进成图大赛的线上竞赛与AI阅卷);以及有信创替换需求、需要云原生CAD和国产化适配的国央企和制造企业。创模AI尤其适合“设计意图已经清晰、卡在建模执行环节”的场景——当瓶颈在于把脑子里的想法快速变成可编辑的工程模型,而非缺少设计灵感时,它的“文生/图生模型+特征树保留”能力能直接压缩从创意到可制造模型的距离。如果核心工作是高度复杂的曲面造型、精密模具设计等需要深度手工干预的任务,AI生成的初稿仍需资深工程师大量精修,工具的提效幅度会相对有限。
✅ 优点
- 生成的是“可编辑的参数化模型”而非“不可编辑的网格”:带完整特征历史记录和特征树,能在卡伦特3D中无缝编辑,也能导出至CATIA、UG、SolidWorks等主流CAD继续加工,这是与市场上多数仅输出展示级网格的AI生成工具的本质区别,直接决定了生成结果能否进入真实的工程流程
- 云原生底层架构带来了AI融合的天然优势:卡伦特从零自研云原生几何建模引擎和约束求解引擎,而非在传统桌面CAD上做外挂。董事长杨传耀的比喻是“在燃油车上做自动驾驶 vs 造电车”——底层架构决定了AI能力是原生嵌入,而非后期叠加,协同、轻量化和智能体能力在架构层面就存在
- 2.0版本从单零件延伸到整机装配体:自动生成装配约束关系并保留可编辑特征树,对于需要处理多零部件配合关系的实际产品设计,这一步跨越让创模AI从“零件草图工具”向“整机概念设计工具”靠近
- “轻量生成+专业编辑”的双端协同务实:手机小程序随时发起生成,PC端深度编辑,兼顾了现场灵感和案头精修两种场景,而不是强迫用户在移动端完成所有专业操作
- Token计费模式对设计团队的成本结构更友好:不按席位收费,生成费用低于工程师工时成本,对于设计需求波动大、不希望为闲置许可证付费的团队,按用量付费的方式更灵活
- 自主可控与信创适配有实际积累:自研几何建模和约束求解引擎,兼容麒麟、统信、鸿蒙,已服务全国超2000家校企单位,对于有国产化替换要求的组织,是一个可纳入评估的选项,而非停留在概念阶段的“国产替代”
- 2.0的迭代来自一线真实反馈:从1.0到2.0仅隔四个月,官方表示功能升级“均来自上百家一线客户驻场调研与真实使用反馈”,产品演进的驱动力来自实际使用中的卡点,而非闭门造车的功能清单
⚠️ 缺点
- AI生成的“工程确定性”仍需人工把关:卡伦特董事长本人也坦言,AI在生成设计时可能出现“参数超出安全范围、几何特征违反制造工艺”等幻觉现象,需要通过自修复或设计师手动调整来修正。生成模型不能跳过工程师的合规性和可制造性审核,直接投入生产
- 复杂零件和高精度场景的生成效果存在波动:第三方评测指出“免费额度有限,复杂零件效果不稳定”。对于曲面复杂、公差要求严苛的精密零件,AI初稿的可用性可能明显下降,仍需要资深工程师投入大量时间精修,工具的提效幅度与零件复杂度呈反向关系
- Token计费对个人用户和低频使用者的成本感知不够直观:虽然生成费用理论上低于工程师工时,但生成一个“可用模型”往往需要多次尝试和调整,累积的Token消耗在开始任务前难以精确预估,个人用户在免费额度用尽后可能面临“试错成本”的顾虑
- 生态和行业深度仍在建设期:相比Autodesk等深耕数十年的桌面CAD生态,创模AI在插件丰富度、行业标准件库、上下游协同工具的成熟度上仍有差距。对于重度依赖特定CAD生态和既有工作流的团队,迁移或并行使用的摩擦成本需要认真评估
- 产品迭代速度快,但长期稳定性有待更长时间验证:从1.0到2.0仅四个月,功能升级节奏密集,这既是优点也意味着产品仍在快速变化中,部分边缘场景和极端复杂项目的表现可能需要更多真实用户的长周期验证
- 企业API集成和私有化部署的具体门槛未完全公开:2.0开放了企业API集成能力,但对接的技术要求、部署成本和定制化范围缺乏公开的标准化说明,企业在评估集成方案时需要投入额外的沟通和概念验证成本
💡 使用技巧
- 先用免费额度跑通一个“简单但完整”的零件:不要一上来就挑战复杂装配体或高精度曲面。选择一个结构清晰、特征数量适中的零件(如一个带孔和倒角的支架),完整走完“文字描述→生成→在卡伦特3D中编辑一个参数→导出STEP”的流程,确认生成质量、编辑手感和导出兼容性符合你的工作标准后,再逐步增加复杂度
- 描述设计意图时,优先说清楚功能需求而非只给外观描述:“设计一个蓝色防摔手机壳”能生成带防摔筋位和缓冲角的模型,是因为描述中隐含了“防摔”这一功能需求。类似地,“一个需要承受50kg载荷的L型支架”比“一个L型支架”更容易让AI在生成时考虑加强筋和材料厚度,初稿的工程合理性更高
- 把“特征树”当作质量检查单来读:生成模型后,先在卡伦特3D的特征树中逐项检查AI做了哪些特征(拉伸、抽壳、倒角、阵列等),而不是只看最终形状。如果发现某个特征的操作逻辑不符合你的设计习惯或制造工艺,直接在特征树中修改参数或调整顺序,比在最终几何上手动修补更高效,也更能发挥参数化模型的价值
- 移动端用来“抓灵感”,PC端用来“做交付”:在会议、现场或通勤途中,用微信小程序快速生成几个概念模型,确认方向后再同步到PC端卡伦特3D进行尺寸精调、装配约束和出图。不要在手机上试图完成所有编辑,双端协同的分工是“轻量生成+专业编辑”,按这个逻辑使用效率最高
- 对AI生成的模型,在投入制造或下游使用前做一轮“可制造性自查”:重点检查壁厚是否均匀、圆角是否满足刀具半径、孔位是否与标准件匹配、拔模方向是否合理。AI能生成“几何上正确”的模型,但不一定理解你所在工厂的具体工艺约束,这一步人工审核不能省略
- 如果团队有批量重复构件(如连接件、标准支架、常用外壳),先用一两个典型件测试创模AI的生成效率和一致性,确认单件质量稳定后,再考虑将这类任务批量交给AI处理。官方披露批量重复构件处理效率提升数百倍,但前提是AI对这类构件的理解已经过校准,批量化的收益建立在对单件质量的信任之上
- 关注2.0的“AI智能出图”能力,但初期以辅助而非全自动的心态使用:官方称可实现上百倍的出图效率提升,对于规则明确的零件,导入模型后一键生成工程图可以大幅节省时间;但对于视图选择、公差标注有特殊行业规范的项目,仍建议在AI出图的基础上人工校对和补充,将效率提升与质量把控结合









