Spectral Labs 釋出 SGS-1：能直接生成可編輯 CAD 檔案的 AI 模型

現在市面上的 3D 生成模型很多，但工程師看了基本直搖頭。它們吐出來的多半是網格檔案，看著挺像那麼回事，真放到生產線上根本沒法加工，也不能改尺寸。

Spectral Labs 最近推出的 SGS-1，想解決的就是這個痛點。它是一個專門針對結構化 CAD 的基礎模型，能直接生成可用於製造、帶引數的 3D 零件，格式還是工業界通用的 STEP 檔案。

告別一堆三角面的廢品

傳統 3D 生成模型最大的毛病，是隻生成表面網格。說白了就是一具空殼，內部沒有結構邏輯，匯入工業 CAD 軟體裡就是個死物，連改個孔徑都無從下手。

SGS-1 的做法不一樣，它輸出的是標準的 B-Rep 幾何體。這意味著模型生成的東西是真正的實體零件，工程師可以直接把它拽進常用的 CAD 軟體，按毫米修改各個面和邊緣的尺寸。

它的輸入方式也很靈活。你可以給它一張實物照片，或者隨手畫的一張草圖，甚至是結構嚴謹的工程圖紙。不僅如此，它還能吃進那些不可編輯的掃描資料或者 STL 檔案，自動幫你逆向還原成引數化的 STEP 模型。

研發團隊還做了一個裝配體上下文的測試。比如一個滑軌元件缺個支架，只要截一張區域性圖並附上文字要求，SGS-1 就能順著周邊的裝配結構，直接生成一個吻合該空間的支架模型。

比拼空間理解，GPT-5 也有短板

為了檢驗成效，團隊拉來了兩個對手：一個是開源的影像轉 CAD 模型 HoLa，另一個是 OpenAI 擅長邏輯推理的大模型 GPT-5 thinking，讓它通過寫 CadQuery 程式碼來畫圖。

評測用了一個包含 75 張中高複雜度幾何體的測試集，指標是能不能跑出有效且完全閉合的水密實體。每個模型測 10 次，GPT-5 和 HoLa 只有在最簡單的圖形上勉強能出結果。

團隊指出，GPT-5 在這類任務裡暴露出了明顯的空間理解硬傷，做出來的東西要麼完全用不了，要麼過於簡陋。而在複雜的工業零件測試中，SGS-1 在幾乎所有非極端複雜的物體上，都能在 10 次裡至少成功生成一次符合要求的零件。

不過 SGS-1 現在的侷限也很明顯。它專門為工程零件設計，對複雜的有機曲面和創意模型基本無能為力。受限於解析度，它很難做出極薄的結構，而且目前一次只能造單一零件，還做不出一整套裝配體。

為什麼重要

對於搞機械設計、硬體開發的團隊來說，SGS-1 指出了一個非常實際的方向。如果它真能穩定把草圖和 STL 變成 STEP 格式，光是省下來的逆向工程建模時間，就值得現在去申請預覽版試一試。

從行業來看，AI 生成 3D 終於從遊戲美工圈，開始撞向真正的實體制造業。過去幾家大廠都在卷多模態大模型的文生圖、文生影片，但在嚴苛的物理公差和工程標準面前，通用大模型暴露出嚴重的幾何認知盲區。

我們認為，Spectral Labs 的聰明之處在於沒有執著於讓大語言模型去硬寫程式碼生成圖形，而是直接以 B-Rep 引數化格式為目標訓練專用模型。製造行業要的不是看起來像的空心皮囊，而是能直接送進機床的資料，這一步雖然才剛開始，但切入點踩得非常準。