AI创业公司Adam，近期拿到410万美元种子轮融资，天使投资方包括YC。
这家成立不到一年的公司，切入的是一个看起来很传统的赛道：工业CAD设计软件。它用自然语言对话生成3D模型，把需要学几个月才能上手的专业工具，变成了人人都能用的创作平台。
从消费者打爆款，再切企业市场
Adam的三位创始人都来自加州大学伯克利分校。CEO Zach Dive曾在AI公司Adept（前OpenAI工程副总裁创立）做研究，CPO Aaron Li在蔚来、宝马做过产品设计，CTO Avi Peltz此前创办过AI创业公司。
他们最初的想法很简单：CAD软件太难学了。传统软件界面复杂，功能按钮几百个，专业工程师要用好都得培训很久。普通人想打印个3D模型、做个游戏道具，光学软件就得放弃。
所以Adam的第一个产品就是面向普通用户的：比如在网页上输入一句话，AI就能生成一个带参数的3D模型。创始人谈到，这个产品在社交媒体上线几个月，获得超过1000万次曝光，积累了数万用户。很多人第一次发现，原来设计3D模型可以这么简单。
通过聊天进行对话设计（图片来源：YC官网）
通过滑块进行参数化编辑（图片来源 ：YC官网）
但团队的目标不止于此。消费者产品是用来验证技术的，真正的目标是企业市场——那些每天要画图纸的机械工程师。
Adam推出了面向专业工程师的产品：CAD Copilot。这个版本会集成到Onshape这个云端CAD平台里，成为工程师的副驾驶助手。
AI带来的效率提升是数量级的。尤其对于重复性高、规则性强的任务，AI几乎可以秒完成。
零件打孔场景（来源：企业官网）
技术研究在哪里
市面上已经有一些文生3D模型的工具，但大多是生成游戏资产、艺术作品，不能用于工业生产。Adam做的是参数化CAD模型，这是完全不同的技术路线。
参数化模型不是一个死的形状，而是带着”设计逻辑”的。比如一个齿轮，它记录了齿数、模数、压力角这些参数。工程师拿到后可以调整参数，整个模型会自动重新计算。这才是工业设计需要的东西。
要让AI理解这套逻辑，难度比生成图片高得多。Adam团队发现，今天的大语言模型对3D空间的理解很有限，这是因为它们主要用文本训练出来的。但这不是模型架构的问题，而是缺少合适的训练数据和上下文。
他们发现，在合适的上下文条件下，LLM能够处理复杂的几何体。简 单说，就是用一种特殊的方式描述3D模型，让AI能精确理解每个点、每条边、每个面在哪里。传统方法是用自然语言描述”这条边是怎么形成的”，但这种描述在模型复杂后会变得很长，AI容易搞混。
Adam的做法是用JSON数据记录几何信息。每个顶点、边、面都有唯一的ID，AI可以精确定位到要修改的位置。然后配合搜索和选择工具，AI执行一个循环：读取模型、选中要改的部分、执行操作、验证结果、继续下一步。这样就不用靠猜，圆角、倒角、旋转这些操作都能准确完成。
更关键的是，他们还在训练专门的模型。用真实的CAD工作流和精心设计的案例，教AI像人类工程师一样规划任务、构建特征、处理错误。评估标准很实用：零件能不能编译通过、约束求解是否正确、小改动后模型会不会崩溃。本质上，是把大模型的知识提炼到更小更快的专用模型里。
创始团队合照，来源：TechCrunch
为什么选择这条路
CAD软件市场被几家巨头垄断了几十年。Autodesk、达索、西门子的产品占据了大部分份额，他们的软件都是基于上世纪90年代的技术架构。界面复杂、学习曲线陡峭，但因为没有更好的选择，工程师们只能适应。
AI的出现改变了游戏规则。小公司或许可以尝试用全新的范式，直接跳过传统软件的包袱。正如Adam团队所言，这是一个全新的研究领域，它将对数百万工程师的生活产生巨大影响。不过，构建CAD AI Agent的最佳实践尚未确立，他们非常期待这次实验机会！
（完）
彩蛋：一名海外用户使用Adam的测试验证。
想象一下用简单的文字描述一栋房子……并观看3D模型在几分钟内变得栩栩如生。从文本提示到3D别墅设计不到3分钟。
PS. 不过感觉是文生图再生3D资产，并非参数化。
官方链接： https://adam.new/
如有问题，欢迎评论区补充交流，
交流合作：内容撰写，AI咨询，需求对接！
本文来自微信公众号“AI4ELAB”，作者：Connor 秦明
本文来自投稿，不代表AI4ELAB立场，如若转载，请注明出处：https://ai4elab.com/6246.html
