AI不新建工具了：这一周，它开始钻进你正在用的CAD

8月24日到27日，四天，三家公司发了三条看似各不相关的新闻。

达索在官方博客更新了SIMULIA R2026x FD03，把虚拟助手LEO嵌进仿真工作流，还新设了两个岗位式角色——"虚拟孪生物理行为创建者"和"仿真流程体验工程师"，后者负责把企业"已批准的仿真方法"固化成模板。两天后，Siemens Digital Industries的CEO Tony Hemmelgarn在接受Develop 3D采访时把话挑明：再造一个建模器没价值，价值在于把LLM和现有的CAD连起来。再一天，一家叫Limitless Labs的创业公司宣布，它的CAM Agent将在IMTS 2026公开亮相，直接嵌进NX、Mastercam和Creo里生成刀路。同一天，Siemens在曼谷宣布Eigen Engineering Agent首次进入泰国市场，这个智能体直连TIA Portal，自己规划、执行、验证PLC工程任务。

四天里，没有一家说要"重新发明CAD"。恰恰相反，它们都在往你正在用的软件里钻。

先看这四天各自干了什么

达索这次给SIMULIA装的东西，值得拆开看。LEO能干的不再是"回答仿真问题"，而是生成设计性能洞察、设置并运行仿真、自动处理结果，官方表述是"无需仿真经验也能有信心完成分析"。更值得注意的是两个新角色：一个用机器学习、基于高保真物理数据训练虚拟孪生的行为模型；另一个把"已批准的工程方法"做成可复用模板——翻译一下，就是把你企业里那些"老师傅才跑得顺的仿真流程"，固化成软件能反复执行的东西（据达索官方博客，8月24日）。

Siemens CEO那段话，是这个月关于AI+CAD最值得读的表述之一。他在Realize Live Europe上对Develop 3D说："价值不在于再造一个建模器，而在于我们能把一个很好的现有CAD工具与LLM紧密连接起来。"他现场演示了一个在NX里建的火箭模型，连上Claude后，AI只凭几何和几何间的关系，就算出了氧化速率、有效载荷这些参数；让它把有效载荷提升50%，模型自动更新。Hemmelgarn还反问了一句："你够开放吗？你有足够的API吗？"在他看来，NX和Designcenter从第一天起就在为这件事做铺垫（据Develop 3D采访，8月26日）。

Limitless把同一逻辑搬到了车间。它的CAM Agent不替换你现有的CAM系统，不换刀具库，直接在NX、Mastercam、Creo里读取几何，套用企业自己的刀具库和机床运动学，完成特征识别、工序排序和刀路生成。官方案例里，原本两小时的编程压到十分钟以内，复杂的多工序航空航天程序五分钟内出（据PR Newswire，8月27日）。它的CEO有句话值得记住："目标不是把程序员赶下车间，而是把你最优秀程序员的知识复制给每一名新程序员。"

Siemens的Eigen走得最远。它不只是给建议，而是直连TIA Portal，读取项目的数据结构、程序块、参数和组件关系，自己写控制软件、配置系统，再对照质量基准迭代修正。官方口径是：全球19个国家超100家企业采用，执行速度比手动快2到5倍，工程效率最高提升50%，方案质量提升80%；一家汽车产线集成商的新员工上手时间从数周缩到数天（据西门子官方发布，8月底）。注意它读取的范围——"包括老旧或无文档记录的系统"——这意味着它能理解你企业里那些没人维护、只有老人才懂的工程遗产。

接口：AI进入企业的那道门

把四件事叠在一起，一个容易被忽略的共性浮出来：这些Agent能干活的前提，是它们都"读得懂"现有软件的内部结构。

Eigen能写PLC，是因为TIA Portal开放了项目数据结构；Limitless能生成刀路，是因为NX、Creo、Mastercam有API，而且它还能吃下企业自己的刀具库和机床运动学；达索能固化仿真方法，是因为3DEXPERIENCE把流程模板做成了可复用的层。Hemmelgarn那句"你有足够的API吗"，问的其实是整个行业的命门：AI在一个企业里能落多深，不取决于模型多聪明，取决于软件接口开得有多深。

这句话对CATIA二次开发工程师的分量，可能比过去任何一个趋势判断都重。过去二十年，你写宏、写CAA、写Python脚本，本质是帮人少点几下鼠标；从这一周开始，同一套API技能的服务对象变了——它变成了AI进入企业工具链的那道门。企业里最先能让Agent跑起来的环节，一定不是AI公司替你选的，而是那些已经被API覆盖、数据结构清晰、规则可编码的地方。而这些地方，恰好是二次开发工程师最熟的领地。

Agent的燃料，是老师傅的经验

还有一个容易被当成公关话术、其实是商业逻辑的细节：Limitless那句"复制最优秀程序员的知识"、达索把"已批准的工程方法"固化成模板、Eigen按Automation Framework生成合规工程，本质是同一件事——行业正在系统性地把头部工程师的经验，编码成Agent可执行的东西。

上篇聊经验资产化，说的是个人层面：自己主动把脑子里的东西搬到外面，免得退休那天跟着人走。这一周看到的是行业层面的动作：平台厂商正在替你完成这件事——用你的历史项目、你的刀具库、你的仿真规范训练Agent，再把"老师傅的产能"打包成产品卖回给你。区别在于谁来做编码。规则是你写进API和模板的，Agent就在你的框架里干活；规则是平台替你默认的，你就成了被动的使用方。

三条行动线

所以这周最该想清楚的一件事，不是"AI会不会取代我"，而是"我的经验正在被谁编码"。

第一，挑一个"只有老师傅会、新人学不会"的环节，主动写成规则。 出图顺序、选型逻辑、校核判据——任何你拍脑袋能做、却说不清步骤的事，都是候选。写成带参数名的模板、带注释的脚本、带判据的校验规则。这是给未来Agent准备的燃料，燃料在你手里，Agent就得听你的。

第二，把手头的二次开发资产，按"可被外部调用"的标准重构一遍。 Agent调用你的工具时，不会像人一样容忍模糊。标准化的输入输出、清晰的参数、完整的错误处理、既能独立运行也能被编排——做到这几点，你的宏和插件就从"给人点的按钮"，升级成"给Agent调的接口"。

第三，把视野从CATIA内部挪到数据流上。 看看你企业的模型数据怎么流进PLM、怎么喂给仿真、怎么走到制造。接口深度正在成为AI落地的天花板，而接口从来不止CATIA一个。理解整条数据链的人，才是那个"能让Agent进门"的人。

最后一个问题

如果明天有一个Agent要拜你为师，你第一个想教它的环节是什么？是一段出图套路、一套选型判断，还是某个你闭着眼都能跑、却从没写下来的流程？评论区聊聊，说不定那就是你下一阶段的第一份资产。

关注回复「Agent落地」加入 CATIA 二次开发交流群。