上周在深圳的西门子Realize LIVE用户大会上，PLM产品执行副总裁Joe Bohman站在台上说了一句话："这是西门子的Copilot，不是微软的。"他旁边的大屏幕上打出一组数字——Designcenter Copilot，94%的操作预判准确率，上个月被调用了50万次。
这不是Demo，也不是展望。这是一个在工程师每天工作流里跑了七年、现在每月被使用50万次的AI功能。
同一天，大洋这边，中望软件副总经理林庆忠在北京一个国家级研究中心揭牌仪式上给出了另一个判断：AI+CAD正处在"1.5阶段"——AI增强已经落地实用，AI原生还在探索。
两组声音，一个指向"已经在跑"，一个指向"跑到哪了"。把它们拼到一起，信号很清楚：AI+CAD过了"要不要上"的阶段，现在的问题是"怎么上"。
!1.5阶段三级跃迁：传统CAD AI增强CAD AI原生CAD
先看数据，但要看数据的成色
这组数据之所以值得单独拎出来说，不是因为数字大，而是因为它终于不再是PPT里的预测值。
Designcenter Copilot深耕七年——不是七个月，是七年。94%的准确率预判工程师下一步操作，单月调用50万次，而且据Joe Bohman现场表述，"使用量每月都在极速攀升"。一个功能如果不好用，工程师会忽略它；单月50万次说明它已经嵌进了日常工作流。
这组数据旁边还有几个参照系。西门子的Designcenter中AI生成图纸速度提高50%；Teamcenter零件复用功能效率提升10倍。一家叫Kinetic Vision的中小企业，使用西门子方案后速度提升了4000倍，准确率达到98%（据厂商发布数据）。国内这边，浩辰软件的AI助手上线后，2026年上半年营收同比增长25.8%——这是第一次有国产CAD厂商在财报里用数字证明AI能力可以转化为商业收入。
这些数字合在一起，回答了一个悬了很久的问题：工业AI到底跑没跑起来？答案是跑起来了，而且跑量了。
但有个细节值得注意：94%的准确率预判的是"下一步操作"，不是"替代设计决策"。它的角色是辅助，不是替代。这个区分很重要——后面会展开。
"1.5阶段"这个定位，比看起来更值钱
林庆忠给出的"三级跃迁"框架——传统CAD、AI增强CAD、AI原生CAD——把行业整体定在了"1.5阶段"。翻译成大白话：AI当助手嵌入到现有CAD里，这条路已经走通了；但AI从底层重写一个全新CAD，还远着。
这个判断为什么值钱？因为它精确地回答了很多CATIA工程师心里那个焦虑的问题："我是不是该等一个AI原生的CATIA？"
答案是：不等。
"1.5阶段"意味着未来1到2年，主战场不是"AI原生CAD从零颠覆现有体系"，而是"把AI Agent嵌入到已经跑了几十年的CATIA工作流里"。林庆忠的原话是："Agent的爆发正在加速CAD软件的组件化、后台化、场景化。"注意这三个词：组件化、后台化、场景化。说的不是"AI取代CAD"，是"CAD变成AI可调用的零件"。
不过，林庆忠同时点出了三道坎。第一，AI垂域模型落地困难——CAD数据是企业核心资产，难获取、标注贵、标准不统一，叠加行业对私有化部署的强需求，通用方案难奏效。第二，大语言模型在工程场景中缺乏专业知识且存在幻觉风险，难以理解复杂图纸、设计意图和专业术语。第三，Agent在复杂设计任务中的拆解与规划能力尚显不足，多步骤、多专业协同的可靠性和可解释性还有待提升。
这三个坎，恰好是CATIA二次开发工程师最该发力的方向——因为你比任何AI公司都更懂"企业自己的CAD数据长什么样"。
模型厂开源Harness：护城河换了地方
几乎在同一周，OpenAI在8月20日把Codex Harness开源了，Apache-2.0协议，开发者可以自由构建自己的Agent应用。在这之前，DeepSeek已经开源了DSH。
Harness是"模型和业务系统之间"的编排骨架，决定了一个AI Agent能不能稳定、长期、可审计地接入工业软件。这次OpenAI开源的意义不在于又多了一个框架，在于它用一组自己的实验数据证明了Harness有多关键：同一个GPT-5.6 Sol模型，只改了Harness层的两项设计（保留推理和上下文压缩），ARC-AGI-3得分就从13.3%跳到38.3%，输出token减少到原来的六分之一（据OpenAI发布数据）。模型没变，变的是框架——这等于说，决定Agent实际生产力的，越来越不只是模型权重，更是上层编排骨架。
这件事对CATIA工程师的直接含义是：当模型厂纷纷把Harness当新护城河，工业场景里"AI能不能稳定接入CATIA"这个问题的答案，越来越指向"用Harness中间层做可控调度"，而不是"直接裸调LLM API"。后者实现快但黑盒，前者复杂但可观测、可回滚、可审计——工业场景最终会选后者。
把信号拼到一起
本周的三条线索——94%准确率的生产数据、中望的"1.5阶段"定位、OpenAI和DeepSeek的Harness开源——交汇于一个判断：AI+CAD的竞争重心，已经从"模型有多强"转移到"工程化标准谁先定"。
西门子用七年时间把Copilot跑到了月50万次调用，靠的不是模型多先进，是对工程数据的理解深度和工程化打磨的耐心。中望进入国家级研究中心，要解决的也不是"AI算法问题"，而是林庆忠所说的"数据、工程、流程、生态与组织的系统性挑战"。谭建荣院士在人民日报上谈国产高端机床，把"数字孪生+生成式设计"写进了国家级技术路线。CADCG2026把"智能体驱动CAD"开成正式专题课程，学界为下一代范式定调。连西门子大中华区CEO梁乃明都在大会上直说："AI应用场景广泛却难创造实质工业价值。"
产、学、官三条线在同一周内集中表态，不是巧合。它意味着AI+CAD已经从"概念展示"走进"标准与制度"的深水区。谁还在纠结"要不要上"，谁就已经落后了一个身位。
给CATIA工程师的三条行动指引
第一，把问题从"要不要上AI"换成"先上哪个环节"。 西门子Copilot跑了七年才有94%和50万次，不是一夜建成的。你的起点不需要那么大——先挑一个最痛的环节：图纸自动出图、零件相似检索、标准件自动选型。用一个可量化的指标（比如出图时间从X小时到Y小时）去衡量，跑通一个场景比铺十个概念有用。
第二，把二次开发资产往"可被Agent调用"的方向改造。 林庆忠说"CAD软件的组件化、后台化、场景化"是趋势，这对二次开发工程师是机会：你手里那些宏、脚本、CAA插件，如果还停留在"人点一下、跑一下"的模式，它的价值天花板就到这了。改成可被API调用的标准化模块，它才能被Agent编排——这是"1.5阶段"给二次开发的清晰路径。
第三，补数据治理能力。 林庆忠点出的第一道坎是"CAD数据是企业核心资产，难获取且标注成本高"。这恰恰是CATIA二次开发工程师最该占的位置——你比任何AI公司都更懂你企业的模型结构、命名规范、参数逻辑。当企业要训自己的设计AI时，最缺的不是算法，是"需求—决策—结果"连起来的真实案例。做数据管道的人，永远不缺饭吃。
最后一个问题
西门子用七年时间把Copilot跑到了月50万次调用。你的企业里，有没有一个AI功能，已经跑到了"工程师每天用、不用就觉得缺了点什么"的程度？如果还没有，你觉得离那个状态还差什么？评论区聊聊。
关注回复「AI落地」加入 CATIA 二次开发交流群。
_栏目：深度思考 | 发布日期：2026-08-26 | 字数：约2200字_