讲一段企业经历 (中国有8000人，全球25000人这么个规模)：
纸质的图纸档案，有14个档案柜，我入职后，先要了解图纸的查询方法，算下来，也得有一个月的熟悉时间。用户要使用产品，要了解产品的系列的特长（因为产品太多），举例如低成本的，高负载的，食品级的等等，不了解的，甚至不知道该怎么使用企业的选型网站，才能找到自己要的产品
这里，有这么几个信息：
AI介入的2D转3D的需求
公司成立的太久，以前的设计，都是以纸质形式保存，海量 这里有篇文章，值得参考 https://www.toutiao.com/article/7697169921389642240/?wid=1793329795316 从图纸，转3d，可靠性不是特别高，这我亲测过，速度效率不高，但如果是批量识别转化，用户根本不关心速度。一定程度上减少转化工作量是可能的，带来的持续用处是，以后的工程师设计，可以直接调用现成的数模。
还有一种图片转3D，这有很多视频，这如果能应用到打印上，也有用处，它不像图纸一样，自带尺寸参数，用户本身的预期就很高。图片转成3D，只要样子差不多，就可以了。（生产制造行业，如果有利润金字塔，机加工，是峰顶，打印是垫底的）
常用尺寸与公差
常用尺寸的总结： 我要做设计，哪怕我知道零件应该是什么样的，我知道零件应该是什么尺寸，也得去查以前的图纸，因为公差，工艺，关键加工环节，加工毛坯。[有一种情况：零件，是先做压铸，做出毛坯（降低成本），然后在毛坯的基础上，二次加工（提高精度）] 这里有个重点，公差怎么处理？在SW的MBD中，公差是可以做到零件中的，咱们的产品，公差与零件是分离的（只在工程图中有相关），考虑两个事：
- 唯一的数据源
- Step242
公差，是区分加工制品品质的最重要的元素。公差的设计，有很多是基于规律的，比如两个螺纹孔之间的间距公差就是±0.2，单螺丝孔到零件边沿的公差，就是±0.1，注塑的公差就按0.05，拔模的角度所有注塑厂，都希望你至少做3°，铬酸盐钝化氧化膜的厚度有多少，这我也记不住
AI介入的本地知识库
AI介入的本地知识库（这和设计工具，没什么关系，现成的开源技术也足够，做一个销售套件，甚至赠品，或许有用）
网站选型，那么复杂，用户不会用怎么办？企业可以做产品手册，这家日企的产品手册，大概是B5的纸质手册，摞在一起，超过1米的厚度，让用户去掌握手册的使用，成本太高了。 AI的介入考虑：客户问答，引导用户提问，本地知识库。这是成熟技术了，机械设计制造行业独有的，应该可以调用数模，调用图纸，讲解产品品类特点，对比产品系列。
分析设计工作中，什么可以干，什么不能干
有现成AI案例的行业，IT编程，金融分析，互联网信息，看不见，摸不着，虚拟数字。
再分析AI干活的两个技术名词，
- Agent（等于一个黑盒，有进，有出，中间过程，可以不知道）。
- 上下文长度，你的输入，和它的输出长度。这是个关键。
- 想要完成一项工作，等于把一串Agent穿起来干活。
对于虚拟的信息，黑盒是个完全可接纳的环节。在机械结构设计工作当中，有多少环节，是可以以黑盒形式存在的？也就是，我不需要知道它包含了什么零件，不需要知道它的具体零件，尺寸，质量，材质，电功率，散热等等， 在机械结构设计工作当中：有多少环节，是可以以黑盒形式存在的？也就是，我不需要知道某个黑盒组件，它包含了什么零件，不需要知道它的外观尺寸，具体零件，质量，材质，电功率，散热等等
然后我找了个大模型，给我以，Ø50H7(+0.025/0)作为一个尺寸，以它为代表，给我计算了一下1Mtoken上下文，可以容纳多少个。AI给计算的结果
我做这个事的目的：既然黑盒，是个组件单元，那么跟设计最相关的，就是零件尺寸，我知道它能容纳多少个尺寸，我就知道它能容纳多少个零件。因为，我要让AI干的是设计，尺寸是避不开的中心元素。
我们按最大估算可以容纳10w个尺寸，好像很多。可是我们常见的1M token上下文长度，说的可是输入，而不是输出，设计是从AI获取，输出，只有384k，这10w尺寸还得打3折，就是3万。
但这根轴的直径，决定了孔的公差，拖架的载荷，决定了整机的重量，约束关系一出来，就近似平方级的增长，3万尺寸之间的耦合关系，恐怕要破亿了，所以咱还得开个根号，173.2050807568877。到这的计算，全靠直觉，咱放大10倍，甚至百倍，那这些尺寸能不能装下100张图纸？
如果这是一台发动机，能不能把这个发动机，既放入东风解放，又放入法拉利超跑？不可能，要考虑与其他黑盒组件的配合，每一个黑盒组件的变化，都会造成其他黑盒的变化，质心影响，散热影响，载重影响，空间尺寸影响。相对的，虚拟产品，就没有这个考量。
虚拟的行业，可以靠ai，因成果就是数据，它可以验证错误，推倒重来。只要算力强大，可无限的自证迭代。
机械设计没有这个能力，做错了，就是一堆废铁。你不加工出来，永远不知道对错。
上面的 “如果”，都很“直觉“，这么荒唐的假设都做不到，真实情况，只会更糟糕，我们再想想，机械设计，什么样的，会被AI取代，什么样的，绝无可能？
什么会被AI取代，什么绝无可能
我理解：
- AI能设计的，一个简单的产品，没有那么多零件，没有那么多尺寸，而且可能比人设计的更好
- AI不能设计的，一个复杂的产品，动一发，牵全身
理由一：AI的大脑容量（上下文长度），不足以将多个简单产品装入；
（虚拟产品允许装入不同大脑，因黑盒无关）
复杂产品 ≠ 简单产品 + 简单产品 + 简单产品
理由二：无法试错迭代
但技术不是会发展吗，不就是差那么一个足够大的脑袋吗？如今AI的发展如此迅猛！对，我也想过，然后，我再问AI，上下文如果从1M token，拓展到10m token，要多少年，它援引了一份报告，5-8年，指数级的扩展难度。
上下文长度，和其他AI技术并不一样。（2026年10月Llama 4 Scout称10m，但那是研究性质，试验室数据和可商用；顶级试验数据，和你能亲手用到，是两回事，仍然改变不了上面的结果）
设计中，AI可以干什么
简单的产品设计，操作接口，开源CAD，能接入大模型制图，这个在SW中，我们已经实现过了
相关演示。
还有一个能不能将复杂产品，简化成简单产品？这是我们讲SWTDO的参数化原理，这个操作，刚好是个人工剥离不重要的尺寸，只保留了重要约束的关键尺寸的过程
现成的产品改造，是不是AI很值得探索？因为只要对比多套不同规格的产品，相同的Pass（过滤噪音），不同的保留，作为下一个改造的重要参数，是不是太简单了