生成式設計的未來！SolidWorks CEO透露正在開發設計界的ChatGPT，用自然語言提出需求就能生出設計

【美國納什維爾現場直擊】如果ChatGPT能學習過往的文本數據，並成生符合使用者需求的答案，那SolidWorks是否能讓3D CAD學習過往生產數據，來生成符合使用者需求的設計呢？

SolidWorks CEO Manish Kumar面對這個問題，一臉冷靜的回答：「我可以告訴你，但我就必須做掉你。」接著語氣一轉笑道：「對啦，我們確實在開發這個技術。」

做出設計界ChatGPT前，生成式AI必經的3發展階段

雖然說著容易，但從設計界現有生成式AI應用走到開發出能用自然語言生成設計的「設計界ChatGPT」，確實無法一蹴而就。Manish Kumar也強調，這個計畫目前仍在開發中，無法給出任何承諾。他同時提出了在達到此技術水準前，生成式設計技術發展必須經過的3個階段。

第1階段是，根據設計師給予的一套物理限制或特性，做出各種變化。例如，設計師對AI提出一個參數式建模，要求AI在一定條件下優化既有設計的物料及結構。這種技術生成的設計，外觀特徵與原始設計模型相差不遠。達梭系統已經有這個技術階段的產品，也就是拓樸優化功能。

第2階段是根據設計意圖來生成具備不同外觀特徵的設計，達梭系統目前研發進度落在此階段。設計意圖指的是關鍵物件之間的關係，如螺絲孔間的距離、相對絕對位置、或尺寸比例等。更動設計外觀特徵時，必須考慮設計意圖，才不會導致設計失效。許多時候，設計意圖定義了一個產品或零件的功能，而設計特徵不會。舉例來說，筆蓋跟筆身接合處大小關係，決定了蓋子是否能蓋上，但筆身跟筆蓋接合處以外的地方，不論把筆蓋的尺寸、形狀、顏色、材質，或其他特性如何更動，通常都不會影響蓋子是否能蓋上。

反過來說，設計師定義完設計意圖，就能根據其他需求，要求AI生成不同特徵的設計。延續筆蓋的例子，設計師可能想要設計一個可以夾在衣服上不會掉的筆蓋，但不知道怎麼設計最省物料、最省空間或夾的最緊，就可以讓AI生成出許多種不同設計，再從中挑選或作為參考。筆蓋是相對簡單的設計，因此或許生成式設計技術派不上用場，不過隨著產品複雜度提升，設計的可能性也會變多，生成式AI生成大量設計的能力便會更顯重要。

Manish Kumar補充，屬於同一階段的生成式設計還有逆向設計分析，也就是從一個模型或圖片回推背後設計參數，並生成設計圖的技術。這是因為這種技術同樣使用設計意圖作為分析基礎。

第3階段，則是將既有零組件加入生成考量。生成式設計時常與3D列印掛勾，因為AI生成的設計通常與既有零件形狀相差甚遠。Manish Kumar表示，以既有零件為基礎生成設計，不僅能讓設計更容易投入生產，也能大幅減少物料及零件浪費，甚至能以常見回收廢棄物的零件做為生成設計基礎，進一步達到永續設計的目的。

Manish Kumar進一步以ChatGPT作為對比，說明對「設計界ChatGPT」技術的想像。ChatGPT是根據使用者提出的文本需求，修正AI給出的文本答案。「也就是你問一個問題，他回答，你再追問，他再修正答案。」

同理，「設計界ChatGPT」則是用文本需求修正生成式設計答案。他舉例，使用者可以對CAD說，「給我一張桌子。」CAD根據桌子的設計數據生成設計草圖後，使用者便能以此為基礎，用各式額外要求，要求CAD持續修改設計細節，直到滿意為止。