壹典焕羽融入国产 CAD，携手华天软件推进工业设计智能化

从工业设计积累，走向专业 AI 与工业软件融合

壹典控股集团总经理刘健壮在发布会上介绍，焕羽是面向工业设计的专业生成式大模型，其研发依托壹典多年的工业设计落地经验。真实设计项目中的问题，不只是如何生成一张具有视觉吸引力的图片，而是如何理解需求、组织设计条件，并让生成结果成为设计师可以继续讨论和深化的方案。

此次合作将这一探索带入专业软件环境。设计师表达产品意图，焕羽辅助梳理要求、探索外观并形成三维概念；CrownStyling 提供进一步推敲体量、轮廓与曲面细节的造型工具。双方共同关注的是不同设计阶段之间的信息衔接，使前期创意能够进入后续专业工作。

从工业设计经验，到领域模型与生成流程，再到工业软件中的产品化应用，焕羽融入 CrownStyling 是壹典推进工业设计 AI 落地的重要进展。它的价值需要在具体任务和持续使用中体现：设计条件是否表达清楚，候选方案是否便于比较，三维结果是否有助于下一步设计判断。

专业能力互补，连接创意探索与造型深化

工业设计既包含对产品形象、使用场景与审美方向的探索，也包含对形态关系、曲面质量与设计约束的细致推敲。这些工作处于同一设计过程，却需要不同的工具和评价方式。

焕羽侧重需求理解、方向探索与概念表达，将产品目标、造型语言、色彩材料方向及约束组织为生成条件。CrownStyling 则围绕专业造型需求，提供细分曲面、曲线、曲面、光顺与渲染等能力，支持设计师继续研究比例、轮廓、曲率与光影表现。壹典的焕羽研究页面也将设计语义、条件生成与结果评价作为理解相关研究的入口。

这种互补关系可以概括为：设计意图形成外观方向，选定方向进入三维概念表达，再由专业造型工具承接深化。生成结果提供可讨论的起点，专业设计判断决定哪些特征值得保留、哪些部分需要重构。将这两类能力放到同一个工作环境中，有助于让创意探索与后续修改围绕共同的设计目标展开。

先确认设计要求，让生成过程有共同依据

设计需求通常不是一组完整的参数。用户可能提出“设计一款硬派、有力量感的 SUV，蓝色车身、橙色点缀”，也可能在多轮交流中逐步补充使用场景、造型偏好和不希望出现的特征。系统需要把这些信息联系起来，同时保留尚未明确的条件。

在焕羽的技术演示流程中，基于 Transformer 的语言理解与专家路由机制共同参与需求整理。自然语言和上下文经过编码后，围绕工业设计语义形成结构化要求，包括产品类型、造型方向、CMF（色彩、材料与表面处理）及边界约束，再交由用户确认。

确认环节具有直接的设计意义。例如，“金属漆、高光反射”描述的是外观与表面效果，并不能据此认定实体部件采用某种金属材料。演示中的材料方向仍保留为待确认项；同样，“力量感”也需要结合车身比例、轮廓和细节语言进一步表达。把确定条件与待确认信息分开，可以减少模型替用户擅自补全要求的情况。

经确认的设计要求成为后续文生图与三维概念生成的共同输入。方案评审因此有了可以回溯的依据：某种外观来自哪项要求，一次修改改变了什么条件，生成结果是否偏离已经确认的方向。需求理解不止发生在生成之前，也贯穿方案选择与迭代过程。

以专业语义编排条件，生成可比较的外观方案

从设计要求到外观图像，中间需要完成一次表达转换。产品类型、造型特征、CMF、呈现视角及排除项，被组织为图像生成模型能够使用的条件。例如，硬派 SUV 的方向可以进一步表达为方正车身、特定灯组语言、蓝橙配色和产品渲染视角，并对比例失衡或无关装饰提出限制。

技术演示展示了专业语义增强、生成条件编排与经过工业设计领域训练的 Stable Diffusion 相衔接的流程。文本编码器将条件转换为向量，条件去噪网络在迭代中结合这些信息，最终由解码器形成外观图像。其设计重点，是让生成条件围绕已经确认的需求保持一致。

候选方案的比较也应回到需求本身：主体比例是否符合目标，识别性特征是否保留，配色与表面效果是否协调，图像是否清楚表达主要形态。对一个方向的认可，意味着它值得进入下一阶段讨论，而不是仅凭一张效果图就确定全部设计。设计师可以据此筛选方案、调整条件，再继续迭代。

图生三维分开处理形状与材质，再检查关键轮廓

当外观方向确定后，图生三维将二维表达转换为可以从不同视角观察的概念资产。演示所采用的技术路线，以微软开源项目 TRELLIS.2 为生成主干，配合独立的轮廓检验与修正流程。这里的专业工作既包括生成模型的应用，也包括围绕设计任务组织输入、检查结果与处理偏差。

流程先处理前景与图像条件，逐步生成稀疏结构、形状表示和材质表示，再解码为网格与材质资产。形状回答的是物体的空间体量与表面结构，材质回答的是颜色、金属度、粗糙度等表面属性如何呈现。将两者分阶段处理，便于分别检查几何形态与视觉效果，避免把贴图中的明暗误当成可靠的结构细节。

三维结果还需要与参考图进行核对。演示中的检查路径包括参考图遮罩与关键轮廓、相机对齐与轮廓重投影，以及边界偏差、开口和突出特征的检查。出现偏差时，补充参考、重新生成或几何修正，应根据问题所在的环节选择。仅调整材质，无法修复不正确的主体比例；仅在一个视角上轮廓接近，也不能证明其他视角已经可靠。

单张图像无法完整约束被遮挡的表面和内部结构，因此生成的三维资产仍带有需要设计师判断的不确定性。壹典的图生 3D 能力介绍也将二维图像到三维资产作为应用方向。对工业设计而言，关键是让生成结果成为可检查、可比较、可继续处理的概念参考，并清楚保留它与工程设计之间的边界。

硬派 SUV 案例：从单一效果图进入多视角设计讨论

本次展示的 SUV 概念设计，以硬派、力量感、方正车身、蓝色主体与橙色点缀为方向。前期要求被整理为设计条件，形成外观候选方案；选定方案后，再生成三维概念造型，并通过侧面、正面、俯视及透视等视角呈现车身轮廓、体量和细节关系。

多视角表达让讨论能够落到更具体的问题上。侧视图可以辅助观察车身各部分的比例与轮廓衔接；正视图有助于检查左右关系及主要特征；俯视图则补充单张透视效果图不易说明的平面形态。展示中使用灰色模型呈现几何，也便于把注意力放在体量与结构表达上，减少配色和反光对判断的干扰。

这些视图是概念评审的材料，并非已经标注尺寸的工程图。展示案例说明了从设计意图到三维表达的衔接方式；后续是否需要调整比例、补充细节或重建局部造型，仍由设计目标和专业评审决定。三维生成的作用，是让下一步讨论拥有更直观的共同对象。

进入 CrownStyling，让专业工具承接进一步设计

焕羽 API 集成至 CrownStyling 后，生成式设计能力进入专业造型环境。演示将这一关系概括为原生组件集成：AI 提供概念探索与三维表达，CrownStyling 以专业造型工具承接后续工作，设计师继续进行曲面编辑、形态优化与造型质量检查。

在这一阶段，需要关注的不仅是某个视角“看起来像不像”，还包括轮廓衔接是否自然、曲面过渡是否合理、光影变化是否暴露局部问题。华天的软件体系以 DGM 三维几何建模引擎与 HTGC 几何约束求解器等自主技术为支撑，为专业几何处理提供底座；生成能力与专业软件能力由此各自发挥作用。

生成网格并不自动等于具有完整建模历史的参数化 CAD，也不意味着已经得到满足制造要求的工程模型。面向具体产品，曲面深化、结构设计、尺寸与装配约束，以及材料和制造可行性验证，仍需专业人员和相应工具持续推进。明确这一步交接的责任和依据，才能让 AI 创意更稳妥地进入产品开发。

以产品融合为起点，持续推进工业设计 AI 应用

焕羽与 CrownStyling 的融合，体现了工业设计 AI 的一条务实路径：围绕已有的专业任务构建模型能力，再把这些能力接入设计师使用的工具环境。壹典的设计经验、专业语义组织与生成流程，和华天的软件造型能力相互衔接，共同服务从概念探索到设计深化的过程。

对于实际应用，值得持续检验的是每一步产出能否被下一步使用：需求能否确认，方向能否比较，三维结果能否检查，后续修改是否保留原有设计意图。这些具体问题比单纯追求更多生成结果，更接近工业设计团队日常工作的需要。

面向未来，壹典将继续深耕工业设计领域，在真实需求与应用反馈中完善焕羽的专业能力，推进模型、工具链与专业软件的协同，与产业伙伴共同探索智能设计的产品化应用。让 AI 理解设计，让创意连接专业工具，是这一合作持续推进的方向。