SGS-1 介绍：参数化 CAD 生成

摘要

SGS-1是Spectral Labs推出的首个工程级3D参数化CAD生成基础模型。用户输入图片或3D网格，即可获得可直接编辑的STEP格式B-Rep文件。在75个测试样例中，SGS-1的几何精度和空间理解能力显著优于GPT-5和HoLa模型，可应用于装配设计、草图转CAD、逆向工程等场景。当前版本专注于工程类可参数化几何，未来将拓展多模态输入和物理推理能力。

内容框架与概述

文章开篇介绍SGS-1的核心定位：这是一款能够生成可制造、可编辑参数化3D几何体的基础模型。与其他生成模型不同，SGS-1输出的STEP格式文件可直接在Fusion360等专业CAD软件中编辑，解决了传统AI生成模型输出无法用于实际工程的痛点。

性能评测部分将SGS-1与GPT-5和HoLa进行对比。研究团队使用75个中高复杂度的参数化几何图像作为测试集，每个模型运行10次取最佳结果。SGS-1在绝大多数样例中至少有一次成功输出，而GPT-5表现出明显的空间推理不足，HoLa在精度和多样性上也远逊于SGS-1。文章通过轨道安装座的实例直观展示了差距：SGS-1准确捕捉几何特征并可直接装配，GPT-5的输出则完全无法使用。

应用场景部分展示了SGS-1的三大核心能力：在装配环境中根据部分装配体和文本描述生成新部件；将手绘草图和工程图直接转换为参数化三维模型；以及将STL/mesh等"哑模型"自动转换为可编辑的STEP文件。文章最后坦陈了当前局限——不适合自由曲面造型、分辨率有限、暂不支持复杂装配体生成——并展望了多模态输入和物理推理强化的发展路线。

核心概念及解读

B-Rep（边界表示）：一种通过面、边、顶点精确描述三维实体边界的CAD表示方法。SGS-1输出的STEP文件采用B-Rep格式，确保几何体可被工业CAD软件识别和编辑。

参数化几何：几何特征由可调参数定义，修改参数即可改变形状尺寸。这使SGS-1的输出能够根据装配需求灵活调整，而非重新建模。

空间理解能力：模型对三维空间关系的推理能力。GPT-5在此方面表现薄弱，生成的几何结构常出现特征缺失或位置错乱，而SGS-1能准确还原复杂的空间几何关系。

逆向工程：从已有实物或非参数化模型反向获取可编辑设计数据的过程。SGS-1可将3D扫描或STL网格一键转为参数化STEP文件，大幅简化传统逆向工程流程。

人机协同迭代设计：SGS-1倡导的工作模式——AI初步生成、人工调整微调、再次生成优化。这种范式将设计师从繁琐建模中解放，专注于创意和功能优化。

原文信息

此摘要卡片由 AI 自动生成