由中国工业与应用数学学会（CSIAM）主办，CSIAM几何设计与计算（GDC）专委会与厦门大学信息学院、数学科学学院联合承办的”智能CAD生成”研讨会，于2025年4月12日在厦门大学思明校区科学艺术中心成功举办。
本次研讨会由厦门大学图形学实验室的陈中贵教授和曹娟教授负责组织。研讨会信息一经发布，便迅速吸引了众多高校和企业研究人员的积极参与。
清华大学胡事民院士亲临现场并致辞，GDC专委会主任、中国科学技术大学刘利刚教授致辞并主持了圆桌论坛，包括GDC专委会原主任、中国科学技术大学陈发来教授在内的八位学术界和产业界专家作了专题报告。
厦门大学图形学实验室陈中贵教授主持开幕式。活动伊始，陈中贵向莅临现场的胡事民院士、陈发来教授、刘利刚教授、童若锋教授、郭诗辉教授、傅天雄博士等嘉宾，以及来自全国各地的老师同学、企业代表等一百余位参会嘉宾表示热烈欢迎和诚挚感谢。
厦门大学信息学院副院长郭诗辉教授致欢迎辞。郭诗辉教授代表学院欢迎与会嘉宾，特别感谢GDC专委会的长期支持并回顾双方自2009年以来的合作历程。在胡事民院士、陈发来教授、刘利刚教授等专委会领导和专家的长期指导下，厦门大学信息学院图形学团队建设成效显著。面对AI驱动CAD技术转型趋势，信息学院期待以此次研讨会为契机深化合作交流，探索AI+CAD人才培养模式，为行业输送更多优秀人才。
清华大学胡事民院士致辞。在开幕致辞中，胡院士指出，CAD 技术作为工业软件的“基石”，广泛应用于高端装备、智能制造、航空航天和集成电路等关键领域，但长期以来核心技术受制于国外，突破技术瓶颈对于保障产业安全和提升国家竞争力至关重要。胡院士强调，随着人工智能技术的飞速发展，传统几何建模与设计迎来智能生成与数据驱动的新范式，亟需加快推进 AI 与 CAD 的深度融合，实现从“跟随”到“引领”的跨越。结合自身参与国产 CAD 系统研发的实践经验，他特别指出，CAD 技术的发展离不开数学、计算机与工程等多学科的交叉碰撞。胡院士对本次研讨会寄予厚望，期待会议成为智能 CAD发展的新起点，进一步推动产学研协同创新，助力国产工业软件实现更大突破，并预祝会议圆满成功。
GDC专委会主任、中国科学技术大学刘利刚教授致辞。刘利刚教授首先对胡事民院士等与会人员表示热烈欢迎和诚挚感谢，并指出本次研讨会旨在响应国家重大需求，聚焦如何利用AI技术推动CAD新范式发展。刘利刚教授强调，AIGC技术的迅猛发展正在推动三维建模从传统方式向数据驱动智能生成范式转变。刘利刚教授特别提到，设计模型必须具备三大特性：体现人类的设计意图、承载完整的语义信息、满足工程制造的实际需求。面对这一历史机遇，研讨会汇聚了国内顶尖学者和业界专家，共同探讨基于AIGC的新型建模方法，以应对当前挑战并探索未来发展方向。希望通过研讨会，大家可以充分交流意见，促进产学研之间的协同创新，加速新技术的应用和发展，助力中国从CAD技术的跟随者逐步向引领者转变。
复旦大学周向东教授作了题为“基于大语言模型的 CAD 参数模型生成”的报告。周向东教授首先阐述了CAD参数化模型生成的技术挑战与研究现状，重点介绍了多模态、跨模态、文本驱动的CAD生成方法及CAD模型长序列生成策略。他指出通用LLM在CAD领域的知识欠缺，这使得直接应用LLM的效果受限，同时CAD设计语义的文本描述和CAD建模之间存在鸿沟。为此，团队构建了融合语义信息与CAD建模序列伪代码的SPCC训练数据集，基于Llama3-8B进行预训练和指令微调开发出CAD-Llama模型。最后，介绍了使用CAD-Llama模型生成CAD参数模型的结果，验证了大模型的生成能力。
微软亚洲研究院刘洋研究员作了题为“CAD 重建与生成中的难点：结构、特征及硬约束”的报告。刘洋研究员从表征学习、重建和生成视角出发，阐释了CAD生成的研究趋势，指出重建与生成在方法论上具有一致性。他着重分析了CAD生成的核心难点即硬约束求解问题，并介绍了在B-Rep隐式化方面的研究成果和代表工作ComplexGen等。最后，总结了当前挑战，并提出了展望。
香港大学高盛华教授作了题为“CAD-MLLM: Unifying Multimodality-Conditioned CAD Generation With MLLM”的报告。高盛华教授首先介绍了CAD生成的背景及CAD命令序列的表示方法，以及跨模态生成的相关工作。随后介绍了他们团队构建的首个包含文本描述、多视图图像、点云和命令序列的多模态CAD数据集Omni-CAD和首个能够基于多模态输入生成参数化CAD模型的系统CAD-MLLM。最后分享了CAD-MLLM多模态输入生成参数化CAD模型的结果，全面评估了模型的生成质量。
浙江大学杜鹏教授作了题为“基于强化学习的CAD模型训练场”的报告。杜鹏教授通过对比大语言模型兴起前后的CAD模型生成研究现状，系统分析了当前领域的主要技术瓶颈。他们团队受到强化学习在机器人领域的应用启发提出了基于 CAD 几何引擎构建强化学习训练场。随后，他进一步探讨了该技术在B-rep到命令序列生成及CAD脚本生成大模型后处理两个方向的应用前景。
清华大学潘浩教授作了题为“可微分CSG与设计概念归纳”的报告。潘浩教授首先阐述了CAD内核本质上是一个黑盒系统，进而提出了将此黑盒转变为可求梯度的白盒的思想，由此引出CSG的可微分计算的概念和方法。他先详细阐述了可微分CSG的算法的实现与应用，随后介绍了CAD 草图中的设计概念归纳学习。通过将草图转化为声明式域定义语言，他们团队基于神经网络和自监督方法实现了草图模块化子函数的自动提取，为草图理解、补全与重建任务提供了有力支撑。
北京师范大学郭建伟教授作了题为“序列化和结构化表征驱动的 CAD 智能建模”的报告。郭建伟教授首先阐述了CAD逆向工程的概念及其深度学习方法，分享了他们的研究动机。随后，介绍了他们团队实现的自监督隐式草图-拉伸与草图-路径的CAD重建方法，对应于SECAD-Net和SfmCAD模型。最后，分享了他们团队在光栅化草图-拉伸与自底向上的B-rep CAD生成方面的工作。
腾讯光子工作室刘中远研究员作了题为“从慢思考到智能生成：CAD 大模型与设计需求空间的思考”的报告。刘中远研究员首先阐述了他对于CAD的理解，讨论了如何让算法具备CAD生成的能力，分享了不同的CAD的种类及其语义意图空间，并从设计师的角度分享了CAD设计流程与语义约束。最后，分享了他在智能生成技术路径上的思考，认为艺术生产是一个思考实践迭代过程，艺术生产算法的最终解决方案应该是一个带有创作叙事目标以及审美偏好的多步骤多AI智能体群相互配合并使用垂类AI&DCC算法工具集的思考实践迭代过程。造出这样的数据集是实现这个过程的第一步。
中国科学技术大学陈发来教授指导的博士生李劲作了题为“DTGBrepGen: A Novel B-rep Generative Model through Decoupling Topology and Geometry” 的报告。李劲首先从基本的B-Rep表示来分析CAD生成问题的背景和相关工作的研究局限，提出了解耦拓扑约束和几何表示的B-Rep模型生成框架DTGBrepGen。该方法首先利用Transformer框架生成模型的拓扑关系，然后再利用Difussion模型生成几何表示。报告最后介绍了DTGBrepGen网络生的CAD模型例子，并分享了一些条件生成的结果。
中国科学技术大学刘利刚教授主持圆桌讨论。在八位专家精彩的分享结束后，刘利刚教授对研讨会的八场报告进行总结，并进行了补充提问环节，同时请来自中望、华为等参会的企业技术专家就本企业的视角对智能CAD生成技术的一些思考进行补充分享。随后，刘利刚教授主持圆桌讨论与报告专家和参会人员共同围绕CAD的表达方法、带硬约束的AI生成方法、生成过程的精度问题、以及CAD/CAE一体化的AI方法等议题展开了激烈的讨论。
讨论现场气氛热烈，与会的各界专家学者们积极发言，围绕CAD技术的关键议题展开激烈讨论，展现出对智能CAD生成技术发展的高度热情。
圆桌讨论环节结束后，刘利刚教授作总结致辞，向报告专家、与会人员和赞助企业致谢，同时表达了深化未来合作交流的期待。研讨会尾声播放的精彩视频锦集带领全场重温了研讨会亮点，会议在热烈掌声中圆满落幕。
智能CAD生成研讨会主页：https://graphics.xmu.edu.cn/GDC2025SymposiumXM/index.html
