每次谈到 AI，人们总会把话题落在岗位替代上。但如果只把它当成自动化工具，其实低估了它的价值。

peterll

每次谈到 AI，人们总会把话题落在岗位替代上。但如果只把它当成自动化工具，其实低估了它的价值。真正值得讨论的，是它能否参与到那些复杂、门槛高、迭代慢的工作中，帮助我们解决更难的问题。


工程设计就是一个典型例子。一个产品从概念到落地，需要把抽象逻辑转化为可制造的物理结构。几何约束、材料特性、受力分析、加工方式，每一步都要反复验证。很多创意并非不可行，而是实现过程过于复杂，需要专业技能和大量时间。

Google Research 的研发负责人 Anupam Pathak 做过一次测试。他将一张涡轮叶片的图片和简单提示输入系统，让它推理出一个可 3D 打印的设计方案。涡轮叶片结构复杂，通常要由熟练的 CAD 工程师完成建模和优化。系统根据图像和文字信息推导几何关系，生成多个候选结构。工程师可以继续对话，调整角度和形状，快速看到不同方案。

这件事的意义不在于自动生成图纸，而在于缩短了设计闭环。Pathak 本人并不是 CAD 设计师，但他可以直接参与复杂结构的探索，把时间放在思路和判断上，而不是被工具门槛限制。

当设计和原型开发的速度提升，团队就能在同样时间内尝试更多材料和结构路径，验证更多假设。探索范围扩大，试错成本下降，产品也更快接近可行状态。这对初创公司是效率提升，对成熟企业则意味着可以把资源投入更具挑战性的研究。

如果 AI 能够参与复杂推理，并在工程约束下生成可执行方案，它的角色就不只是自动化工具，而是创新流程的一部分。与其担心它会取代什么，不如思考它是否正在降低创造的门槛。真正重要的，不是让机器重复已知答案，而是让它帮助我们探索未知。

#
http://t.cn/AXtKTYko