Skyfall AI 发布工程世界模型 SKY-001，称 CAD 任务降本 150 倍

在十几年前那段被称作 AI 寒冬的岁月里，Sam Pasupalak 在加拿大滑铁卢大学读完数学与计算机专业，随后创办了 Maluuba 公司，图灵奖得主 Joshua Bengio 和 Richard Sutton 以学术顾问身份参与其中。 Sam 创办的 Maluuba 一度做出比 Siri 更聪明的个人助理，后来被微软以 1.6 亿美元买走。如今他坦言后悔卖掉这家公司，觉得这家公司本来有机会成为下一个 OpenAI。 2025 年 4 月，Sam 在美国旧金山创立 Skyfall AI，18 个月后拿出一份 AI 技术答卷，推出的产品叫 SKY-001，官方给它的定位是第一个“工程世界模型”。 （来源：Skyfall Al） 作为大洋彼岸的读者我们对这类叙事并不陌生，硅谷经常会冒出宣称要颠覆一切的模型，SKY-001 这次把矛头对准了物理世界的设计以及制造，声称要在计算机辅助设计（CAD，Computer-Aided Design）和建筑信息模型（BIM，Building Information Modeling）领域掀起波澜。 AI 大模型的理科盲区与 SKY-001 的破局逻辑 要判断 Sam 这套说辞的成色，得先弄明白这样一个基础问题，那些能够写文案、能够写代码的大模型，在面对一台发动机亦或是一栋楼时到底卡在了哪里。 工程设计的核心肯定绕不开空间约束，比如一台 VMS-85 发动机内部嵌套着数百个之多的零件，每个零件都要和其他零件严丝合缝地咬合，齿轮组藏在正时盖后面（正时盖是发动机正时系统的防护罩壳），套管藏在壳体内部从外面看不到。 图 | 案例演示（来源：Skyfall AI） 语言模型在处理这类任务的方式是逐词生成，文字读起来是通顺流畅的，落到几何上却经常错位，Skyfall 在官方博客里写道，使用语言这种媒介去推理空间关系的话，效率实在非常低。该公司的选择是让模型直接在视觉世界里做规划，其将 SKY-001 的架构分成两个阶段，第一个是层级化组件器，第二个是构建世界模型。 组件器负责想清楚设计方案由哪些东西组成，它先是生成整体的粗略三维形状，然后再把整体拆成各个总成（总成指由若干零件组装成、可以独立完成某项功能的部件组合），基于总成继续往下拆，直到每一个分支都变成单独的零件。 这个拆解方式和工程团队的协作流程非常相似，项目经理先定下来整机方案，各个小组再去分头处理自己的子系统。层级结构所能带来的好处在于，父节点一旦确定下来，子节点的推演就可以并行展开，串行步骤的数量只和设计的深度有关联，和零件的绝对数量是脱钩的。 当粗略形状拆完之后，每个叶节点都还只是一具空壳，表面是粗糙的，内部结构存在缺失，这时组件器会把每个叶节点交给精修环节，让它们变成精确的零件，把原本被遮挡的细节进行补齐。 整个流程跑完之后，一份完整的设计树就出来了，这套思路对应着工程设计的第一性原理，那就是复杂系统依靠层级关系来约束彼此，单点决策必须服务于全局的一致性。构建世界模型接手的是另外一项工作，把每一个零件该怎么造出来规划成有序的视觉状态序列。 在 CAD 场景之下，模型会先画出来零件一步步成形的中间三维形状：先来挤出底座轮廓，再去叠加第二层挤出，然后切出三个孔位，接着模型画出衔接它们的二维草图。在该公司展示的复现视频里，草图叠在当前的状态之上，动画会把预测出的下一个形状展示出来。 但是，该公司也表示动画过渡只是一个示意，保存下来的草图和三维几何有可能对不上。这意味着现阶段这套系统产出的视觉结果，距离能够直接投进车床的工业级 CAD 文件还有相当距离。 BIM 场景下的逻辑是类似的，真人建筑师画楼层平面图的时候，遵循固定的次序，比如外墙先落笔，随后户与户之间的墙体和公共走廊跟上，每个户型再按房间逐个地填充门窗和固定件。 SKY-001 的第二个核心组件构建世界模型，能够从历史图纸里学会这套绘制次序，拿到组件器给出的成品平面图之后，它会一个状态一个状态地画出来，同时还能自行判断何时收笔，该公司称一整层楼的绘制大约需要一秒钟。 图 | 模型使用示意图（来源：Skyfall AI） CAD 与 BIM 领域的性能展示 性能对比是官方博客里最抓眼的一部分，CAD 构建基准抽取了 1,000 个复杂组件，涵盖了捷豹 E-Type 敞篷跑车、发那科机械臂、小型拖拉机、贝尔直升机以及喷气发动机。每个案例平均需要大约 100 个绘制步骤，最终使用交并比（IoU，Intersection over Union）指标对照参考形状打分。 该公司给出的结论是，对比 GPT-6 Astra，SKY-001 实现了约 50 倍加速，单案例成本降低约 150 倍，IoU 成绩为 79.7%，对手是 79.1%。官方还展示了层级化组件器的盲测结果，设置了两个大模型裁判，分别

来源只提供摘要，完整内容请打开原文。