（圖源：網絡）
（圖源：Cursor中文網站） 不過Cursor在創立之初并不是做AI Coding Editor的，而是研發CAD+AI。 聯合創始人Aman Sanger提到：“如果能訓練一個Transformer模型，讓它不僅能預測代碼的下一個token，還能預測CAD操作的下一個步驟，那就能做出一個真正實用、能極大加速機械工程設計流程的產品。這其實就是我們從創業開始一直到Instill（另一個初創項目）時期，甚至Instill之后一小段時間里都在專注做的事情。” Aman說道：“在CAD這個方向上，我們進行了一些構思，而且當時我們對其他很多領域的競爭都非常擔憂（當然，現在做的東西這種擔憂已經小多了）。AI輔助編程領域競爭激烈，但CAD Automation看起來沒什么人關注，技術上至少在當時看來是可行的，而且市場規模仔細研究下來也相當可觀。所以，這既是一個非常有趣的技術難題，從市場分析角度看也像是個好主意。” 而后來，隨著不斷深入實踐，Cursor團隊逐漸發現了所面臨的問題： "第一，你能獲取的CAD數據量遠少于代碼。如果你以為像Codex那樣有500億或1000億token就足夠了，那么也許用10倍少的數據（比如100億token）也能訓練出個有用的模型。但現實是，如今的Copilot背后很可能是數萬億token的代碼和文本數據。而我們當時竭盡全力所能爬取到的所有CAD數據，最多也就100億 token。這根本不足以訓練出一個有用的模型。我們嘗試擴大規模，但無論用什么正則化技術，模型參數規模一旦超過幾十億，就會嚴重過擬合。這是個大問題。" "其二，缺乏遷移能力。即使你用今天的模型（比如 GPT-4）來測試——我有個喜歡用的提示詞（prompt），可以用來區分背后是3.5還是4，但有時連GPT-4 都會搞錯。當你逐漸增加描述的復雜度時，3.5很快就不行了，復雜度再高一點，4也跟不上了。這清楚地表明，這些模型在空間推理能力上并不強，而這恰恰是CAD所需要的核心能力。" 對于CAD+AI，Aman這樣說：“我現在看法是，要做成這件事，最好的方法或許是徹底重新設計整個系統。另一個巨大的痛點是我們曾嘗試為所有主流的CAD軟件（如SolidWorks、Onshape等）開發插件。如果你覺得為一些老舊的IDE構建插件已經很困難了，那你真應該看看這些CAD軟件（的接口和生態）。所以我覺得，即使你有了一個好模型，要想真正推廣開來并做出一個能穩定工作的好插件，可能也非常非常困難。隨著文生圖（text-to-image）技術的進步，以及一些新公司開始做文生3D（text-to-3D），我感覺更合理的途徑其實是徹底拋棄當前人們做CAD的方式。我推測未來會有公司（或幾家公司）把這個方向做得非常好。” 雖然Cursor放棄了CAD+AI，不過目前還是有很多公司，院校與創業團隊在不斷嘗試。誠然現在的CAD+AI還比較初級，簡單的零件設計，簡單的信息提示等等。如何真正作為強大的智能工具，還有待進一步發展，畢竟CAD是個嚴肅的生產工具。
以上內容來自微信公眾號：BIMcoer梁老師，更多信息可以關注公眾號
轉載請注明來源本文地址：https://www.tuituisoft/blog/91179.html