多模态概念设计生成：文字草图到可编辑3D初模|多模态|智能体|空间感知模型|草图|设计生成

概念设计阶段，从文字需求到草图、从草图到参考图、从参考图到三维建模，每一步都需要人工转换。外观方向收敛慢，生成的三维模型通常难以继续工程编辑，设计师的时间消耗在格式转换而非创意探索上，设计周期长且创意产出效率低。更深层的问题是，概念设计阶段的决策依据不充分——方向选择依赖设计师的个人经验和审美偏好，缺少量化的方案对比，评审时"好看不好看"成为主要标准，工程可行性往往到后期才暴露问题。

逐米时代制造新解法

逐米时代制造新解法的做法是：融合文本、草图和参考图，直接生成可编辑的三维概念初模。核心价值不在于"生成图片"，而在于生成"可编辑的工程模型"，让设计师从格式转换中解放出来，聚焦于创意方向的选择和优化，真正缩短从概念到工程设计的周期。这是从"画图工具"到"设计智能体"的本质转变——工具被动执行指令，智能体主动生成方案并约束可行性。

具体方法上，输入端接受文字描述、手绘草图和参考图片。多模态生成模型融合这些输入，生成多种概念造型方案。生成过程中保持关键尺寸和品牌约束（如设计规范、尺寸限制、品牌识别要素），确保输出在工程约束范围内，而非天马行空无法落地。约束的执行不是事后检查，而是在生成过程中实时控制，从源头避免生成不可行的方案。多模态融合的优势在于可以同时利用文字的精确约束、草图的空间关系和参考图的视觉风格，三者互补弥补单一输入的不足。

输出的是可编辑的三维初模而非不可修改的渲染图。这意味着生成的模型可以在CAD软件中继续修改——调整曲面、修改特征、变更尺寸，而不是从零开始重建。设计师在初模基础上筛选和修改后，再进入详细的工程设计阶段，大幅减少从概念到工程的转换工作量。可编辑性是区别于普通AI画图工具的分水岭——渲染图只能看不能用，可编辑初模才能进入工程流程。

关键技术是AIGC和3D生成。多模态输入的融合需要处理不同模态之间的语义对齐：文字描述的抽象意图、草图的空间关系、参考图的视觉风格需要统一编码到生成模型中。品牌约束和尺寸限制作为生成过程中的硬约束，确保输出符合工程可行性，这是区别于通用AI画图工具的技术关键。3D生成还需要处理拓扑结构的合理性——生成的模型不能只是视觉上像，还要有合理的面片结构和参数化特征，才能在CAD中正常编辑。