AI 能替代机械工程师吗？机械专业前景分析与程序员的判断

最近我在研究 Codex 接管工程软件这件事，顺带看了不少机械工程师对这个话题的反应。

有人说"天塌了"，有人说"放心，替代不了"，两边都说得很笃定。作为一个写了将近十年代码、亲眼看着 AI 把编程这件事搅得天翻地覆的人，我觉得这两种反应都有点偏——不是因为他们不了解 AI，而是因为他们可能低估了机械行业和软件行业之间一个根本性的结构差异。

这篇文章是我的判断，有立场，不中立。

先把"替代"这个词拆开

"AI 会替代机械工程师吗"这个问题，本身就有点模糊。机械工程师不是一个单一的岗位，它包含了至少三个层次的工作：

执行层：按图纸建模、出工程图、标注尺寸公差、生成 BOM 表。这些工作逻辑固定、重复性高，是 AI 最擅长的领域。

判断层：选材料、定公差配合、评估加工可行性、审查装配干涉、做结构强度校核。这些需要工程经验和物理直觉，AI 目前能辅助但不能独立完成。

设计层：从零开始定义产品结构、解决从未遇到过的工程问题、在成本/性能/工艺之间做取舍。这是最难被替代的部分，也是大多数资深工程师真正的核心价值所在。

所以更准确的问题是：AI 会替代哪个层次的机械工程师？

答案是：执行层，已经开始了。

正方：执行层的突破比你想象的快

我见过一个让我印象深刻的对比：同一个法兰盘，AI 建模花了 20 分钟，有经验的工程师手动建模只需要 2 分钟。很多人看到这个数字，觉得 AI 完全不够看。

但这个对比忽略了一件事：AI 的迭代速度不是线性的。

做个类比。2022 年，DeepMind 的 AlphaCode 在编程竞赛中排名前 54%，当时很多程序员觉得"还差得远"。两年后，AI 写代码的能力已经让整个软件行业的招聘结构发生了实质性变化。从"差得远"到"开始影响就业"，只用了两年。

机械建模的起点比编程低得多——不是因为机械更简单，而是因为 AI 在这个领域的投入刚刚开始。现在 20 分钟能建的模型，一年后可能是 2 分钟，两年后可能是 20 秒。

更重要的是，AI 的优势不在于单次速度，而在于并发和不知疲倦。一个工程师一天能出几张图，AI 可以同时跑几百个任务，24 小时不停。对于大量重复性的标准件建模、参数化变体生成、图纸格式转换，这个优势是压倒性的。

还有一个角度经常被忽略：AI 降低了门槛。以前需要熟练掌握 SolidWorks 才能建模，现在一个懂得描述需求的人，配合 AI 工具，可以完成相当一部分基础建模工作。这不是替代工程师，而是让更多人能做工程师原来做的事——结果是同样的工作量需要的人变少了。如果你想了解具体怎么把 Codex 接进 SolidWorks，我在这篇文章里拆解了三条技术路径的原理和坑点。

反方：机械行业有三道 AI 真正难过的坎

说完正方，说说我认为更重要的反方论据。这三道坎不是"AI 还不够聪明"，而是结构性的问题。

第一道坎：数据壁垒

AI 能在编程领域发展这么快，有一个经常被忽视的原因：代码是开源的。

GitHub 上有数十亿行公开代码，Stack Overflow 上有几千万个问答，各种编程教程、文档、博客文章铺天盖地。AI 训练编程能力，有几乎无限的高质量数据可以用。

机械行业完全不是这样。每家公司的图纸都是核心资产，严格保密，绝对不会上传到公开平台。工程师积累的设计经验，大多存在于脑子里，或者锁在内网服务器里，从来不会开源。

这意味着训练一个真正懂机械设计的 AI，需要的数据根本不存在于公开互联网上。没有数据，就没有训练，就没有能力。这不是算力问题，是数据获取问题。

当然，这道坎不是永远无法逾越的。如果某家大公司愿意把自己几十年的设计数据喂给 AI，或者行业内形成某种数据共享机制，局面会完全不同。但在那之前，机械 AI 的能力上限会被这道坎死死卡住。

第二道坎：物理世界没有编译器

写代码有一个巨大的优势：错误会立刻报错。代码跑起来，编译器告诉你第 42 行有个类型错误，测试框架告诉你某个函数返回值不对。AI 可以根据这些精确的反馈快速迭代，每次尝试都能得到明确的对错信号。

机械设计没有这个机制。AI 建出来的模型，在软件里"看起来没问题"，但只有懂机械的人才能判断：这个公差配合在实际加工中能不能实现？这个装配顺序在现场能不能操作？这个材料在这个工况下会不会疲劳断裂？

这些问题的答案，不是跑一下程序就能知道的。需要工程经验，需要对物理世界的直觉，需要见过足够多的失败案例。AI 目前没有这种"物理直觉"，它能生成看起来合理的结构，但无法保证这个结构在真实世界里能用。

第三道坎：谁来签字

这是最容易被技术讨论忽略、但在工程实践中最重要的一道坎。

机械设计图纸是要出去加工的，加工出来的零件是要装进设备里的，设备是要在工厂里运行的。一旦出了问题——零件断了、设备故障、人员受伤——需要有人承担责任。

这个责任，AI 承担不了。

所以不管 AI 的建模能力发展到什么程度，最终的图纸上都需要一个工程师的签字。这个签字意味着：这个人审查了图纸，确认它符合工程规范，愿意为结果负责。

这不是一个可以被自动化的环节，因为它本质上是一个法律和职业责任的问题，不是一个技术问题。

一个程序员视角的独特观察

我想补充一个文章里很少有人提到的角度。

达索系统（SolidWorks 的母公司）在 2026 年初与 NVIDIA 宣布了一项战略合作，目标是构建"工业世界模型"——把物理仿真、虚拟孪生和大规模 AI 基础设施整合在一起。

这件事的意义，不在于 AI 又进步了多少，而在于：软件厂商自己入场了。

当 SolidWorks 的开发商开始把 AI 能力直接内置进软件，游戏规则就变了。他们有最完整的用户数据、最深的软件集成权限、最了解工程师的工作流。他们做出来的 AI 功能，会比任何第三方工具都更贴合实际使用场景。

这才是真正的变量。不是 Codex 能不能接管 SolidWorks，而是 SolidWorks 自己变成一个 AI 驱动的工具之后，工程师的工作方式会怎么变。

从程序员的经验来看，这个过程我们已经经历过了。IDE 内置了 AI 补全，不是替代了程序员，而是让程序员的工作重心从"写代码"转向了"描述需求、审查代码、做架构决策"。机械工程师大概率会走一条类似的路。

我的判断

会被替代的： 纯执行层的工作——按图建模、标准件出图、参数化变体生成。这部分在未来三到五年内会被大幅压缩，需要的人会变少。

不会被替代的： 工程判断、物理直觉、非标设计、现场问题处理、以及那个必须有人签字的最终责任。这些不是 AI 能力不够的问题，而是结构性的、短期内无法绕过的壁垒。

真正的风险不是"被替代"，而是"被降薪"。 当 AI 工具让一个人能完成原来三个人的工作量，公司不需要裁员，只需要不补充人手。存量岗位不消失，但增量岗位没了，行业整体薪资水平会承压。这个过程比"替代"更隐蔽，也更难应对。

对于现在在做机械设计的人，我的建议只有一条：把精力从"画图"转向"判断"。学会用 AI 工具处理执行层的工作，把省出来的时间用在提升工程判断能力上。能做 AI 做不了的事，才是真正的护城河。

这不是安慰，是从软件行业已经发生的事情里得出的结论。