現在用 AI 生成一張看起來像產品的圖片，已經很容易。所以值得討論的，不是「AI 能不能畫產品」，而是：AI 目前改變了工業設計的那一段流程？
從實務面來看，AI最成熟的價值，不是取代 CAD 建模，而是大幅降低前期視覺化的成本。
而Render變快，也改變了設計前期篩選方案的方式。
以前10張草圖，可能只有2～3張看得到 Render
過去工業設計流程裡，前期可以畫很多草圖，但真正要把每一個方向建成 3D、調材質、打燈、Render，需要時間。所以即使有10個設計方向，實際上還是會先挑其中幾個，投入後續完成建模與渲染。這不代表其他草圖不好，只是基於專案預算及時間效率下，所進行的取捨。
但AI改變最大的地方就在這裡。
現在設計師可以先把更多草圖快速轉成高擬真的產品視覺，再去比較造型、比例、CMF 與整體感覺，最後才決定哪些方向值得真正進入 CAD。
Vizcom 在 2026 年公開的產品設計 workflow，也直接把這件事當成 AI rendering 的主要價值：過去設計師可以畫大量 concept，但真正能 Render 的只有一小部分；AI 讓同一段時間內可以看到更多設計方向被完整視覺化。參考：Vizcom
所以 AI 帶來的效率並不是少畫草圖，而是：讓更多草圖有機會被真正看見。
設計過程不是直接交給AI設計
一般導入AI後的設計流程，跟一般使用者直接輸入 Prompt 最大的差別。
工業設計師在把草圖交給 AI 以前，草圖裡通常已經包含很多判斷。產品的主要比例、造型架構、握持區域、介面位置、零件關係，甚至某些基本的人因條件，都可能已經在前面的 Sketch 階段處理過。
所以 AI 接到的不是一張完全沒有方向的圖，而是在一個已經被設計過的基礎上，協助快速完成 Render、材質、CMF、光影、不同設計方案的探索，以及不同情境下的視覺效果。
StudioRed 在 2025 年公開自己的 AI industrial design workflow 時，就是先建立 rough CAD，再交給 Vizcom 與 Midjourney 繼續探索。他們也發現，當 AI 被要求改變造型時，可能同時改掉比例、移動重要元件，甚至多生出不存在的零件，因此最後仍然需要設計師把結果重新整理。參考：StudioRed
這也代表一件事：AI 可以把一個設計表現得非常完整，但它不一定知道哪些東西是不能亂動的。
一般使用者直接生成，問題通常不是「圖不好看」
現在很多新創團隊來談產品時，手上已經有 AI 概念圖。有些圖甚至做得非常漂亮。但真正進入工業設計時，我們通常不會直接把它理解成一個已經完成的產品方案。
因為一般人在生成AI圖片時，通常先處理的是：「我想要比較圓潤」、「我喜歡這種科技感」、「希望是金屬搭配透明材質」、「介面看起來乾淨一點」。
這些資訊對設計很有價值，但它們比較接近Design Intent。
至於圖面裡出現的按鍵、接縫、曲面、透明區域、發光效果與零件關係，很多時候只是 AI 為了讓畫面成立而生成的視覺細節。
所以客戶提供AI圖之後，工業設計真正要做的，不是把圖照著建模，而是先判斷：哪些是客戶真正想保留的設計意圖，哪些是AI自己補出來的畫面。
AI Render 完成，跟CAD建模後的渲染是兩件不同的工作
這裡很容易產生一個誤解。
因為AI圖非常的真實，產品看起來甚至像已經量產，所以很容易讓人認為下一步只是把它轉成 3D。
但真正進入 CAD 時，工作完全不一樣。
Render 關心的是：產品看起來的視覺效果。
CAD 開始處理的則是：產品物理上的每個尺寸與製作上的工程考量。
例如一個握把在 AI 圖裡可能只是比例稍微粗一點或細一點。真正建模時，多 2～3 mm，握感就可能完全不同。
一顆按鍵往內幾毫米，可能會影響手指操作、內部 switch 位置與裝配空間。外殼的一個轉角、接縫或曲面變化，也可能連帶影響壁厚、零件干涉、分件方式與模具結構。
對實體產品來說，很多真正決定產品是否成立的事情，都藏在 AI Render 幾乎看不出來的細節裡。
- 實際尺寸與比例
- 握持與操作人因
- 按鍵、接口與螢幕位置
- 曲面、R 角與局部幾何
- PCB、電池、馬達與其他零件的內部空間
- 分件、間隙與裝配關係
- 材料、壁厚與結構
- 製程、拔模與後續 DFM
所以有時候 AI 圖最後看起來跟量產產品很接近，有時候卻必須重新調整很多地方。差異不在 AI 圖漂不漂亮，而在於原本的圖，有多少內容真正符合實體產品的條件。
物理世界差幾毫米，就是一件大事
對圖片來說，2 mm 幾乎沒有差別。對產品來說，影響可能很大。
握把厚一點，手感可能改變；內部少幾毫米，電池可能放不下；按鍵的位置改一點，可能直接影響 PCB、支架或按壓結構；一條接縫移動之後，也可能讓原本的零件分件方式完全不同。
這也是工業設計進入 CAD 之後，很多時間仍然花在反覆調整幾何、尺寸與零件關係上的原因。
這些修改在Render裡很小，在實體產品裡卻影響很大。
AI已經開始進入CAD，但現在還不能把兩件事混在一起
AI 當然也正在往 CAD 發展。
2025 年一篇 LLM-assisted CAD 研究，已經嘗試讓 GPT-4o 接收文字、圖片與語音，再生成 CAD model，並透過多層 feedback loop 反覆檢查與修正。參考：The International Journal of Advanced Manufacturing Technology
但這項研究同時也得到一個很重要的結果：當系統只拿到圖片、沒有尺寸資料時，雖然可以辨認大致幾何特徵，但生成的 CAD 仍然會出現尺寸精度不足與複雜邊緣形狀錯誤；當輸入包含更完整的工程參數，結果才會明顯改善。
所以 AI 進入 CAD 是值得關注的方向，但它什麼時候能穩定處理不同產品、不同製程與大量細節，什麼時候可以被設計公司與製造端普遍採用，現在還需要時間驗證。
客戶的產品卻通常不能等到那一天。
已經有AI概念圖，現在應該怎麼做？
如果手上已經有 AI 生成的概念圖，不需要因為它不能直接建模就全部推翻。
通常會先把圖裡真正有價值的部分拆出來。例如你真正喜歡的是造型比例、圓潤程度、CMF、某個局部特徵、品牌感覺，還是整體產品氣氛？
這些內容可以繼續成為後續工業設計的輸入。
接著再把AI沒有處理的尺寸、人因、操作、內部空間、零件關係、材料與製程重新建立起來。
這樣AI才真正接進產品開發流程，而不是停留在一張漂亮的概念圖。
AI目前的價值，不是省略CAD的建模過程
目前AI已經可以讓工業設計前期的探索速度大幅提高。
過去只有少數草圖能看到完整 Render，現在更多方案都可以快速被視覺化、比較，再決定哪些值得繼續發展。這本身就是很大的改變。
但真正進入 CAD 之後，產品仍然需要重新建立尺寸、曲面、分件、內部配置、裝配與製造條件。
AI 讓更多設計方向被看見；CAD 則開始決定哪些方向真的能成為產品。
這也是目前 AI 與工業設計最實際的分工。
