Tech Soft 3D正式发布HOOPS AI框架，实现CAD数据与机器学习（ML）流程的深度整合，解决长期存在的CAD数据难以用于AI训练的问题。该平台支持Linux与Windows环境，提供CAD嵌入（CAD Embeddings）等关键功能，可自动提取几何语义关系，助力零件分类、相似性搜索、制造特征识别等应用。HOOPS AI支持大规模模型实验，加速工程团队开发周期，从数月缩短至数周。该框架有望推动制造业、工程设计领域的AI落地与智能化升级。
Tech Soft 3D 于 2025 年末以技术预览形式推出的 HOOPS AI 框架，如今已正式发布，该框架专为将 CAD 数据集成到机器学习（ML）流程中而构建。
该产品现已全面可用，此前其测试版已在超过 30 家公司中成功运行。此次发布旨在解决长期困扰制造业及相关领域工程师的问题。CAD 数据集在可靠地输入现代机器学习系统方面一直存在困难，而 HOOPS AI 通过处理数据准备和模型实验，直接应对了这一挑战。
在谈及此次发布时，Tech Soft 3D 首席技术官 Gavin Bridgeman 表示：“HOOPS AI 的正式发布标志着 Tech Soft 3D 在推动 AI 应用于工程数据方面迈出了重要一步。”
HOOPS AI 可将 CAD 几何数据直接连接到人工智能工作流程中。图片来源：Tech Soft 3D。
新功能与更快的开发周期
完整版本新增了技术预览阶段所不具备的两项能力。其中之一是新增对 Linux 的支持，与现有的 Windows 兼容性形成补充，这一点尤为重要，因为大多数机器学习基础设施运行在 Linux 环境中。
同时还引入了 CAD 嵌入（CAD embeddings）功能，该功能能够在无需人工标注的情况下自动捕捉 CAD 数据中的语义关系。系统无需被告知需要关注什么内容，而是能够自行识别模式，使模型可以识别相似零件并理解设计上下文。
团队可以同时运行数百甚至数千种模型变体，这为零件分类、元数据增强、制造特征检测、相似性搜索、重复检测以及在大型设计库中的设计复用与优化等任务打开了空间。
以这样的规模进行迭代的能力，旨在压缩开发周期。Tech Soft 3D 表示，即便是规模较小的团队，也可以将开发周期从数月缩短至数周。
在产品路线图方面，Python 接口将进一步扩展，重点关注产品制造信息（PMI）。公司还计划支持基于企业私有数据进行训练，这也是当前版本的一个明显空白，目前仅在公共数据集上进行了演示。
根据 Tech Soft 3D 的说法，其长期目标是提取 CAD 模型中所蕴含的工程专家知识，并使其能够在团队之间共享与利用。
HOOPS AI 框架处理的 3D 几何数据。图片来源：Tech Soft 3D。
CAD 与机器学习的难题
机器学习模型需要标准化且可预测的输入结构，而 CAD 文件本身具有非线性和高度依赖上下文的特性。HOOPS AI 充当了这两个生态系统之间的技术“翻译层”，将复杂的几何数据标准化为机器可读取的格式。
这使开发者能够消除数据摄取过程中的瓶颈，而这一瓶颈此前一直阻碍着对大规模工程数据集进行自动化分析。
HOOPS AI 所要解决的挑战，是整个行业长期关注的问题。达索系统高级副总裁 Gian Paolo Bassi 指出，即便在大型 CAD 平台内部，AI 能力依然是碎片化的——由一系列针对特定任务的工具组成，缺乏跨工作流程的统一协同。
与此同时，达索系统也在致力于从几何数据和历史设计决策中提取嵌入的工程知识，但这一目标仍在开发过程中。即便是达索这样规模的公司，这些目标仍未完全实现，也凸显了 CAD 到机器学习这一问题在结构上的复杂性，也说明了专门针对这一问题构建的框架具有重要意义。
