Susan STEM (@feltanimalworld)

这个摩的司機徐師傅是不是也程序员出身？ 这个男主角大连理工的，也是强校。现在就感觉大龄程序员一旦失业以后，就是再按照以前的路径去找工作就找不到了。 43歲程序員入職大廠16年慘遭淘汰，求職無門後背井離鄉，來深圳住城中村從頭打拚｜摩的司機徐師傅 来自 @YouTube

快进2周，已经把参数化模型建立起来了。参数化本质上只是让你允许一个零件连续变化。比如我这个版，我觉得墙太厚，改薄一点。对于prototype特别有用，有时候你就是无数次的去调节一些小细节，只需要修改个数字就好了。不需要再画图。我要说的是模块化，模块化鼻祖乐高牛大了，1955年就提出了玩具系统的概念，比我妈还大。现在看上去很简单的概念，当年都是颠覆式的。模块化：限制零件只能按照系统规定的离散规则变化。模块必须定义Unit，规定接口在空间中如何重复。比如说你这个乐高砖在变高变大以后，那么这个接口纽扣要怎么增长。不能说你这个乐高砖变得很大了之后，纽扣还只有原来的那一个。我现在也就是简单的做到了2个定义，比如宽度，改成2个Unit, 变宽了。长度1.5个Unit(没有人规定只能用整数）。 我现在也就是简单的做到了2个定义，比如宽度，改成2个Unit, 变宽了。长度1.5个Unit(没有人规定只能用整数）。生成一个新的组件。 在这个基础上再发展别的。比如今天设计了一个室内种虎皮兰和多肉的盆子，挂上这个接口。道理是一样的。 我们当今世界制造业链条中有大量的，大量的东西，都没有被模块化，但是具备模块化的潜力。

打个比方，CAD里面有一个概念叫做over constrained。比如你画一个矩形，然后你再让矩形的两条对边平行，这个本来是几何常识，但是这个约束是不可实现的，为什么？因为over constrained. 如果你的直角边是30，40，那么在这两条线段呈直角的前提下，斜边一定是50，这个是算出来的。如果是一个矩形的话，只要四角直角，那么对边肯定平行。 我什么意思呢？CAD、EDA、编译器、数据库这些工程软件都采用形式化约束而不是直接接受"现实"。这是一个很信息论的内容，计算机必须能够唯一求解（Determinism）。一个优秀的工程 IR，不是最完整的表示，而是最小且无冗余的表示（Minimal, Independent, Verifiable Representation）。 现在大模型是啥，没完没了的说。我们想让他在工程中承担一个synthesizer综合器的职能，Synthesizer 的任务不是生成"看起来合理"的结果，而是生成一个目标系统能够接受的 IR。现在大量的落地场景的目标系统是缺失的。我在上一个帖子说到，编程AI coding 为啥那么有效？就是链条完整。 但是一旦进入一些真正的工业领域，就开始觉得摩擦非常大了。比如我例子中这个矩形，你的需求是：画一个宽 30 mm、高 40 mm、四个角都是直角、上下边平行、左右边平行的矩形。 一个不懂 CAD IR 的模型可能把每句话都变成一个约束： top parallel bottom left parallel right top horizontal bottom horizontal left vertical right vertical four perpendicular constraints width = 30 height = 40 几乎一大半冗余。 所以前两天这个我引用的推主说EDA的例子，我一下看了，觉得我应该深入研究。今天的大模型并不是不会推理，而是缺少可以"落脚"的形式世界。语言提供的是无限的表达自由，而工业系统要求的是有限、可验证、可执行的状态空间。Synthesizer 的职责，就是把前者编译成后者。我们希望模型承担的是"综合器（Synthesizer）"这个职责，这个概念其实来自电子设计自动化（EDA），后来软件工程、编译器、CAD、AI 等领域都出现了类似的角色。就是说我们对大模型的定位，出现了偏差，所以这几年包括一时火爆的openclaw，都是无法落地的试错。 Synthesizer = 根据目标约束（Specification），自动搜索并构造一个满足约束的实现（Implementation）。 这个道路还非常遥远。 而且Verifier和生成器还不能是一个。哦，你自己生成，自己验证？那你当然说你自己全对啦。Verifier必须是一个外部工具，符合绝对规则，比如CAD， 你over constrained，无法执行。 Synthesizer 负责提出候选方案；Verifier 负责依据形式规则、物理规律、业务约束或测试结果进行裁决。

高人，你这个帖子让我整整琢磨了两天！本来想写个长文，但是太多头绪也不知道从何写起。总的来说是我这段时间上推的原因，总感觉自己的开发缺了很重要的认知；也是我这段时间除了自己硬件修复工作之外，还必须要去看text-to-CAD 的原因。 我为啥这段时间上推，就是心情不好。话多，我心情好的时候是不说话的，哪有这个功夫，可以一直干活。 很多行业，甚至是大部分AI需要落地的严肃场景，就是缺 IR, Verifier； 后续的TD和Platform Config必须建立在前面已经推导完成的前提下。AI写程序为什么那么厉害，就是因为IR-Platform Config这条链条是顺畅的。 我们看一下我这个视频。Zoo(text-to-CAD）就是创造了KCL这个IR, 集合你说的Specs/Impl 于一体，Specs是代码前面那一段。后面的Impl与verfier, 比如一些constraint是混在一起的。 这个版就做的非常好，就是我在你的提示下，自己把specs IR写好了。直接导入fusion我加了螺纹就是一个完整的可打印件。 我们要做任何一个行业的“如码" as code, 恐怕都逃不过这个阶段。 法律，医疗，CAD， circuit。 全都需要IR。 否则AI只是提供方案，不能提供方案验证，没有统一的IR，简直就是语言机——只会说！例如 Text-to-CAD 中，模型可以生成 KCL；但如果没有几何检查、约束检查, 这个图都画不出来的。 Transformer 本质上是概率预测器：P(next token | previous tokens) 代码非常成功是因为：代码行业拥有世界上最成熟的 IR 和 Verifier。 现在各行各业IR缺失，才是这一轮AI基本感觉漂浮在语言宇宙的原因。比如医疗。医疗算不算全世界标准最多的领域之一？ 医疗已经有 FHIR、DICOM、SNOMED 这些标准，但是这些标准大多数解决的是数据交换（Interoperability），而不是医学推理（Clinical Reasoning）。 如果真的要靠AI医学推理，需要耗费十几年的时间，真正把IR做出来，形成统一标准。 高人，给跪了。

3D圈对Gridfinity一种模块化收纳方案非常流行。许多3D达人都是从收纳方案做起的。我认为乐高是人类历史上最伟大的公司之一，模块化我做“乞丐版”收纳（省料抠门）。玩到高级technic乐高的时候发现所谓模块化，最核心的地方就是Unit的定义和接口方式（乐高不变的就只有那个圆形扣），我就先定位这个槽...

我最开始第一个版花了6个小时。现在这个text to CAD 我都只用一个prompt, 就生成这样一个版，继续再改就是fusion里面手动改造，然后慢慢一个部件一个部件的进入打印测试环节。真的不错。

我觉得很奇特的一点，就是现在很多年轻人，对于车库创业，档口创业，在客厅焊板子的那种不屑....对于办公室的那种痴迷。其实现在去很多市中心的写字楼，一层一层上去，有多少是所谓的“金融公司”（催债放贷的）。女孩子也就算了，男生也不懂，连个电钻都不会用，电机原理都不懂...

今天查了一下，日本是走出衰落治理能力的天花板。在那么突然的泡沫破裂下，“失落”30年，养老金居然没崩，社会没发生大规模动荡，国家基本服务一天没落下，科研还是世界第一梯队，大城市没出现“三不管”地带，地下经济控制在一定范围内，没有出现极端政党。现在基本缓慢走出危机，宣布严控移民....挺厉害

如果你现在家里有扫地机器人，尤其是用了好几年的，你把他翻过来，打开电池盖子，把电池拿过来。去查一下现在这个24小时待命给你扫地的机器人，使用的电池才多少钱，什么效率。

分布式思想是我们这代技术世界中极了不起的思想，虽然很多项目会失败。我在一开始接触他们这种去黑扫地机器人（Valetudo）的项目的时候，都没有反应过来。但是作为价廉物美的扫地机器人，我家已经离不开。其实你想一下，这是不是在很多场景中已经是一个侦察机器人了呢: 扫描空间情报，动态变化检测。

如果商业实验室，自动化实验设备崛起。大量的优秀企业在招收高中毕业生。“不上大学”成为主流趋势，那就是系统在自动升级。反正整个已知的大学科研体系，中国也是完全照搬美国的。西方在过去400年的社会变革和产业革命，一直都是自由石匠群体+资本家商人的自下而上推动，不是封建领主+门客这个组合。

不是反对艾森，是从另一个角度去看这个问题。科研界的问题早就有，现在这个关口知识分子可以从科技史的角度去看这个问题。你怎么看这个问题，有可能改变你个人的选择。是工业社会系统在民选政府，纳税人监督，言论自由下自动淘汰落后的科研产能？反正李飞飞不会缺实验资金，看商业实验室有没有崛起。

如果想让AI成为一个全自动的个人助理，最为关键的不在于是否可以熟练使用AI，而是能够多大程度的让AI了解我们。尤其是考虑到他们还不具备主动获取大量情境信息的条件，仅仅是来自各种终端的信息是远远不够的。而且，这对长期记忆也提出了非常高的要求。

一个很好理解我现在这个想法和判断的方法，就是使用任何CAD软件，然后根据AI的提示，使用打印机思维建模，注意你要跟AI说是打印机思维建模。而不是传统的CAD思维建模，就是一个圆环而已，你就发现这简直就是个新世界。秒懂我在说什么，尤其是从传统工业过来的工程师。

我越研究越觉得有东西。比如这几天给儿子打印几个圆环，这个在注塑中不能再简单的管状圆体。我爸说当年刚去深圳的时候市政府组织过香港考察，他东拼西凑买的西装，一群人去香港。要多么土掉渣，就有多么土掉渣。但是这批很土的人创造了一个世界科技之城。所以不能放过一个冉冉升起，创新环境中的技术

对于美国的3D打印全面入侵平民电子市场的这个风潮，我也看到有从事注塑行业的工程师留言。我的想法是不放过这个趋势，其实10年前就买了第一台3D打印机，那个时候我的判断和你一样，认为只能是小众爱好。试了几次打印街机配件，使用起来有问题。但是数字制造的核心技术是toolpath, 是切片软件。

貌似是的，倒不是批判搞流量这个行为。流量，除非真的卖课成功，否则很难达到一个正常全职的收入。其实在这一波变革中，真正的技术尚未落地，没有进入生产力和生产关系循环。如果现在就放弃开发和技术研究，成为和大众一样追逐新闻和热点的‘流量博主”了，那么错过的可能是一生中最重要的技术晋升机会。