真正困难的，并不是完成某一个孤立操作，而是面对复杂模型，连续做出正确判断，并让每一步操作在真实工程软件中生效。
我们正在做的事，就是把工程师这些依赖经验的能力，转化为几何与网格垂域模型：既要看懂几何、识别对象，也要能诊断缺陷、决策修复动作，还要真正执行。
更重要的是，这些垂域能力不绑定某一特定前处理工具，可对接不同几何内核、网格引擎和 CAE 前处理系统，让AI 能力进入企业已有的工程流程。
一、真实零件实测：31 秒，15 个不达标单元降至 0
先看网格智能修复。
我们的网格智能修复以格宇自研网格垂域模型为底座。
本次测试对象是一个真实工业零件——副车架上板外板，网格包含15,131 个壳单元，单元类型为 CQUAD4 / CTRIA3。
根据网格质量标准，模型自主完成网格缺陷修复：
全自动耗时：31 秒
不达标单元：15 → 0
不达标单元消除率：100%
人工干预：0 次
本次演示采用的质量判据包括：
长宽比 ≥ 5
Jacobian < 0.6
翘曲 ≥ 15°
四边形内角 < 45° 或 > 135°
边长 < 2.05 mm 或 > 8 mm
三角形占比上限 5%
【网格智能修复演示】
从 15 到 0，不是让 AI 给出一份“修复建议”，而是让它在一个真实零件上自主完成修复。
这也是网格智能修复最关键的地方：AI 不只是理解网格，而是在对网格质量结果负责。
二、能修好网格，首先要真正看懂几何
网格修复不是孤立能力。要让修复动作作用在正确对象上，模型必须理解几何与拓扑，也要具备稳定的分类识别能力。
我们的几何理解以格宇自研几何垂域模型为底座。
在标准件分类测试中，我们使用全量651 个样本进行评估，整体准确率达到100.00%（651/651），mIoU 达到100.00%。
|
|
|
|
|---|---|---|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
这些结果说明，几何感知可以落实到具体工程对象的分类识别中，也为后续几何清理和网格修复提供了可复用的理解能力。
三、几何清理：64 步连续自主执行，全程无人工干预
在真实中面模型的几何清理测试中，模型取得了以下实测结果：
连续自主执行 64 步
人工干预 0 次
模型面数由 123 个降至 105 个
【几何清理完整过程演示】
模型能够连续完成几何清理操作，同时支持工程师接管疑难问题。
四、接入已有流程：引擎可替换，模型能力可复用
💡 核心价值
我们的垂域能力不是为了替代企业已有的软件体系，而是可以直接接入现有 CAE 前处理流程，在原有的几何内核、网格引擎和操作环境中，提供几何感知、分类识别与智能修复能力。
无论是几何清理、网格修复，还是后续的网格生成策略推荐，都可以嵌入企业已有的前处理环节，与不同引擎组合。对企业而言，这意味着无需推倒已有软件流程，也无需改变整体工作链路，就能在现有流程中引入垂域 AI 能力，并把模型能力持续复用到更多工程任务中。
五、让工程师的经验，成为可以持续复用的资产
几何与网格垂域模型的价值，不只是节省一次修复操作的时间。
它还可以把资深工程师的修复经验持续沉淀为企业可积累、可复用、可持续优化的模型资产。
工程师不必被重复操作占满，而可以把更多精力放在疑难问题、质量审核和工程判断上。
从看懂几何，到修好网格；从单次自动执行，到经验持续沉淀；从单一工具功能，到可对接不同引擎的垂域能力——这是我们正在推进的 CAE 前处理智能化路径。
更多 CAE 前处理智能化干货，欢迎持续关注。