一英寸等于25.4毫米。

这个换算关系，几乎没有什么理解门槛。

但在制造现场，图纸从来不是一组等待相乘的数字。

一家承接跨区域零部件加工任务的制造企业，收到客户一批英文、英制机械图纸。文件是多页PDF，包含主视图、剖视图和局部放大图；图上既有以英寸标注的尺寸，也有螺纹代号、表面粗糙度、角度和英文技术说明。工厂的设计、加工、检验却全部以公制为基准。

工程师要在投产前，把一套别人设计的工程语言，转换成自己团队能够理解、能够复核的生产资料。

这样的场景不只发生在中国。中国、欧盟、东南亚、中东、拉美和非洲的大量制造基地，都以毫米作为共同的生产语言；即使在仍保留英制习惯的市场，跨国项目也常常同时出现英制与公制两套标注。

因此，英制图纸进入公制产线，是全球供应链里反复发生的协作场景，而不是某一个国家、某一家工厂的特殊问题。

真正困难的，也不是把数字乘以25.4，而是判断图纸上的每一处信息：哪些需要改，哪些不能改，哪些改完之后必须有人复核。

这篇文章以杨梅工业参与的一个真实项目为例，拆解英制图纸转公制过程中的三道难题，以及项目如何把“能识别”推进到“可交付”。

01｜起点：难的不是换算，而是判断

一份图纸来到以公制为生产基准的工厂，设计者与加工者可能使用不同的语言习惯、尺寸单位和标注体系。加工前，工程师需要理解每一个标注的真实意义：哪些是实际尺寸，哪些是制造要求，哪些是不可随意更改的标准代号。

如果只是少量图纸，依靠熟练工程师仔细处理，问题或许还可控。

但当任务变成一批PDF、多页、多视图，情况就不同了。工程师既要找出每一处英文标注，又要识别尺寸、翻译技术说明、保持视图清晰，还得反复检查有没有漏改和误改。

这种工作有一个典型特征：单次操作不一定困难，但操作密集、错误隐蔽、返工代价高。

图纸上的错误，也并不一定能在屏幕上被发现。一张经过转换的图纸，看起来可能很整洁；只有等实际加工、装配或检验时，某个不合理的尺寸或符号才显露出来。

工业场景真正关心的，从来不只是“这张图改了多少处”，而是“这些修改有没有破坏原本的工程含义”。

于是，一个值得深挖的问题出现了：如果想让AI参与机械图纸转换，它首先需要学会的究竟是什么？

答案不是换算公式，而是分辨图纸中不同信息的身份。

第一道难题，就从图纸上的数字开始。

02｜第一道难题：不是所有数字，都能直接换算

在工业现场，同样的数字，脱离了上下文，可能意味着完全不同的事情。

这也是为什么机械图纸不能被当成普通文档来翻译。

第一类：数字要辨别——不是所有数字都需要换算

机械图纸上有大量带数字的标注，但这些数字并不一定表示需要换算的长度。

比如，螺纹规格中的数字属于标准代号的一部分，不能像普通尺寸一样直接换算；角度和数量也有各自的含义，不应因为出现数字就被修改。表面粗糙度则关联具体的加工质量要求，既要辨认符号，也要判断原有单位和数值语境。

如果系统只凭“识别到了数字”就自动计算，即使每一步算术都准确，也可能改错真正的工程含义。

工业图纸转换的第一步，不是计算，而是弄清楚哪些内容应该改、哪些必须保留。

第二类：单位要分清——已经标注的公制尺寸不能重复换算

为了适应不同地区的生产要求，一些图纸会同时标出英制尺寸和对应的公制尺寸。

如果系统只按单个数字处理，就可能把已经是公制的数字再转换一遍。表面上每个数字都有“计算结果”，实际却把一组原本互相解释的尺寸关系破坏了。

人类工程师看到两处相邻标注，会结合位置和写法判断它们是否属于同一组；自动化工具同样需要建立这种意识。

不能只盯着一个数字，还要看数字之间是什么关系。

第三类：图形要保留——文字修改不能破坏原有标注

还有一种风险与数值无关。

机械图纸的文字并不总是独立存在。标注旁边可能连着箭头、引出线、形位符号或其他细小图形。假如系统为了替换英文，把整个区域简单擦除，再写上中文，原有图形就可能一起消失。

此时文本虽然成功翻译，却丢掉了“这句话指向哪里”的关键信息。

工业图纸不是一张写满字的纸，而是一套由数字、符号、位置和图形共同构成的工程表达。

这三类场景揭示了同一个事实：图纸转换的真正门槛，是专业语境，而不是简单的数学与翻译。

要让系统读懂这些差异，项目采用了视觉大模型与工程规则相结合的方式。 对每个视图，视觉大模型识别标注文字、理解周围的图形和符号，辅助判断哪些是普通尺寸，哪些属于螺纹、粗糙度或其他特殊工程表达；系统再依据明确的规则决定保留、换算或交由人工核对。

这样一来，AI负责处理图纸中复杂多变的表达，尺寸换算则交给确定性的程序执行。面对已经同时标注英制与公制的尺寸，系统还会结合标注之间的关系进行判断，避免将已有的公制数值再次换算。

技术的关键，不是让模型算得更多，而是让每一次修改都有工程依据。

但识别对了一个数字，并不意味着它已经被正确放回图纸语境。下一道难题，是标注的归属。

03｜第二道难题：数值改对了，标注也可能归错视图

如果说上一章解决的是“标注应该怎么改”，那么在此之前，还有一个同样重要的问题：图纸上的每条标注，究竟属于哪个视图？

机械图纸并不是排列整齐的文字文档。主视图、侧视图、剖视图和局部放大图可能分布在同一页上；尺寸数字、引出线与技术说明彼此交错。一条标注即使被准确识别，如果归到了错误的视图，后续的转换也可能失去原本的工程语境。

为此，项目结合OCR文字检测与视觉大模型，自动定位图纸中的文字和视图，并判断标注归属。对于难以确定的位置，系统会进一步复核，减少标注错位带来的风险。

找到文字还不等于找到完整标注。一组尺寸信息可能被检测成几个零散片段，单独处理容易割裂原意。因此，系统还会借助视觉大模型，将同一视图中彼此关联的文字片段整理为相对完整的工程标注，保留它们与原图位置的对应关系。

经过这样的整理，后续的识别、翻译和单位转换便不再面对一堆孤立的文字框，而是围绕有明确位置、有视图归属、有上下文关系的标注展开。

这一步让AI不只是在图纸上“找字”，更是在为后续转换建立可靠的图面秩序。

但即使视图归对了，也不意味着可以把整张图放心交给模型。

04｜第三道难题：大模型能读懂，为什么不能全部交给它

近年来，视觉大模型在识图、读字和翻译方面的进步十分明显。让模型阅读一张机械图纸，回答局部标注的内容，已经成为可探索的应用方向。

但工业应用与日常聊天之间，有一条不可忽视的边界。

模型擅长从复杂信息中寻找含义，却不意味着它在每次识别时都能给出完全一致的结果。对于紧贴图形的小数点、模糊字符和特殊符号，同一处位置在不同识别过程中也可能出现差异。

而加工要求并不会因为AI“有时看对”就自动降低标准。

因此，这个项目没有把所有任务交给一次模型调用，而是明确区分了两类工作。

需要理解上下文的，让AI参与；有明确标准和计算规则的，由程序严格执行。

在这一分工之外，项目还为漏读、疑似小数点和文字与图形交叠等高风险情况设置了额外复核机制。对于无法可靠确认的内容，系统倾向于保留原状、提示人工核对，而不是为了追求自动化程度强行修改。

这背后的理念很简单：

让AI发挥理解复杂场景的优势，但不要把不确定性变成一张图纸上不可察觉的错误。

所谓“智能”，不应该只是多改几个框、多生成几段文字，而是知道什么时候可以改，什么时候必须谨慎。

三道难题说明，图纸转换不是一次模型调用能够完成的任务。它需要一条能被检查、能被定位、能被复核的处理链。

05｜应对方案：把一次模型调用，拆成一条可复核的链

这个项目没有追求“一张图进去、一张图出来”的黑盒体验，而是把转换过程拆成四个可以分别检查的环节。

第一步｜先把图纸和视图理清。

系统接收多页PDF后，先定位其中的文字、尺寸和视图，判断标注属于主视图、剖视图还是局部放大图，避免后续把不同语境的标注混在一起处理。

第二步｜再判断每条标注是什么。

视觉大模型负责识别标注文字、符号和周围图形关系，工程规则负责判断它属于普通尺寸、直径、螺纹、粗糙度、角度还是其他表达。只有先分清身份，才能决定下一步是换算、保留还是复核。

第三步｜能确定的，交给程序严格执行。

普通英制尺寸按25.4进行换算；螺纹代号、角度、表面粗糙度和标准编号等不参与换算的内容保持原样；已经同时标注公制的尺寸，则结合相邻关系避免重复换算。确定性的计算不交给模型自由发挥。

第四步｜不确定的，明确留下。

漏读、疑似小数点、字符模糊、文字与图形交叠等情况，系统保留原状并给出提示，由工程师对照原图确认。系统不把“没有把握”包装成“已经完成”。

这四个环节连接起来，才构成一条完整的转换链：输入可判断、过程可检查、结果可复核、修改可追溯。

系统提供的不是“AI已经替你做完了”的结论，而是一份带有处理依据的转换结果。真正的工程确认，仍然由专业人员完成。

06｜实践结果：从逐张改图，到工程师重点把关

一张英文、英制机械图纸，经过智能转换后，会呈现出怎样的变化？

转换前｜原始英文英制图纸

转换后｜公制中文图纸

图｜机械图纸转换前后对比：原始英文英制图纸（上）与公制中文图纸（下）。

图面上的变化，直观可见：需要转换的尺寸被重新标注，英文说明有了中文表达，而螺纹代号、特殊符号及原有图形关系，则需要根据工程含义谨慎保留。

但比“图纸看起来改好了”更重要的，是这项工作可以怎样融入工程师的日常流程。

过去，工程师需要逐项查找标注、核对单位、翻译说明，再反复检查有没有漏改、误改。如今，用户可以通过网页端提交多视图PDF，由系统先完成识别、整理和转换，形成可供复核的图纸及修改建议。

工程师不必从零开始处理每一处标注，而是把精力放在关键尺寸、特殊要求和存疑内容的确认上。系统同时保留相应的识别记录、处理结果与替换依据，方便逐框对照原图，追溯每一次修改。

这也是案例最直接的变化：工程师的时间从重复查找和反复换算，转移到了关键判断和最终确认上。

系统提供的是可复核的转换结果，专业人员仍然负责最终的工程确认。这不是简单地让AI替人改图，而是把重复性工作前移到系统中，让工程判断集中在真正重要的地方。

07｜案例之外：不只中国，英制图纸进入公制体系是全球场景

对于承接跨区域加工业务的制造企业来说，图纸转换并不是一项孤立的文档工作。它连接着客户的设计要求与工厂的实际加工：图纸只有被准确理解，后续的工艺确认、生产沟通才有可靠的依据。

这种需求并不限于中国。欧洲、东南亚、中东、拉美等以公制为主的制造基地，在承接英制图纸时同样需要完成语言、单位与标注习惯的切换；越来越多的跨国团队，也会在同一个项目中并行处理英制和公制资料。

所以，这套方法真正针对的，不是某一个国家的图纸习惯，而是一个更普遍的结构性问题：英制设计资料，如何准确进入公制生产体系。

不同国家、不同企业之间，语言、标准和交付习惯当然会有差异；但识别标注、判断身份、执行换算、保留复核依据的底层逻辑是相通的。

目前，项目已在真实生产图纸上完成从输入到输出的连续处理，并通过网页端提供使用入口。它输出的仍是需要工程人员确认的转换结果，而非可以跳过审核、直接用于生产的最终依据。

这也说明，工业AI的价值不一定来自“完全替代人工”。在工程标准明确、错误代价较高的场景里，把重复工作交给系统，把关键判断留给专业人员，并让每一次修改有据可查，本身就是一种有实际意义的改进。

08｜杨梅3.0系列产品，改变的不只是纸面上的单位

从一张英制图纸到一份可复核的公制图纸，改变的不只是纸面上的单位与语言，更是工业知识参与日常工作的方式。

对制造企业来说，真正有价值的也不是“一键改图”的演示，而是一条能被人检查、能被工程确认、能持续复用的转换流程。

让原本依赖反复手工处理的环节，逐步形成可执行、可核对、可持续完善的协作方式，这才是工业AI从“能识别”走向“可交付”的意义。

 08｜12月，杨梅3.0见

接下来，公众号会陆续拆解杨梅3.0：产品矩阵、核心场景、能力边界，都会涉及。其中，工业图纸系列也会继续更新，敬请期待。

12月，杨梅3.0见。

注：文中场景来自真实图纸问题，已做脱敏处理。产品能力与交付范围，以实际沟通和验收为准；发布信息以北京工业智能创新中心官方发布为准。