“输入几句描述，几秒钟就能得到几十张形态图。学生交上来的方案看着多了，可问他为什么选这一张、这张曲面能不能加工，多数答不上来。”这是常州机电职业技术学院数字创意设计学院产品与空间设计系工业设计专业专任教师在《计算机辅助工业设计》课上碰到的新问题。日前，课程团队重构了这门课：把生成式人工智能（AIGC）限定在概念探索与形态验证两个环节，把工程约束与解释责任留在师生一侧。

AI只放在两个位置

这门课没有另开“AI工具课”，而是把AIGC嵌进原有课程的两个位置：概念阶段用于形态发散，限时二十分钟，每名学生产出不少于六个候选形态并写明取舍理由；方案阶段用于局部验证，对选定形态做局部替换，检查结构是否成立。

凡是涉及尺寸、曲面连续性、装配关系和制造条件，一律回到专业软件、任务书和实物样件。“生成图不能替代模型数据，这条线不能松。”课程团队负责人说。

把九十分钟重新分配

一次课切成四段：构思与草图、AIGC拓展与筛选、建模与校核、小组互评。前两个环节教师不作讲评，只在工位间走动。这条规定起初有争议，实行两轮后保留了下来——学生自己的判断，往往就是在没有标准答案的那段时间里长出来的。

课程内容按三层递进：基础建模全程不用AIGC，只给功能要求、不给步骤；AIGC辅助设计进入需求描述、概念发散与视觉表达；工程优化把概念落成可编辑模型，结构、尺寸、材料、制造适配逐项核对。

把工程约束请进课堂

贯穿项目取自企业真实需求——“新能源汽车内饰件：多功能储物盒”，约束是安装空间220 mm×160 mm×90 mm、可放三类物品、取放不超过两步、材料限PP与ABS、须通过1∶1样件装配检验，每一条都对应后一阶段的校核项。

企业导师一学期进课堂四次：讲任务约束、参加中期筛选、看样件、参加答辩，每次都留书面意见并进入学生档案。数字端要提交带参数的源文件，只给网格的模型不算完成；实物端打印1∶1样件，检查取放动作与装配干涉，出问题回改模型，一轮通常打两三次。

数据说明问题出在哪

一轮实施后，两个平行班的课程记录显示：完成同一个储物盒任务，实验班平均用时42.3分钟，对照班67.8分钟；工程适配评分（满分40分）分别为32.5分与24.1分。

更值得说的是离散程度——用时标准差由12.4降到6.7，降幅接近一半。团队把这一结果读作“模式主要作用在进度滞后的那部分学生身上”，而不是“整体变快了”：进度慢的学生常因方案迟迟不成形而反复推翻草图，AIGC给出可比较的候选形态后，他们的决策起点被前移。

团队也说明了边界：平行班属非随机分组，每种教学条件只对应一个班级，改革又同时调整了AIGC应用、项目组织与双师投入，结果目前只作初步证据使用。

下一轮将扩展至多班级、多课程，统一任务门槛与计时规则，并引入延迟迁移任务，观察学生的判断能力能否保持。同时补齐教学告知与资源共享安排：不愿使用AIGC的学生可用草图与建模完成同一任务，评分不受影响；课程结束后，未参与试点的班级同样可以获得工具账号、案例包与专题辅导。（蒋兆宏）

免责声明：本文内容来源于第三方或整理自互联网，本站仅提供展示，不拥有所有权，不代表本站观点立场，也不构成任何其他建议，对本文以及其中全部或者部分内容、文字的真实性、完整性、及时性不作任何保证或承诺，请读者仅作参考，并请自行核实相关内容,不承担相关法律责任。如发现本站文章、图片等内容有涉及版权/违法违规或其他不适合的内容， 请及时联系我们进行处理。