卖身微软15年后，他带着“工程世界模型”杀回AI牌桌，宣称CAD任务150倍降本、50倍提效

在十几年前那段被称作 AI 寒冬的岁月里，Sam Pasupalak 在加拿大滑铁卢大学读完数学与计算机专业，随后创办了 Maluuba 公司，图灵奖得主 Joshua Bengio 和 Richard Sutton 以学术顾问身份参与其中。

Sam 创办的 Maluuba 一度做出比 Siri 更聪明的个人助理，后来被微软以 1.6 亿美元买走。如今他坦言后悔卖掉这家公司，觉得这家公司本来有机会成为下一个 OpenAI。

2025 年 4 月，Sam 在美国旧金山创立 Skyfall AI，18 个月后拿出一份 AI 技术答卷，推出的产品叫 SKY-001，官方给它的定位是第一个“工程世界模型”。

作为大洋彼岸的读者我们对这类叙事并不陌生，硅谷经常会冒出宣称要颠覆一切的模型，SKY-001 这次把矛头对准了物理世界的设计以及制造，声称要在计算机辅助设计（CAD，Computer-Aided Design）和建筑信息模型（BIM，Building Information Modeling）领域掀起波澜。

AI 大模型的理科盲区与 SKY-001 的破局逻辑

要判断 Sam 这套说辞的成色，得先弄明白这样一个基础问题，那些能够写文案、能够写代码的大模型，在面对一台发动机亦或是一栋楼时到底卡在了哪里。

工程设计的核心肯定绕不开空间约束，比如一台 VMS-85 发动机内部嵌套着数百个之多的零件，每个零件都要和其他零件严丝合缝地咬合，齿轮组藏在正时盖后面（正时盖是发动机正时系统的防护罩壳），套管藏在壳体内部从外面看不到。

图 | 案例演示（来源：Skyfall AI）

语言模型在处理这类任务的方式是逐词生成，文字读起来是通顺流畅的，落到几何上却经常错位，Skyfall 在官方博客里写道，使用语言这种媒介去推理空间关系的话，效率实在非常低。该公司的选择是让模型直接在视觉世界里做规划，其将 SKY-001 的架构分成两个阶段，第一个是层级化组件器，第二个是构建世界模型。

组件器负责想清楚设计方案由哪些东西组成，它先是生成整体的粗略三维形状，然后再把整体拆成各个总成（总成指由若干零件组装成、可以独立完成某项功能的部件组合），基于总成继续往下拆，直到每一个分支都变成单独的零件。

这个拆解方式和工程团队的协作流程非常相似，项目经理先定下来整机方案，各个小组再去分头处理自己的子系统。层级结构所能带来的好处在于，父节点一旦确定下来，子节点的推演就可以并行展开，串行步骤的数量只和设计的深度有关联，和零件的绝对数量是脱钩的。

当粗略形状拆完之后，每个叶节点都还只是一具空壳，表面是粗糙的，内部结构存在缺失，这时组件器会把每个叶节点交给精修环节，让它们变成精确的零件，把原本被遮挡的细节进行补齐。

整个流程跑完之后，一份完整的设计树就出来了，这套思路对应着工程设计的第一性原理，那就是复杂系统依靠层级关系来约束彼此，单点决策必须服务于全局的一致性。构建世界模型接手的是另外一项工作，把每一个零件该怎么造出来规划成有序的视觉状态序列。

在 CAD 场景之下，模型会先画出来零件一步步成形的中间三维形状：先来挤出底座轮廓，再去叠加第二层挤出，然后切出三个孔位，接着模型画出衔接它们的二维草图。在该公司展示的复现视频里，草图叠在当前的状态之上，动画会把预测出的下一个形状展示出来。

但是，该公司也表示动画过渡只是一个示意，保存下来的草图和三维几何有可能对不上。这意味着现阶段这套系统产出的视觉结果，距离能够直接投进车床的工业级 CAD 文件还有相当距离。

BIM 场景下的逻辑是类似的，真人建筑师画楼层平面图的时候，遵循固定的次序，比如外墙先落笔，随后户与户之间的墙体和公共走廊跟上，每个户型再按房间逐个地填充门窗和固定件。

SKY-001 的第二个核心组件构建世界模型，能够从历史图纸里学会这套绘制次序，拿到组件器给出的成品平面图之后，它会一个状态一个状态地画出来，同时还能自行判断何时收笔，该公司称一整层楼的绘制大约需要一秒钟。

图 | 模型使用示意图（来源：Skyfall AI）

CAD 与 BIM 领域的性能展示

性能对比是官方博客里最抓眼的一部分，CAD 构建基准抽取了 1,000 个复杂组件，涵盖了捷豹 E-Type 敞篷跑车、发那科机械臂、小型拖拉机、贝尔直升机以及喷气发动机。每个案例平均需要大约 100 个绘制步骤，最终使用交并比（IoU，Intersection over Union）指标对照参考形状打分。

该公司给出的结论是，对比 GPT-6 Astra，SKY-001 实现了约 50 倍加速，单案例成本降低约 150 倍，IoU 成绩为 79.7%，对手是 79.1%。官方还展示了层级化组件器的盲测结果，设置了两个大模型裁判，分别是 GPT-6.1 Sol 和 Claude Opus 5.5，它们在不知道哪份结果出自哪个模型的情况下打分。结果显示 SKY-001 在零件分解、内部结构、复杂度、与输入图像的匹配度、外观真实感几个维度上都拿到了更高分数。

图 | 案例演示（来源：Skyfall AI）

BIM 基准包含了 1,000 张平面图，楼层级以及户型级各占一部分，平均包含大约 70 个绘制步骤，SKY-001 单案例耗时大约一秒，该公司表示成本不到一美分，IoU 为 43.6%，竞品模型是 40.6%。

官方博客提到其模型速度提升约 120 倍，成本降低到约 185 分之一。需要说明的是，这些数字的发布方是 Skyfall 自己，测试集由自己挑选的，评判标准也是由自己设定的，盲测里的大模型裁判也由自己部署。

官方博客表示 GPT-6 Astra 在 CAD 场景下只对 82% 的资产返回了模型，这个失败率让对比的公平性打了折扣，IoU 领先了 0.6%，放在工业场景里是否可以构成决定性优势，目前需要第三方复现才能下结论。

截至发稿，对 SKY-001 展开独立验证的信息比较少，看到的相关内容基本来自该公司自己的技术博客。

在训练数据的成色上倒是值得多说两句，这些 CAD 数据来自公开的真实产品装配数据集，原始文件的装配树比较混乱，面片重叠、几何重复、甚至零件连名字都没有。该公司给每个资产做了彻底清洗，按照标准工程设计的习惯重建零件层级，从整机一路拆到紧固件。

其中有些数据集自带二维草图和完整构建历史，缺失的部分则使用工程工具配合大模型工作流从成品零件反推轨迹，然后再经人工核验后投入训练，该公司称组件器学习了超过 20 万个零件，构建世界模型学习了 60 多万个构建案例。

数据颗粒度的对比更加能够说明问题，在业内常用的三维零件分解数据集 PartVerse 里面，每个对象包含的零件数中位数是 6，第 99 百分位是 33。Skyfall 自建数据的中位数为 288，第 99 百分位达到 4,180。

该公司举例说，PartVerse 里一辆 BMX 自行车有 8 个零件，他们数据集里一辆胖胎山地车拥有 988 个零件，这种细粒度能够抬高模型学习装配关系的难度，同时也有希望构成竞争对手短期内难以复制的数据壁垒。

BIM 侧的数据规模涵盖大约 3.5 万张真实与合成平面图，折算下来大约接近两百万个绘制状态。但是，原始平面图需要进行清洗，不然图纸在画框里是歪的，同一种房间有好几种叫法，不少建筑模型干脆没有定义房间。

为此，该公司把每张图摆正到主墙轴线，把房间映射到统一的类型体系里面，然后再重绘成带标签的平面图，再配上根据图纸写出来的需求说明，部分数据源还记录下来了每一笔的绘制过程，这些记录直接成了构建世界模型的训练序列。

数据背后的未解之谜

把视线拉远一些来看，SKY-001 想做的事情或许超出了单一工具的范畴，该公司在博客结尾透露了下一步计划，他们计划让 CAD 侧的草图推演会变成一个可执行的操作，配上可编辑的特征历史之后，真人设计师使用文字下指令就能让模型联动更新相邻零件。

他们还希望 BIM 侧生成的平面图和绘制序列能够转化成墙体、门窗和房间，建筑师能够持续编辑，再往后他们希望同样的方法论能够延伸到 PCB 设计和其他硬件领域。

但是，一些疑问也随之浮现。该公司在 CAD 组装测试里承认 GPT-6 Astra 有近两成资产直接没能生成，这种不对等的对比让领先幅度看上去更加漂亮。BIM 场景下 43.6% 的 IoU 放到真实施工图审查里到底能排到什么位置，官方也没有给出参照，目前行业里也没有现成的第三方基准可以直接套用。

草图与三维几何可能对不上的那句免责说明，意味着视觉层面的设计还没有打通到参数化建模的闭环流程，也就是说模型画得再像，工厂拿到的依然是一堆需要人工重建的图像。

Sam 在公开发言里把 SKY-001 称作是通向自主制造的第一块基石，这个表述带着硅谷创业者惯有的野心。他的履历确实给这个叙事添了几分分量，拥有滑铁卢大学的数学与计算机背景，Maluuba 创业时期聚拢的 50 多人研究团队，所创办的第一家公司被微软收购，再到英国伦敦政治经济学院补上政治学硕士学位，这条路径在 AI 创业者里不算非常常见。

但他自己在社交平台上表示，SKY-001 是他和团队在 Maluuba 深度学习实验室基础上打磨 18 个月的产物，目标是把首个 AI 总工程师做成自主制造的骨干。

但是官方博客里展示的 PCB 设计、能源与电力系统、分子设计以及计算机使用代理，每一个方向都需要经过独立的训练数据和验证流程，Sam 使用 18 个月做出的两个领域成果，放到更长的时间尺度里只能算序章。

参考资料：

https://skyfall.ai/sky-001

https://skyfall.ai/blog/introducing-sky-001

https://www.linkedin.com/in/sam-pasupalak-57b4a220a/

运营/排版：何晨龙