《美国纳什维尔现场直击》如果ChatGPT能学习以往的文本数据，并成生符合适户需求的答案，那SolidWorks是否能让3D CAD学习以去世产数据，来生成符合适户需求的设计呢？
SolidWorks CEO Manish Kumar面对这个问题，一脸冷静的回答：“我可以告诉你，但我就必须做掉你。”接着语气一转笑道：“对啦，我们确实在开发这个技术。”
做出设计界ChatGPT前，生成式AI必经的3发展阶段
虽然说着容易，但从设计界现有生成式AI应用走到开发出能用自然语言生成设计的“设计界ChatGPT”，确实无法一蹴而就。Manish Kumar也强调，这个计划目前仍在开发中，无法给出任何承诺。他同时提出了在达到此技术水准前，生成式设计技术发展必须经过的3个阶段。
第1阶段是，根据设计师给予的一套物理限制或特性，做出各种变化。例如，设计师对AI提出一个参数式建模，要求AI在一定条件下优化既有设计的物料及结构。这种技术生成的设计，外观特征与原始设计模型相差不远。达梭系统已经有这个技术阶段的产品，也就是拓扑优化功能。
第2阶段是根据设计意图来生成具备不同外观特征的设计，达梭系统目前研发进度落在此阶段。设计意图指的是关键对象之间的关系，如螺丝孔间的距离、相对绝对位置、或尺寸比例等。变动设计外观特征时，必须考虑设计意图，才不会导致设计失效。许多时候，设计意图定义了一个产品或零件的功能，而设计特征不会。举例来说，笔盖跟笔身接合处大小关系，决定了盖子是否能盖上，但笔身跟笔盖接合处以外的地方，不论把笔盖的尺寸、形状、颜色、材质，或其他特性如何变动，通常都不会影响盖子是否能盖上。
反过来说，设计师定义完设计意图，就能根据其他需求，要求AI生成不同特征的设计。延续笔盖的例子，设计师可能想要设计一个可以夹在衣服上不会掉的笔盖，但不知道怎么设计最省物料、最省空间或夹的最紧，就可以让AI生成出许多种不同设计，再从中挑选或作为参考。笔盖是相对简单的设计，因此或许生成式设计技术派不上用场，不过随着产品复杂度提升，设计的可能性也会变多，生成式AI生成大量设计的能力便会更显重要。
Manish Kumar补充，属于同一阶段的生成式设计还有逆向设计分析，也就是从一个模型或图片回推背后设计参数，并生成设计图的技术。这是因为这种技术同样使用设计意图作为分析基础。
第3阶段，则是将既有零部件加入生成考量。生成式设计时常与3D打印挂勾，因为AI生成的设计通常与既有零件形状相差甚远。Manish Kumar表示，以既有零件为基础生成设计，不仅能让设计更容易投入生产，也能大幅减少物料及零件浪费，甚至能以常见回收废弃物的零件作为生成设计基础，进一步达到永续设计的目的。
Manish Kumar进一步以ChatGPT作为对比，说明对“设计界ChatGPT”技术的想象。ChatGPT是根据用户提出的文本需求，修正AI给出的文本答案。“也就是你问一个问题，他回答，你再追问，他再修正答案。”
同理，“设计界ChatGPT”则是用文本需求修正生成式设计答案。他举例，用户可以对CAD说，“给我一张桌子。”CAD根据桌子的设计数据生成设计草图后，用户便能以此为基础，用各式额外要求，要求CAD持续修改设计细节，直到满意为止。