AI 与电气设计自动化：边界在哪

“AI 能不能自动画 EPLAN 原理图？”这个问题在 2025 年之后被问得越来越频繁。回答需要分两半：能生成“看起来像”的图，和能生成“能施工、能采购、能验收”的图，中间隔着的不是模型能力，是工程约束。

这篇文章不谈模型参数，谈边界：哪些环节 AI 已经能用，哪些还不行，企业现在该做什么准备。

一、先分清三个层次

电气设计的产出，可以拆成三层。AI 在每一层的能力差别很大。

表达层是最成熟的：生成说明文档、整理 BOM 描述、把自然语言需求转成检查项、从图纸提取信息。这些工作重复度高、容错空间大，AI 能省下大量时间。

规则层次之：如果企业规范已经写成明确的条文，AI 可以辅助生成校验规则、批量检查图纸一致性、把规范翻译成配置说明。前提是规则本身清晰——模糊的规则，AI 也只能给出模糊的结果。

决策层最难：选什么器件、留多少余量、这个工况下是否安全，涉及责任与现场经验。AI 可以给候选方案、可以做一致性检查，但不能签字。

二、原理图生成：难点不在画线

让 AI 生成一张原理图，技术上不难；难的是让它生成一张“能用”的图。四个约束卡在这里：

约束一：电气逻辑的正确性。 一张图要满足功能：启动、停止、互锁、保护、急停。这些逻辑有行业惯例，也有安全规范。生成模型可能画出“看起来合理”但缺少互锁的回路——这在图纸上不显眼，在设备上是事故。

约束二：器件与库的对应。 图上的每个符号都要对应一个真实物料：厂家、型号、参数、封装。AI 生成图形容易，生成“可采购的物料清单”难，因为它要访问企业真实的部件库与供应链信息。

约束三：标准的适配。 同一张图，按 GB/T 画和按 IEC 画，符号、编号、图幅都可能不同。企业还有自己的厂标。生成结果必须落到某一套标准上，而不是“通用风格”。

约束四：变更与追溯。 工程图不是一次性产物，它要经历评审、变更、归档。AI 生成的图如果没有结构化的设备与连接关系，后续改一处就要人工找十处。

所以现实的做法不是“AI 直接出图”，而是“AI 出草稿 + 工程师确认 + 工具做校验”。草稿能省 30%–50% 的重复劳动，剩下的仍需要人。

三、已经能落地的五个场景

不谈远景，谈现在就能用的。

场景一：需求与文档的整理

把客户的技术协议、招标文件、会议记录，整理成结构化的设计输入：功能清单、接口清单、待确认问题。这类工作效率提升明显，且出错成本低——最终由人确认。

场景二：图纸信息的提取与核对

从 PDF 或旧图纸中提取设备清单、端子表、电缆表，与现有 BOM 比对，找出差异。对存量项目治理特别有用。

场景三：规范与检查规则的形成

把企业规范条文转成可执行的检查项，或者反过来，从历史返工记录里归纳出该检查什么。这是“规则层”的典型应用。

场景四：库的整理与描述补全

部件描述、同义词、分类建议。AI 擅长处理“大量、重复、需要判断但不致命”的文本工作。人工审核后入库，效率比纯手工高。

场景五：培训与答疑

基于企业自己的规范与模板做问答，回答“这个情况该用哪个模板”“这个编号规则怎么套”。比翻文档快，但答案必须能追溯到条文。

四、不能落地的三类期待

期待一：一句话生成整套施工图。 施工图涉及选型、保护配合、载流量、短路校验，这些需要工况数据与责任主体。目前的生成能力做不到，也不应该由它做。

期待二：AI 替代工程师做判断。 设计中的关键判断往往不是“哪个更优”，而是“哪个风险可接受”。这是责任问题，不是算力问题。

期待三：买了 AI 工具，效率自动提升。 工具的效果取决于输入的质量。规范没写清、库不完整、图纸不规范，AI 拿到的就是垃圾，输出的也是垃圾。

五、对企业的影响：岗位会变，不会消失

短期看，变化最大的是三类工作：

• 重复绘图：会被大幅压缩，尤其是标准回路、相似项目的改型
• 图纸整理与核对：从人工比对变成“机器比对 + 人工确认”
• 文档编写：说明书、操作手册、培训材料的初稿可以由 AI 生成

不太会变的：

• 方案判断：选什么拓扑、留多少余量、如何满足客户特殊要求
• 现场问题处理：装配冲突、调试异常、客户变更
• 责任签署：谁签字，谁负责

对个人的建议是：把时间从“画得快”转向“判断得准”。会用工具的人不会失业，只会画图的人风险最大。

六、现在就该准备的三件事

AI 能不能用起来，取决于企业的基础数据。三件事现在做，比等工具成熟更实际。

第一件：把规范写成可执行的条文

不是“设计应符合国家规范”，而是“端子编号 = 位置码 + 序号，同位置连续”。越具体，越容易被工具执行，也越容易被 AI 理解。

第二件：把库建完整

符号、部件、属性、宏。AI 生成的内容要落到库里，库不完整，生成结果就无法使用。这是最枯燥、也最值钱的基础工作。

第三件：把图纸结构化

图纸不只是图形，要有设备、连接、端子的对象关系。只有图形没有关系，AI 只能“看图说话”，不能“理解电路”。

这三件事，恰好也是标准化的内容。所以结论有点反直觉：AI 时代最重要的准备，是把基础工作做扎实。

七、怎么判断“AI 电气设计”的宣传

市场上出现不少“AI 自动出图”的产品。判断方法有四个：

• 看输出：让它在你的真实项目上跑一遍，看结果能不能用于施工与采购
• 看数据来源：它用什么库、什么规范、什么器件数据。说不清的，通常是演示级
• 看人机分工：宣称“全自动”的，通常回避了审核环节；靠谱的会说清“哪里需要人确认”
• 看责任：出错了谁负责。工程软件没有责任主体，就不能进入生产环节

演示环境里的“一键出图”和生产线上的“可交付图纸”，中间隔着标准、库、校验与责任。

八、一个务实的判断

未来三到五年，电气设计的变化更可能是“工具变聪明”，而不是“人变多余”。重复劳动被压缩，判断与协作的比重上升。

对企业来说，最划算的投入顺序是：先标准化，再自动化，最后才是智能化。跳过前两步直接上 AI，会得到一堆看起来先进、实际不能用的东西。

对个人来说，最稳的能力是：懂电气逻辑、懂工艺约束、能用工具验证自己的想法。这三样，AI 一时半会替不了。

如果你正在评估 AI 工具在电气设计中的可行性，建议先拿一个真实项目做对照实验：同样的输入，人工做一遍、工具做一遍，比较时间、错误类型与返工成本。这个实验的结论，比任何演示都可靠。