CAD 第一次把"执行权"交给 AI：本文解析 Autodesk Fusion 内置三大 MCP 服务器（本地建模 / 远程数据 / 云端计算）的主要功能与计算特点，覆盖 MecAgent V2 无人值守装配与 GPT-6 Astra 照片逆向重建，给出软件清单、大模型本地部署方案（替代按次计费云端 API）、UltraLAB 图形工作站四级选型、应用场景与常见问题硬件分析。
2026-10-09 ｜ 作者：UltraLAB 方案团队 ｜ 阅读约 12 分钟
目录
- 核心内容：三大 MCP 服务器
- 主要功能
- 计算特点：负载的硬件画像
- 软件清单
- UltraLAB 硬件配置怎么选
- 应用场景与配置推荐
- 大模型本地部署
- 常见问题：硬件配置深度分析
- 结语与参考
一、核心内容：三大 MCP 服务器
2026 年 10 月 6 日，Autodesk 在 Fusion 中内置三大 MCP 服务器，CAD 软件第一次把"执行权"交给 AI 代理。MCP（Model Context Protocol，由 Anthropic 于 2024 年发布的开放标准）把"问答"升级成"动手"——不再是把聊天框焊进工具栏，而是直连正在运行的建模会话，真的改几何、加约束、动特征树。自 3 月助手公测以来用户对话已超 200 万次，10 月 6 日起全量开放。
图 1：Fusion 三大 MCP 服务器架构与 UltraLAB 算力承载映射
| 服务器 | 运行位置 | 核心能力 | 权责边界 |
|---|---|---|---|
| Fusion MCP | 本地会话 | 建模、改约束、执行命令 | 接运行中的建模会话，真改几何与特征树 |
| Fusion Data MCP | 远程 | 查项目、管权限 | 不碰几何；敏感项目留远程，只外包算力 |
| Fusion Compute MCP | 云端 | AI 代理跑完整设计制造任务 | 仿真/渲染/生成式计算的弹性算力入口 |
三个标志性事件印证"为什么是当下"：MecAgent V2 在 SolidWorks 会话里由 GPT-6 Astra 驱动，把一份需求无人值守地落成 RC 直升机装配——56 个零件、2 个子装配，齿轮与旋翼运动链全部关联，耗时不到 5 小时，现有 AI copilot 安装量超 35,000；GPT-6 Astra 在 BenchCAD 达 95.9% voxel IoU（Claude Fable 5.1 为 84.3%、GPT-5.6 Sol 为 83.3%），实现"照片进、可编辑特征树出"；计费模式从"卖座位"转向"卖代理执行额度"——Personal/Student/Trial 每月 10 个 Flex 代币，Commercial 仅 20 个。
二、主要功能
| 功能 | 传统 CAD | MCP + AI 代理 |
|---|---|---|
| 建模入口 | 人点菜单、拉约束、画特征 | 自然语言规格 → 代理自动排操作序列 |
| 逆向工程 | 扫描 → 人工描线重建 | 多视角照片 → 可编辑参数化特征树 |
| 装配构建 | 逐件装配、手动配运动链 | spec-to-CAD：整装配无人值守生成 |
| 数据协作 | 文件传递、权限靠约定 | Data MCP 结构化管项目与权限 |
| 算力使用 | 本地单机 | Compute MCP 云端弹性跑设计制造任务 |
| 责任边界 | 画错算操作失误 | Autodesk 官方接管代理执行责任 |
生态层面，MCP 的开放性让"代理的舞台"不再绑死一家软件：SolidWorks 社区项目、Onshape 官方 FeatureScript MCP、Creo CREOSON 均已接入，国产中望（ZWSOFT）也在推 AI 智能体平台——协议开放那天起，工程师手里的代理可以跨软件调度。
三、计算特点：负载的硬件画像
图 2：CAD + MCP 负载特点 → 硬件需求 → UltraLAB 机型映射| 负载类型 | 典型场景 | 首要瓶颈 | 次要瓶颈 |
|---|---|---|---|
| 交互建模 | 特征树编辑、约束求解、装配导航 | CPU 单核频率 | 专业 GPU 图形性能、内存 |
| LLM 推理 | 操作序列生成、每任务数万 token | GPU 显存（KV Cache） | 推理框架吞吐 |
| 图像重建 | 照片逆向、多视角编码解码 | GPU 算力 | 内存、NVMe 读图速度 |
| 云端计算 | 仿真、渲染、生成式设计 | GPU 池规模 | 网络带宽、存储 |
| 无人值守 | 5 小时级 spec-to-CAD 长跑 | 满载稳定性 | 快照回滚、断电恢复 |
四、软件清单
| 类别 | 软件 / 组件 | 许可 | 角色 | 硬件侧重 |
|---|---|---|---|---|
| CAD 平台 | Autodesk Fusion 360 | 订阅 + Flex 代币 | 主力建模平台（三 MCP 载体） | 高主频 + 专业 GPU |
| 本地服务 | Fusion MCP | 内置 | 建模会话直连代理 | 随 Fusion 会话 |
| 数据服务 | Fusion Data MCP | 内置 | 项目/权限管理 | 网络、内存 |
| 计算服务 | Fusion Compute MCP | 按次计费 | 云端设计制造任务 | 云端/私有 GPU 池 |
| 代理引擎 | MecAgent V2（GPT-6 Astra 驱动） | 商业 | spec-to-CAD 无人值守装配 | LLM 推理后端 |
| MCP Host | Claude / Cursor / VS Code Copilot | 商业/开源 | LLM 客户端与工具编排 | — |
| 底座模型 | GPT-6 Astra / Claude Fable / Qwen3 / DeepSeek | 商业/开源 | 推理引擎（BenchCAD 95.9%） | 显存 16~96GB |
| 推理框架 | vLLM / SGLang / Ollama / llama.cpp | 开源 | 本地私有化 serving | 多卡 NVLink |
| 生态对照 | SolidWorks 社区 MCP / Onshape FeatureScript MCP / Creo CREOSON / 中望 ZWSoft AI 平台 | 混合 | 跨软件代理调度 | — |
| 协议标准 | Model Context Protocol（Anthropic, 2024） | 开源标准 | AI↔工程软件互联规范 | — |
五、UltraLAB 硬件配置怎么选
| 系列 | 核心特征 | 匹配负载 | 价格区间 |
|---|---|---|---|
| A350 超频图形工作站 | Intel Ultra 高主频、静音 | Fusion 交互建模、个人 AI 助手 | ¥25,500 ~ 52,000 |
| GR450P 极致超频 | AMD TR 32 核 5.0GHz、全水冷 | 大型装配建模 + 本地 32B 推理 | ¥92,000 ~ 198,000 |
| AE450 / AX450 水冷 | 霄龙 512MB L3 / Xeon 128 核 | 图像批处理重建、数据服务节点 | ¥59,990 ~ 275,000 |
| EA660 双路全水冷 | 双路 256 核、512GB~768GB | 私有 Compute 池、团队共享 | ¥89,990 ~ 420,000 |
| GX660M / AlphaPro660 | 4×A100 / 4×RTX Pro 6000 NVLink | 多用户本地 LLM、70B+ 重建模型 | ¥142,000 ~ 1,150,000 / ¥330,000 ~ 999,900 |
| 等级 | CPU | GPU | 内存 / 存储 | 参考机型与报价 |
|---|---|---|---|---|
| 入门版 | Intel Ultra 9-285K（8P 核 5.6GHz） | RTX 5060 16GB | 96GB DDR5 / 4TB NVMe | A35015096-MBX（约 ¥43,990） |
| 标准版 | AMD TR-7970X（32 核 5.0GHz） | RTX 5090D 32GB | 128GB DDR5 / 4TB NVMe，全水冷 | GR450P150128-MCX（约 ¥128,000） |
| 专业版 | 霄龙 9755（128 核，512MB L3） | 2×RTX Pro 6000 96GB | 256GB ECC / 8TB NVMe Gen5 | AE450141256-MCX + 双卡（约 ¥275,000） |
| 旗舰版 | 2×霄龙 9755（256 核） | 4×A100 80GB NVLink | 512GB~1TB ECC / 8TB NVMe（14GB/s） | GX660M235640-MD4A（约 ¥620,000）/ EA660235512-MCX（约 ¥252,000） |
| 组件 | 选型原则 | 推荐基准 |
|---|---|---|
| CPU | 约束求解与特征树操作吃单核频率；图像批处理吃多核 | ≥5.0GHz；批处理选 128 核霄龙 |
| GPU | 显存决定能跑多大本地模型，专业卡保障大装配图形流畅 | 32B：32GB；70B INT4：≥48GB |
| 内存 | 大型装配 + 代理上下文并存，必须留余量 + ECC | 128~256GB，旗舰 512GB+ |
| 存储 | 照片批处理、装配快照、版本记录均为大文件高频读写 | NVMe Gen5 ≥2TB + SATA 归档 |
| 散热/电源 | 无人值守长跑降频=代理任务报废 | 全水冷 + 冗余电源 |
六、应用场景与配置推荐
场景一：机械设计工程师（Fusion + AI 助手日常）
| 项目 | 推荐 | 理由 |
|---|---|---|
| 机型 | GR450P150128-MCX（约 ¥128,000） | 5.0GHz 高频约束求解 + 5090D 大装配图形 |
| 组合 | Fusion 订阅 + 每月 Flex 代币 + 本地 32B 兜底 | 额度内用云端，超额走本地模型，成本可控 |
场景二：逆向工程/3D 打印工作室（照片逆向重建）
| 项目 | 推荐 | 理由 |
|---|---|---|
| 机型 | AE450141256-MCX（约 ¥165,000） | 128 核批处理多视角图像 + 256GB 内存 |
| GPU | RTX 5090D 32GB ×2 | 本地 70B 重建模型 INT4，客户数据不出工作室 |
场景三：制造企业研发部（私有 Compute + 数据合规）
| 项目 | 推荐 | 理由 |
|---|---|---|
| 机型 | GX660M235640-MD4A（约 ¥620,000） | 4×A100 私有算力池，承接 Compute 类任务 |
| 架构 | Data MCP 管权限 + 内网 GPU 池 + 40G 网络 | 图纸不出内网，算力自有，审计可回溯 |
场景四：学生 / 个人创作者
| 项目 | 推荐 | 理由 |
|---|---|---|
| 机型 | A35015064-MBX（约 ¥36,000） | 高主频 + RTX 5060，教育版 + 每月 10 代币 |
| 升级 | GR450P + RTX 5090D 32GB | 本地 32B 模型 + 复杂装配学习 |
七、大模型本地部署
云端 API 按次计费（Commercial 每月 20 个 Flex 代币）且数据出域；本地部署把推理搬到自有 GPU，额度不受限、数据不出内网、边际成本趋零。核心是显存测算与框架选择。
7.1 显存测算
| 模型规模 | INT4 权重 | 加 KV Cache | 可行配置 |
|---|---|---|---|
| 7~14B | ≈5~9GB | ≥12GB | RTX 5060 16GB 单卡 |
| 32B | ≈18GB | ≥24GB | RTX 5090D 32GB 单卡 |
| 70B | ≈40GB | ≥48GB | 2×RTX 5090D 或 1×RTX Pro 6000 96GB |
| 多用户并发 | — | 线性叠加 | GX660M 4×A100 80GB（320GB 池） |
7.2 部署要点
| 步骤 | 要点 | 硬件关联 |
|---|---|---|
| 模型选型 | Qwen3 / DeepSeek-V3 系，INT4 量化（AWQ/GGUF） | 显存降 60%+ |
| serving | vLLM/SGLang 起 OpenAI 兼容接口，Ollama 快速验证 | 多卡 NVLink 匹配并行策略 |
| MCP 桥接 | 本地 LLM endpoint 替代云端 API 接入 Fusion MCP/自建 MCP Server | 低延迟内网 |
| 并发隔离 | Docker 分实例，按工程师/项目分配额度 | GPU 时间片/MIG |
| 稳定兜底 | ECC + 全水冷 + 快照回滚 | 7×24 长跑不掉链 |
八、常见问题：硬件配置深度分析
Q1：Fusion 交互建模卡顿、特征树操作慢？参数化约束求解为单线程串行：升 CPU 主频（≥5.0GHz，TR-7970X / Ultra 9-285K），内存 128GB+，配 RTX 5080/5090D 或专业卡保障大装配着色流畅。
Q2：本地 LLM 接 MCP 需要多少显存？7~14B：RTX 5060 16GB；32B：RTX 5090D 32GB；70B INT4：2×5090D 或单卡 96GB；多用户并发上 GX660M 4×A100 池化。
Q3：Flex 代币不够用，本地化划算吗？Commercial 每月仅 20 代币，复杂装配数次即尽。高频团队本地化 6~12 个月回本（GR450P+5090D 约 ¥128,000 起），且不受限、不出域；低频用户继续云端更省。
Q4：无人值守 spec-to-CAD 怕中断？5 小时级代理长跑：ECC 防数据错误、全水冷防降频、冗余电源防断电；代理侧必须配快照与特征树回滚——特征树一错，后面全废。
Q5：照片逆向重建吃什么配置？多视角图像编码+CAD 解码是 GPU 密集负载：RTX 5080 16GB 起步，批量处理配 256GB 内存 + NVMe Gen5；本地 70B 重建模型按 Q2 标准配卡。
Q6：仿真/渲染走云端还是私有？低频弹性任务走 Compute MCP 云端；高频涉密任务建私有池：GX660M（4×A100）+ 40G 网络，Data MCP 管权限，图纸不出内网。
Q7：学生/个人怎么低成本上手？A350（约 ¥36,000）+ 教育版每月 10 代币 + Ollama 跑 7~14B；进阶 GR450P + RTX 5090D 32GB，覆盖 32B 本地模型与复杂装配。
九、结语与参考
Autodesk 把护城河从文件格式搬到工作流编排，CAD 从"被操作"变成"被代理执行"；但签字笔仍在工程师手里——AI 负责"快"，人负责"对"。当代理开始按次计费，算力自主就是成本自主：显存决定能跑多大的本地模型，主频决定建模跟不跟手，稳定性决定 5 小时的无人值守能不能跑完。先算负载账，再按四级配置对号入座，是 AI 代理时代工程工作站的选型正道。
参考信息
- 《Autodesk 装 3 大 MCP 服务器，56 零件 5 小时建成：CAD 进入"AI 代理可执行"时代》（Techub，微信公众号）
- Autodesk 官方：Changes to Autodesk Assistant in Fusion beginning October 6th（2026-10-06）
- DEVELOP3D：MecAgent targets complex CAD tasks with GPT-6 Astra powered V2（2026-10）
- engtechnica：CAD's MCP Connections Offer Different Capabilities（2026-10）
- Learn Architecture：OpenAI's GPT-6 Astra Turns Photos Into Editable CAD Models（2026-09-21）
- Model Context Protocol 官网（Anthropic, 2024）；《UltraLAB 图形工作站基准配置表 2026v3》
免责声明：本文机型与价格基于 UltraLAB 2026v3 基准配置表整理，实际以官方最新手册为准；Autodesk/MecAgent/OpenAI 相关功能与计费以官方为准。显存测算为工程估算值，以实测为准。本文不构成任何采购投资建议。
