“AI로 3D를 만든다”는 말은 범위가 넓습니다. 같은 문장 안에 text-to-image, text-to-3D mesh, NeRF/Gaussian scene, textured game asset, editable B-rep, parametric CAD sequence, 렌더 장면까지 섞입니다. 제품 개발에서 이 차이를 구분하지 않으면 도구 선택도, 기대치도 틀어집니다.
AI 3D 생성기의 결과는 보통 asset입니다
AI 3D 모델 생성기는 형태 탐색과 시각화에 강합니다. NVIDIA Edify 3D 같은 연구는 입력 prompt에서 multi-view image와 normal을 만들고, 이를 geometry, texture, PBR material이 붙은 asset으로 재구성합니다. 이런 결과물은 컨셉 시각화, AR/VR asset, 리뷰용 소품, 마케팅 이미지의 출발점으로 좋습니다.
하지만 mesh asset은 엔지니어링 설계 언어가 아닙니다. 삼각형 면이 많아도 구멍 중심, 벽 두께, fillet radius, thread, rib, draft angle, tolerance, material callout을 직접 의미하지 않습니다. 제조 가능한 제품으로 가려면 CAD feature와 설계 의도가 필요합니다.
AI CAD의 목표는 editable construction history입니다
AI CAD 연구는 점점 “3D처럼 보이는 형상”이 아니라 “수정 가능한 CAD 절차”로 이동하고 있습니다. Text2CAD와 Text2CAD-Bench는 자연어에서 parametric CAD sequence를 생성하고 평가하는 흐름을 보여줍니다. DreamCAD, GenCAD 계열 연구는 editable B-rep 또는 CAD operation을 생성해, 후속 수정과 설계 의도 보존을 목표로 합니다.
제품 개발에서 이 차이는 큽니다. AI CAD가 유용하려면 모델을 다시 열었을 때 hole pattern을 바꾸고, boss 높이를 조정하고, fillet을 키우고, 부품 간 clearance를 수정할 수 있어야 합니다. 시각적으로 정리된 mesh를 STEP으로 변환했다고 해서 자동으로 엔지니어링 CAD가 되는 것은 아닙니다.
평가 기준도 다릅니다
- AI 3D asset: 시각 품질, texture, topology clean-up, polygon budget, scene compatibility.
- AI CAD: geometry validity, feature editability, constraint consistency, dimension intent, manufacturability.
- AI Render: camera repeatability, material fidelity, lighting state, product version traceability.
- AI CAE: load case relevance, solver/surrogate credibility, error bounds, physical risk explanation.
Text2CAD-Bench가 보여준 현실
2026년 Text2CAD-Bench는 현재 모델들이 simple sketch-extrude 수준에서는 가능성을 보이지만 complex topology와 advanced feature에서는 어려움이 커진다는 점을 benchmark로 제시합니다. 즉 “텍스트 한 줄로 제조 가능한 CAD를 완성한다”는 주장은 아직 조심해야 합니다. 현실적인 가치는 초기 geometry draft, 반복 feature 생성, CAD automation, 설계 후보 exploration에 있습니다.
제품 팀은 세 도구를 연결해서 써야 합니다
초기 콘셉트 이미지는 AI 3D나 렌더링으로 빠르게 만들 수 있습니다. 하지만 제품으로 만들려면 CAD가 필요하고, CAD가 있어도 하중, 열, 유동, 조립성을 봐야 하므로 CAE가 필요합니다. 마지막으로 고객이나 팀과 공유하려면 다시 렌더 장면이 필요합니다. 이 전체 흐름이 RHXY Plan, Sim, Render를 분리해 두는 이유입니다.
산출물 비교 테이블
| 산출물 | 파일/표현 | 잘하는 일 | 제품 개발 한계 |
|---|---|---|---|
| AI 3D mesh | OBJ, GLB, textured mesh | 시각화, AR/VR, 컨셉 탐색 | 치수, feature, 공차, 제조 의도 부족. |
| Editable CAD | STEP, Parasolid, parametric history | 제조, 조립, 치수 수정, CAE 입력 | 재질/조명/마케팅 장면은 별도 필요. |
| Render scene | USD, Blender scene, web scene state | CMF, 카메라, 조명, 고객 리뷰 | 물리 성능을 직접 증명하지 않음. |
| Simulation model | mesh, material, boundary condition, solver deck | 하중/열/유동 리스크 검토 | 입력 가정이 틀리면 결과도 틀림. |
실무 판단 기준
결과물을 보고 “어디에 쓸 것인가”를 먼저 물어보면 됩니다. 발표용 컨셉이면 AI 3D asset으로 충분할 수 있습니다. 치수 변경과 제조가 필요하면 AI CAD 또는 기존 CAD가 필요합니다. 구조 리스크가 있으면 Sim이 필요합니다. CMF와 고객 리뷰가 필요하면 Render 장면이 필요합니다. AI 도구의 이름보다 산출물의 사용처가 먼저입니다.