2026.07.16 2026.07.16

ジェネレーティブデザイン入門 2026 — Fusion で「AIに形を提案させる」設計術

ゲンキ

ジェネレーティブデザイン入門 2026 — Fusion で「AIに形を提案させる」設計術

ジェネレーティブデザインとは、人間が形を描く代わりに、設計要件——守るべき形状、かかる荷重、使える材料、選べる製造方法——を入力し、条件を満たす形状の候補をアルゴリズムに多数探索させる設計手法だ。返ってくるのは、人間が思いつかない有機的な骨格を持つ、しかし力学的な根拠のある形状群である。

言葉から形を起こす Text-to-CAD が「描く手間」を省く技術だとすれば、ジェネレーティブデザインは「考えつく形の限界」を超える技術と言える。プロンプトの表現力に縛られる前者と違い、後者は要件さえ定義できれば、設計者の想像力の外側から答えを連れてくる。Text-to-CAD 入門 2026 — 生成メッシュでは作れない機能部品への道（2026-07-13 公開）で扱った領域の、いわば隣にある山だ。

本記事では、ジェネレーティブデザインの考え方を、混同されがちなトポロジー最適化との違いから解きほぐし、実際に試せる環境として Autodesk Fusion（旧 Fusion 360）のワークフローとコストの実際を解説する。個人メイカーが「1 スタディいくらで、何が得られるのか」まで具体的に持ち帰れることをゴールにする。

「軽く・強く」を人力で追い込む限界
ジェネレーティブデザインとは — 要件から形を探索する設計
トポロジー最適化との違い — 一つの答えか、多数の代替案か
Fusion のジェネレーティブデザイン — 仕組みとワークフロー
コストの実際 — サブスクリプションとトークン
3Dプリントとの相性 — 生成形状は積層造形のためにある
導入の始め方と落とし穴
まとめ — 探索を外注し、判断を手元に残す
参照

「軽く・強く」を人力で追い込む限界

構造部品の設計には、昔から答えの出ない綱引きがある。軽くすれば弱くなり、強くすれば重く・高くなる。ブラケットひとつでも、リブをどこに立て、肉をどこで抜くかの判断は経験則の塊で、設計者の力量がそのまま部品の質量に表れる。

人力の追い込みには構造的な限界が二つある。第一に、試せる案の数だ。締め切りのある実務で、ひとつの部品に検討できる形状案はせいぜい数案に留まる。その数案も、過去に見た形の変奏になりがちで、発想は経験の内側に閉じる。第二に、検証の手間である。案を変えるたびに解析をやり直す往復が重く、「もっと良い形があるかもしれない」と思いながら時間切れで妥協する——これが多くの現場の実情だろう。

この限界は、道具の性能ではなく人間の認知の問題である点が厄介だ。設計者は形を考えるとき、無意識に「見たことのある形」の組み合わせから出発する。リブは直線で立てるもの、穴の周りは円形に肉を残すもの——そうした暗黙の文法は、製図の歴史と製造装置の制約が作った習慣であって、力学の要請そのものではない。応力の流れだけを頼りに材料を配置すれば、もっと軽い形があり得る。ただし、その形を人間が白紙から思い描くのは難しい。

3D プリントの普及は、この綱引きに新しい変数を持ち込んだ。積層造形は切削では作れない複雑形状を製造できるため、「作れる形」の制約が大きく緩んだのだ。ところが皮肉なことに、製造の自由度が上がるほど、人間の発想が追いつかなくなる。切削前提の頭で考えた形は、積層造形の自由度を使い切れない。この非対称を埋める道具が、ジェネレーティブデザインである。

ジェネレーティブデザインとは — 要件から形を探索する設計

ジェネレーティブデザインの入力は、完成形のスケッチではなく設計要件の集合だ。Autodesk Fusion の場合、公式ドキュメントに沿って整理すると、入力は次の要素で構成される。残すべき形状（ボルト穴や取り付け面などの保持ジオメトリ）、形が入り込んではいけない領域（障害物ジオメトリ）、拘束条件（固定・ピン・摩擦なし）、荷重（力・圧力・ベアリング荷重）、材料の候補、そして製造方法である。

実行すると、クラウド側の計算エンジンが条件を満たす形状の代替案を多数生成する。ここが従来の設計支援と決定的に違う点で、返ってくるのは「一つの最適解」ではなく「性質の異なる候補の集団」だ。アルミで削る前提の案、樹脂で積層する前提の案、質量優先の案、剛性優先の案——同じ要件から、製造方法や重視点の違いに応じた別解が並ぶ。

候補が多数になると選ぶ作業が問題になるが、Fusion には機械学習で類似の結果をグループ化するクラスタリング機能があり、系統ごとに比較して絞り込める。選んだ候補は編集可能な形式で設計に取り込め、そこから先は通常の CAD ワークフローに合流する。

つまりジェネレーティブデザインにおける人間の仕事は、形を描くことから、要件を正しく定義し、候補を評価して選ぶことへ移る。「設計者の代替」ではなく「探索の外注」——この理解が、期待値を正しく設定する。

トポロジー最適化との違い — 一つの答えか、多数の代替案か

ジェネレーティブデザインは、しばしばトポロジー最適化と混同される。どちらも「不要な材料を削って軽くする」文脈で語られるからだが、Autodesk 自身が「トポロジー最適化はジェネレーティブデザインではない」と題した公式記事を出しているほど、両者は別物だ。

観点	トポロジー最適化	ジェネレーティブデザイン
出発点	人間が作った初期形状（設計空間）	設計要件（保持形状・荷重・製造方法）
出力	初期形状を削り込んだ単一の解	性質の異なる多数の代替案
使う段階	設計の成熟段階（形の改善）	設計の初期段階（形の発見）
考慮範囲	構造（荷重・拘束）中心	構造に加えて製造方法・材料・コストまで

トポロジー最適化は「この形を、強度を保ったままどこまで削れるか」への答えであり、人間の初期案という枠の中で働く。ジェネレーティブデザインはその枠自体を取り払い、要件から形を立ち上げる。学術的な整理でも、ジェネレーティブデザインはトポロジー最適化を要素技術のひとつとして含む、より広い傘として位置づけられている。

実務的な使い分けはこうなる。既に形が決まっていて軽量化だけしたいならトポロジー最適化で十分だ。形そのものをゼロから決めたい、あるいは自分の発想の外を見たいならジェネレーティブデザインの出番になる。トポロジー最適化の実践的な回し方は、稿を改めて詳しく扱う価値のあるテーマだ。

もうひとつ、コストの性格も両者を分ける。トポロジー最適化は多くの CAD・CAE 環境にローカル計算の機能として組み込まれており、追加費用なしに回せる場合が多い（ただし Fusion のシェイプ最適化はクラウド実行の従量課金で、1 スタディ 3 トークンを要する）。一方のジェネレーティブデザインは、多数案の探索という計算量の重さゆえにクラウド実行と従量課金が標準的だ。「無料で一つの答えを磨く」か「有料で答えの空間を見渡す」か——予算の観点でも、両者は別の道具である。

用語の整理として、この分野には近接する概念がもう一つある。nTop に代表されるインプリシットモデリングは、形状を数式の場として扱うことでラティス（格子）構造のような複雑形状を軽々と扱う技術で、ジェネレーティブデザインの結果を工学的に作り込む段階で登場することが多い。入門段階では「探索はジェネレーティブ、作り込みはまた別の道具」とだけ覚えておけば足りる。

Fusion のジェネレーティブデザイン — 仕組みとワークフロー

実際に試す環境としては、Autodesk Fusion が個人メイカーにとって現実的な入口になる。ワークフローは 5 段階に整理できる。第一に、設計空間の定義。ボルト穴・接合面など機能上動かせない形状を保持ジオメトリとして描き、干渉してはいけない領域を障害物として指定する。ここで描くのは「部品」ではなく「部品が守るべき約束」だ。

第二に、力学条件の設定。どの面が固定され、どこにどれだけの荷重がかかるかを定義する。第三に、材料と製造方法の指定。ここで積層造形・切削などの製造制約を与えると、生成される形状がその工法で実際に作れるものに絞られる。第四が生成の実行で、計算はクラウド側で走るため、手元のマシン性能は問われない。

第五が評価と選定だ。生成結果は質量・剛性などの指標付きで並び、クラスタリングで系統別に比較できる。ここで選んだ形状を編集可能なモデルとして取り込み、細部を仕上げて完成となる。全体を通じて、人間が触るのは最初の要件定義と最後の選定・仕上げであり、中間の「形を考える」工程がアルゴリズムに置き換わっている構図が分かるはずだ。

具体例で流れを追ってみよう。壁掛けのモニターアームを支えるブラケットなら、保持ジオメトリは壁側のネジ穴 4 つとアーム側の取り付け座、障害物はケーブルの通り道、拘束は壁面ネジ穴の固定、荷重はアーム先端質量から換算した曲げとねじりになる。人間の設計ならここから「三角リブの付いた L 字金具」を描くところだが、生成結果はしばしば、穴と座を斜めに結ぶ骨格の束のような、教科書にない形を返してくる。それが正しいかどうかを判断する材料——応力の通り道はどこか——まで含めて手に入るのが、この道具の教育的な副作用でもある。

初挑戦の題材には、荷重条件が明確な小物——壁掛けフック、カメラマウント、棚受け——を勧める。荷重の見積もりが曖昧な部品から始めると、生成結果の妥当性を判断できず、道具への信頼を持てないまま終わりやすい。要件定義の練習という意味では、Zoo Text-to-CAD 実践 2026（2026-07-14 公開）で述べた「プロンプトを書く行為は設計条件を炙り出す」という話と地続きで、AI 設計ツールはどれも、使う人間に要件の言語化を要求してくる。

コストの実際 — サブスクリプションとトークン

導入判断に必要なコストの数字を、時点付きで整理する。Autodesk Fusion 本体は年間サブスクリプション ¥116,600（税込、2026 年 7 月 7 日の価格改定後・正規販売店掲載値）で、30 日の無料体験と、条件を満たす個人の非商用利用向け無料ライセンスも用意されている（適用条件は公式サイトで確認してほしい）。

注意すべきは、ジェネレーティブデザインの生成実行が本体サブスクリプションと別建てである点だ。生成は Autodesk の従量制通貨「トークン」を消費し、公式ヘルプによれば 1 回のジェネレーティブスタディ（結果の生成と利用）で 11 トークンが課金される。Generate を押して 1 イテレーションでも生成された時点で消費が発生する仕組みだ。

トークンの価格は 1 トークン ¥517（税込、2026 年 7 月時点の正規販売店掲載値。大口購入には割引がある）。つまり 1 スタディあたり 11 × ¥517 = ¥5,687 が実行コストの目安になる。なおトークン価格は 2026 年 5 月の Autodesk 価格改定で値上げされており、Web 上の古い単価情報（¥429 等）が残っている点にも注意したい。数千円で「自分では思いつかない形状の候補群」が買えると考えれば安いが、条件設定を誤ったまま Generate を連打すれば数万円が溶ける価格帯でもある。要件を紙の上で固めてから実行する規律が、そのまま費用管理になる。

なお、Web 上には旧制度（クラウドクレジット）時代の料金情報が今も多数残っている。Autodesk はクレジットをトークンへ一本化済みなので、古い数字を見かけても現行の判断材料にしないこと。

3Dプリントとの相性 — 生成形状は積層造形のためにある

ジェネレーティブデザインの出力を初めて見ると、多くの人が骨や樹木を連想する。応力の流れに沿って材料を配置した結果、生物の構造に似た有機的な形が現れるからだ。そしてこの形状は、フライス盤では作りにくく、3D プリンターでは素直に作れる。ジェネレーティブデザインと積層造形が「セットで語られる」のは、この製造上の相性による。

Fusion 側もこの接続を前提に設計されており、製造方法として積層造形を指定した生成が公式にサポートされる。生成された形状を STL に落とし、スライサーへ渡すまでの流れは通常の 3D プリントと変わらない。造形時のサポート材や配向の検討は必要だが、それは生成形状に限らない積層造形一般の話だ。

印刷までの実務も一段だけ補足する。生成形状は曲面の塊なので、スライサーに渡す前に、印刷の向きとサポート材の付き方を通常の部品より丁寧に検討する価値がある。応力を受け持つ細い骨格が積層方向と直交すると、層間剥離が弱点になり得るからだ。生成時に積層造形を製造方法として指定しておくことに加え、印刷時は主荷重の方向と積層方向の関係を意識する——この二段構えで、画面上の最適が実物の強度につながる。

個人メイカーにとっての実利は、軽量化そのものより「説得力のある形」が手に入ることかもしれない。力学的根拠を持つ有機形状は、機能部品でありながら作品としての強度も持つ。実用と見栄えを両立させたいガジェットスタンドやドローンフレームのような題材で、ジェネレーティブデザインは投資に見合う体験を返してくる。

導入の始め方と落とし穴

始め方は素直だ。Fusion の無料体験（または個人用無料ライセンスの対象なら、その範囲での機能確認）から入り、簡単な部品で要件定義の練習をする。荷重・拘束の定義は構造解析の基礎知識があると圧倒的にスムーズなので、不安があれば静荷重の初歩だけ先に押さえておくとよい。いきなりトークンを買う必要はなく、まず既存部品の要件を書き出してみる「紙の練習」だけでも、この手法が要求する思考の型は身につく。

チームで導入する場合は、最初の題材選びが定着を左右する。効果が数字で示せる部品——質量削減がコストに直結する可動部、輸送費に効く大型部品——を初弾に選ぶと、¥5,687/スタディという従量費用の稟議が通りやすい。逆に、意匠の自由度が低い規格部品や、荷重条件が定義できない部品を初弾にすると、費用だけが目立つ結果になりがちだ。

落とし穴の筆頭は、要件の過小定義である。現実には存在する荷重——横からの衝撃、締結時のトルク——を入力し忘れると、その方向に無防備な「最適形状」が生成される。アルゴリズムは入力された条件には忠実で、入力されなかった現実には無力だ。生成結果が薄く頼りない箇所は、条件の見落としを疑う信号として読む。

第二の落とし穴は、生成結果の無批判な採用だ。出力は解析モデル上の最適であり、実物の品質——積層方向の異方性、表面状態、経年——までは保証しない。安全に関わる部品では、生成後に自分で検証解析と実物試験を行う従来の手順を省略しないこと。第三の落とし穴はコスト管理で、前述の通り、スタディ実行は 1 回数千円の従量課金である。試行錯誤は要件定義の段階で行い、Generate は仕上げの一手として押す運用が正しい。

まとめ — 探索を外注し、判断を手元に残す

ジェネレーティブデザインは、設計の「発想の限界」をアルゴリズムに肩代わりさせる技術だ。本記事の要点を振り返る。

入力は完成形ではなく要件（保持形状・障害物・拘束・荷重・材料・製造方法）。出力は単一解ではなく、性質の異なる多数の代替案
トポロジー最適化は既存形状を削り込む単一解の技術で成熟段階向き、ジェネレーティブデザインは要件から形を発見する初期段階向き。後者は前者を要素として含むより広い概念
Autodesk Fusion では本体サブスクリプション（¥116,600/年・税込、2026年7月改定後）とは別に、生成実行が 11 トークン/スタディの従量制。1 トークン ¥517（税込）で 1 スタディ ¥5,687 が目安
生成形状は積層造形と相性がよく、3D プリンターを持つメイカーは出力までの動線が短い
落とし穴は「要件の入れ忘れ」「結果の無批判な採用」「Generate 連打によるコスト超過」。要件を固めてから実行し、検証は人間の手に残す

Text-to-CAD が「言葉で発注する設計」なら、ジェネレーティブデザインは「条件で発注する設計」だ。どちらも人間の仕事を、手を動かす工程から、要件を定義し結果を判断する工程へ引き上げる。AI 設計ツールの全体地図はAI CAD コパイロット比較 2026（2026-07-15 公開）で整理したので、自分の設計フローのどこにこの技術を差し込むか、地図と合わせて検討してほしい。