发布日期：2026-04-06 来源: 网络 阅读量（）
bw必威西汉姆联官网-长期以来，3D打印行业一直在等待规模化爆发。大家都在设备端持续加码，比如提高激光功率、优化设备设计、做大成型尺寸。但真正限制行业发展的，不只是设备，更关键的是材料。
原因在于，3D打印属于增材制造，不同于传统减材工艺。金属粉末需要在极短时间内完成熔化和凝固，热过程复杂，应力状态也与传统制造方式完全不同。
因此，传统锻造或铸造使用的合金材料，往往不能直接用于3D打印，否则很容易出现开裂或性能不达标等问题。
这也意味着，要线D打印的潜力，不能只靠设备升级，还必须从底层重新设计适用于增材制造的合金配方，让“几何自由”进一步转化为“性能自由”。
传统材料研发更像“试错式”推进，不仅变量多、周期长，往往还要花费3到5年，研发成本也非常高。
据资源库了解，自2025年9月以来，不到半年，创材深造Deep Material已借助AI研发出多达13款新型金属材料，并逐步完成客户认证。
这是公司用AI“造材料”的彪悍实力。对于3D打印圈，大家对创材深造可能不是特别熟悉，但在AI领域，它连续入选中国最具潜力的Science AI创业企业Top10。
在刚刚结束的2026年TCT亚洲展上，创材深造一口气发布了6款新材料。其中，一款钛合金的抗拉强度超过1500MPa，成本却比同类产品低30%。
不过，今天这篇文章想讲的，不只是这些新材料有多强，真正更值得关注的是：这些材料，究竟是怎么被“造”出来的。
有一件事，金属3D打印领域的人都知道，但不常对外说：3D打印规模化量产，到今天还没有真正爆发，卡点不在设备，在材料。
设备这几年进步飞快，LPBF、电弧增材……工艺成熟度已经相当高。但每当一家制造企业想把3D打印引入批量生产线，最终摔倒的地方往往是材料：性能参数差了一截、批次稳定性不够、或者成本压不下来。
这背后是材料研发本身的困难——金属材料的性能由成分、工艺、微观组织、服役条件共同决定，涉及变量超百个维度，任意一个参数的改变都可能引发连锁反应。传统的材料研发靠经验摸索，一款高端合金从立项到小批量验证，标准周期是3~5年。
事实上，当下游需求已经进入“摩尔定律”节奏，上游材料供给还停留在“农耕时代”。此外，中国高端合金材料70%依赖进口。高温合金、高强钛合金等这些航空航天和消费电子的命脉材料，长期被卡在供应链上，既贵，又随时有断供风险。
这是整个行业面临的真实困境，直到AI开始进入这个领域。创材深造Deep Material要填平的，正是这个断层。
很多人以为AI在材料领域的应用，就是用大模型检索论文、生成报告。创材深造做的事情完全不是这么回事。其中要解决的核心问题是：如何让AI在成分-工艺-性能这个超高维空间里，做出真实可用、性能可预测的配方决策？
这个问题的难点在于，要让AI做出有效决策，需要三个条件同时满足：① 足够干净、标准化的实验数据（AI的学习原料）② 足够快的数据产出速度（喂饱模型的前提） ③ 足够精准的预测与逆向优化能力（最终落地成配方）
传统实验室做不到，因为人工操作带来的误差无法消除，数据质量参差不齐；计算机模拟做不到，因为缺乏真实实验的反馈闭环；纯数据模型做不到，因为现有材料数据库的覆盖范围远远不够。
创材深造Deep Material的解法，是把这三件事同时做——通过软硬件结合，搭建高通量无人实验室，用它产生高质量数据，再用AI处理这些数据，进一步用AI的结论指导下一轮实验，形成一个持续加速的闭环。他们把这套东西叫做：M-LAB（材料实验室自动化与智能大脑）。
它以“材料智能制备与表征一体化”硬件与“材料大数据治理与AI专家系统”软件双核驱动，构建了从高通量制样、加工、热处理到室温、高温及小冲杆蠕变测试的全流程自动化无人实验室。
第一站：高通量制备。前端是一台高通量3D打印机（LPBF工艺）。它的特殊之处在于，单次运行可以同时制备上百种不同成分配方的金属样品——相当于把原本需要排队进行数月的实验，压缩成一次平行扫描。紧接着，全自动线切割与数控加工设备将样品切割成标准形态，8通道独立温控热处理单元完成热处理工艺，数据实时上传。整个过程，没有人工干预。
室温力学测试：三工位测试机，单轴力达25KN，误差≤2%。配备协作机器人、DIC相机、自动打点和尺寸检测模块。单日可完成600个样品测试，全程自动打包贴标，零人工干预。
高温力学测试：三工位高温测试机，单日可测100个高温样品，同样由协作机器人操作，配DIC检测。
小冲杆高温蠕变测试：从上料、组装、高温炉开闭、升降温到废料处理，全流程自动化。
这里有一个关键技术点值得单独说：创材深造Deep Material采用小微试样和小冲杆测试技术，相比传统标准棒样，测试同等配方空间所需的粉末消耗最高可降至1/20。这意味着，同样的材料预算，可探索的配方扩大了20倍——这是他们能以极低成本持续产出新材料的底层秘密之一。
在软件端，系统从数据到决策，AI全程接管。数据进入软件系统后，经历三层处理。
数据中台：支持PB级数据体量，对原料到成品的全链路数据进行清洗与融合，确保输入AI的数据是高质量、可信的。
AI专家系统：这是系统的决策核心。它建立成分-工艺-性能映射模型，正向预测性能误差仅5%~10%。更强大的是反向模式：给定一个目标性能，系统用贝叶斯算法逆向推算最优配方，效率比传统方式提升超60%。这意味着，研发人员不再需要猜测这个成分会不会有好性能，而是直接问AI：我想要1400MPa的抗拉强度，你给我推一个配方。
知识库平台（RAG技术）：自动解析材料领域的文献与专利，用自然语言就可以检索，相当于一位永不休息的材料文献专家随时待命。
三年时间，数据产出能力提升了6倍。AI可以学习的数据量是三年前的6倍，材料迭代速度也相应加快。意味着AI驱动的材料研发范式在持续进化。
M-LAB的硬件和软件系统负责产生和处理数据，但整个体系的最高决策者是DM Agent——这是创材深造在去年发布的行业首个金属材料智能体。
在新升级的DM Agent中，创材深造打造了一个金属材料的专用知识图谱，通过逻辑推理，常识校验，逆向优化建议，智能检索，实测数据显示等，为科研人员提供更可靠、更透明的智能分析支持。
实测数据显示，接入DM Agent后，复杂问答的答案一致性提升20%，事实性错误降低30%。
更值得关注的是，DM Agent已经具备初步的自主实验规划能力——它不只是在回答这个成分性能如何，而是开始能判断接下来应该往哪个方向探索。这正是创材深造定义的L3（多模态智能体）向L4（自主科学发现）过渡的核心特征。
按照他们的路线阶段的实验室将能够自主产生涌现式的材料探索路径，不再依赖人类研究员的先验假设。某种意义上，这是AI第一次有机会在材料科学领域真正意义上超越人类经验的上限。
2025年9月，创材深造Deep Material在TCT深圳举办发布会， 高温合金、模具钢、中/高强铝合金等7款新材料首次亮相，涵盖航空航天和工业应用核心品类。
以CT1400H钛合金为例：屈服强度1100 MPa，抗拉强度1400 MPa，成本比市场同类产品低30%——高性能与低成本同时实现，在传统研发逻辑下几乎是一个不可能完成的任务，但在这套系统里，它是降低成本后自然产生的结果。
目前，中/高强铝合金等系列产品均已通过第三方专业机构测试认证，进入批量交付阶段，多个消费电子和新能源应用预计2026年下半年进入大规模量产。
做投资的都清楚，一个项目最重要的就三点：创新，成本和增速。如果只选一项，那就是速度！
金属3D打印走向规模化量产，需要三件事同时发生：性能稳定、成本可控、供货持续的材料。过去，传统研发范式的速度跟不上需求端的迭代节奏。现在，创材深造Deep Material用一套每天自动跑600次实验的无人工厂，用一个能逆向设计配方的AI大脑，用13款已经开始进入批量交付的新材料，告诉整个行业，金属3D打印的边界被打穿了。
正如创材深造CEO王轩泽在TCT发布会上说的那句话：AI正在让创新从偶然走向必然。
当AI真正实现研发全流程的智能化决策和闭环迭代，当2~6个月就能推出一款经过严格验证的批量级新材料，攻克增材制造产业链上最关键的材料天花板，整个行业将快速迎来规模化量产的崭新时代。
特别声明：以上内容(如有图片或视频亦包括在内)为自媒体平台“网易号”用户上传并发布，本平台仅提供信息存储服务。
三篮亚洲杯：中国男篮22-20险胜日本 中国女篮20-15日本 均夺铜牌
伊朗称击落C-130运输机！美媒称2架运输机救援时发生故障“被困”，已被美军炸毁！美国全球调拨隐身巡航导弹，伊朗追踪美以战机手段被曝光
开车被劫匪破窗抢走8万现金，女子开车撞向劫匪致一人死亡，两名受伤，法院：正当防卫，无需承担刑事责任
