英偉達押注金屬3D打印實時糾錯，國產(chǎn)AI方案自主突破

3D打印技術(shù)參考注意到，英偉達已經(jīng)投資兩家3D打印企業(yè)，推動基于AI的3D打印質(zhì)量檢測進一步發(fā)展。

2026年1月，金屬3D打印設(shè)備商Precision Additive宣布與英偉達合作，推出了首款基于AI架構(gòu)的LPBF金屬3D打印機，它能夠?qū)崟r監(jiān)控打印過程并糾正偏差，確保每次打印結(jié)果的一致性和可重復(fù)性。

2026年2月，英偉達旗下NVentures加注投資Freeform，后者已將英偉達先進的H200 AI芯片部署到其制造中心，用來處理金屬增材制造過程中的熱力學(xué)和材料動力學(xué)數(shù)據(jù)，進而保障金屬3D打印質(zhì)量。

從這兩個案例可以看出，英偉達正推動將AI技術(shù)融入3D打印質(zhì)量檢測。筆者注意到，不僅僅是國外，國內(nèi)也有重要進展。

金屬3D打印質(zhì)量智能控制

國內(nèi)案例

鉑力特于2025年推出的BLT-PrintInsight全過程智能監(jiān)控系統(tǒng)，就融入了AI智能分析技術(shù)。它包含鋪粉在線監(jiān)控和掃描過程在線監(jiān)控模塊，通過多源數(shù)據(jù)，能夠自動識別缺陷，從而減少人工檢測成本。檢測到的缺陷樣本，還可以反哺給系統(tǒng)再訓(xùn)練，從而實現(xiàn)模型持續(xù)迭代優(yōu)化。

西空智造在該技術(shù)領(lǐng)域也有重要進展。2026年，該公司宣布推出新一代激光熔池強度監(jiān)控系統(tǒng)，它能夠?qū)Υ蛴∵^程進行實時監(jiān)測、異常診斷及調(diào)控修復(fù)。該系統(tǒng)也是國內(nèi)首款聲稱可以在打印過程中實時調(diào)整參數(shù)的閉環(huán)調(diào)控平臺。

中瑞科技與南方科技大學(xué)于2025年合作推出的方案，使用兩臺高精度工業(yè)相機加一臺工業(yè)投影儀，通過原位視覺識別粉末鋪展缺陷（不平整、刮痕、團聚等），該方法不僅能進行自動檢測缺陷，還可以精確定位缺陷位置。

來自中瑞科技

其他商業(yè)化的AI質(zhì)量檢測工具

筆者查詢到，瑞典企業(yè)Interspectral開發(fā)了一款名為AM Explorer的軟件，它能通過AI技術(shù)進行金屬3D打印原位監(jiān)測和后成型檢測。這款可視化的軟件能夠深入分析仿真數(shù)據(jù)，幫助用戶更好的控制整個增材制造流程，并獲得可靠的零件質(zhì)量。

冰島初創(chuàng)企業(yè)Euler于2026年推出Euler Viewer，無需配置額外的數(shù)據(jù)處理模塊，它會讀取打印機已生成的層圖像并進行實時顯示。該公司提供的付費軟件，能基于采集的圖像進行自動缺陷檢測、預(yù)測性故障警報，還可以對打印過程生成可視化報告。

Phase3D推出的Fringe Qualification，使用結(jié)構(gòu)光相機逐層監(jiān)測熔化前后的粉末床形貌，能夠及時發(fā)現(xiàn)打印件與CAD模型的差異，如果存在差異，就能指導(dǎo)設(shè)備在對應(yīng)層進行補足，這樣能避免成型后再進行后處理，從而縮短生產(chǎn)時間。不過，該系統(tǒng)并未集成AI，Phase3D也未顯示出AI的依賴度。

技術(shù)發(fā)展：多模態(tài)感知+AI分析

江蘇大學(xué)機械工程學(xué)院4月20號發(fā)表的綜述論文，系統(tǒng)討論了機器學(xué)習(xí)在增材制造質(zhì)量監(jiān)控中的應(yīng)用。

該研究從對過程信息的多模態(tài)（光學(xué)/熱/聲學(xué)信號）感知講起，文中包含了基于原位測量，進行打印件缺陷（氣孔、裂紋、球化等）、性能評估、閉環(huán)控制，以及使用人工智能進行工藝參數(shù)（激光功率、掃描速度等）的優(yōu)化案例。

來自西空智造

原位監(jiān)測技術(shù)包括通過光、熱、聲、振動等多源信號進行的實時感知，可用于對熔池動力學(xué)、缺陷產(chǎn)生機理及演化規(guī)律的實時捕捉與分析，從而為早期缺陷識別、工藝參數(shù)優(yōu)化和智能質(zhì)量控制提供數(shù)據(jù)支撐。

但多元信號整合是很大的挑戰(zhàn)。而近年來的新技術(shù)，則采用了多模態(tài)感知與人工智能技術(shù)相結(jié)合，來增強智能原位監(jiān)測能力。

眾多使用原位監(jiān)控+機器學(xué)習(xí)提升增材制造工藝的穩(wěn)定性和一致性以及成型零件質(zhì)量的案例，可用下圖描述增材制造中的智能閉環(huán)控制系統(tǒng)架構(gòu)。

來自Research progress and challenges of intelligent in situ monitoring for laser additive manufacturing processes based on machine learning

物理層對應(yīng)正在進行的打印過程，產(chǎn)生熔池、熱場及潛在缺陷，還包括層間的鋪粉過程。感知層包括采集熔池形貌、飛濺圖像的光學(xué)相機，采集溫度場分布的紅外傳感器及采集過程噪聲與結(jié)構(gòu)振動信號的聲音及振動傳感器。

之后的決策層會實時判斷當(dāng)前層是否存在異常，或預(yù)測當(dāng)前工藝參數(shù)下的打印質(zhì)量。更進一步，決策層還可以用機器學(xué)習(xí)模型預(yù)測最優(yōu)參數(shù)調(diào)整量，根據(jù)歷史工藝數(shù)據(jù)與當(dāng)前打印參數(shù)輸出下一層打印的控制指令。

注：本文由3D打印技術(shù)參考創(chuàng)作，未經(jīng)聯(lián)系授權(quán)，謝絕轉(zhuǎn)載。

歡迎轉(zhuǎn)發(fā)

1.

2.

3.

4.