图片AI不是噱头，已批量交付！创材深造半年推出13款金属3D打印材料

编者按长期以来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。这也意味着要真正释放3D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”。但这件事并不容易。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。而AI的出现正在为金属3D打印材料研发带来新的可能。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。材料成行业“隐形天花板”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。不是查文献而是让AI设计配方很多人以为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这三个条件缺一不可。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。M-LAB一条没有工程师的材料研发流水线它以“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。第二站高通量测试。样品进入测试流水线。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。版本时间核心升级数据通量HMPT-10002023年机械臂自动上下样100条/天HMPT-20002025年尺寸自动测量视觉监控150条/天HMPT-30002026年全自动高温测试 3工位扩展600条/天M-LAB的硬件平台经历了三次迭代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。DM Agent当材料实验室有了一个会思考的大脑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。按照他们的路线图L4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。13款新材料多项参数刷新行业高度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。而此次TCT亚洲展再发6款多项参数更是刷新行业高度。材料型号核心性能超高强度钛合金CT1300H / CT1400H / CT1500H屈服强度1100 MPa抗拉强度1400 MPa无稀土耐热铝合金CA300T低成本无稀土耐热高强度铝合金CA760H高强可打印低成本耐磨难熔高熵合金CH800H耐磨、耐高温多场景适用以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。结语打穿天花板的是速度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。