摘要：增材制造是人工智能技术应用于国防生产和制造的一种主要方式。本文将首先梳理增材制造在国防生产中的应用，然后分析人工智能对增材制造的赋能作用，最后介绍部分实际案例，进一步说明目前人工智能与增材制造的结合对国防生产的影响。

关键词：增材制造、人工智能、国防制造、3D打印

（图片来源于网络，如有侵权请联系删除）

增材制造在国防制造中的应用

国防制造行业对增材制造的重视源于该技术对国防制造的赋能多种多样，有助于解决诸多棘手挑战，例如解决关键零部件的交付周期过长的问题；能够使生产更贴近需求，并满足制造业回流的需求；加快可投入生产的先进制造能力以及相关的人才队伍建设等。

国防制造中最常见的增材制造应用就是3D打印。首先，3D打印模具在传统制造业中的应用已初见成效，例如美国Velo3D公司优先开发3D打印模具嵌件的应用，尤其是高压压铸嵌件、浇口衬套和注塑模具。该公司平台能够制造带有随形冷却通道的刀具，不仅能够加快生产速度，还能够延长刀具镶件的使用寿命，显著提升刀具等零部件的生命周期维护效率。美国陆军正使用Velo3D公司的Sapphire XC 1MZ平台为其一款榴弹炮打印炮口制退器，该款榴弹炮目前面临着零部件供应迅速减少的困境。

图1. 使用Velo3D公司的Sapphire XC 1MZ平台打印的炮口制退器（图片来源于网络，如有侵权请联系删除）

其次，3D打印缩短交付周期的另一种方法是复制已停产的零件，这对于使用大量老旧硬件系统的军队至关重要。长期以来，生产原本已被淘汰的零部件一直是增材制造在国防领域，尤其是航空航天市场的主要应用案例。其中最成功的案例之一是Pacer Edge项目，通过该项目，美国俄克拉荷马州廷克空军基地（Tinker Air Force Base）利用通用电气（GE）公司的概念激光粉末床熔融（PBF）平台，为B-52等飞机打印零部件。据相关研究预测，到2027年，采用增材制造技术生产的航空航天零部件产量预计将超过原型产量。

图2. 全球2014—2031年增材制造航空航天金属零件产量预测，按产品类别划分（图片来源于网络，如有侵权请联系删除）

通过3D打印技术，还可直接在需求地甚至战场前线生产最终投入使用的零部件。截至目前，增材制造行业的领军企业EOS（德国企业）和新兴企业SPEE3D（澳大利亚企业）是公开已知的两家直接向乌克兰前线交付相关平台的原始设备制造商。

最后，3D打印技术的发展同样受到新型武器系统的牵引。2023年夏季，美国海军东南地区维护中心宣布发明并制造了一种新型3D铝打印工具，并将用于最新版本MK15“密集阵”近程防御武器系统的生产。最新版本MK15“密集阵”近程防御武器系统的新型电机催生了对这种新型工具的需求。这表明不仅是老旧武器系统，新型武器系统也在推动增材制造技术的应用。

人工智能对增材制造的赋能

人工智能（AI）通过大幅提升增材制造各个环节（设计、生产和质保）的自动化程度、精度和灵活性，正在彻底改变3D打印行业。将AI算法集成到3D打印系统中，能够利用计算机视觉技术和传感器数据实现打印参数的实时优化、材料性能的精确预测以及缺陷的早期检测。

• 实时流程优化

利用人工智能动态调整关键打印参数，例如激光功率、打印速度、挤出速率和层厚等，以优化增材制造实时流程。人工智能驱动的自适应控制系统利用来自多种传感器的数据，包括红外摄像机、温度传感器和声学监测设备等，通过精确的实时反馈进行流程调控。机器学习和强化学习技术使增材制造系统能够从之前的打印任务中学习，从而实现迭代改进并减少对人工干预的依赖。

• 材料行为预测

在3D打印中，对材料特性和行为的理解和准确预测是获得准确可靠结果的重要保障。人工智能模型，尤其是机器学习和深度学习算法可以预测材料的各种力学、热学和流动特性。诸如人工神经网络（ANN）、支持向量机、“随机森林模型”等机器学习模型能够高效地处理来自实验测试和仿真结果的大型复杂数据集，从而得到可靠的预测结果。这些先进的预测有助于优化材料选择和工艺参数，从而降低优化成本，并加速新型材料在制造工艺中的应用。此外，人工智能驱动的预测最大限度地减少了对经验试错法的依赖，从而加快了整体生产流程。

• 缺陷检测与质量保障

人工智能在缺陷检测和质量控制中的应用提高了增材制造的可靠性。先进的计算机视觉和传感器融合技术能够检测出诸如孔隙、翘曲、分层、裂纹和未熔合等缺陷。研究表明，深度学习方法，特别是卷积神经网络，在实时图像处理和缺陷检测方面非常有效。这种实时缺陷管理系统显著降低了因零部件存在缺陷或故障导致在装配阶段报废的风险。

图3. 基于人工智能的金属激光粉末床熔融缺陷检测系统示例（图片来源于网络，如有侵权请联系删除）

• 设计和增材制造工作流程自动化

人工智能显著提升了增材制造设计和切片软件的自动化能力，其支持的生成式设计算法，可用于设计功能、结构、创新性和美学兼达标的材料结构，从而节省更多材料。人工智能支持的切片软件可以通过做出复杂决策，如最佳层厚、支撑结构方向和刀具路径等，显著缩短生产时间并改善零件质量。

实际案例研究

下文将介绍人工智能技术应用于增材制造的几个实际案例，范围涵盖材料结构预测、缺陷检测和流程自动化。

• 材料结构预测

鉴于目前3D打印面临着打印部件强度或耐用性预测困难的挑战，美国亚利桑那州立大学艾拉·富尔顿（Ira A. Fulton）工程学院下属的计算机与增强智能学院，在美国国家科学基金会的资助下，开展了一项名为“CompAM：实现计算增材制造”的项目，目标是利用人工智能预测材料在制造过程中的形成方式，从而使金属材料的3D打印更快，质量更有保障。

增材制造技术面临的一项关键挑战是材料的内部结构（微观结构）会随着零件的打印方式而改变，打印过程中温度或时间上的微小变化都可能显著改变材料的性能。由于诸如舰艇螺旋桨之类的部件有着严格的性能和工程标准，当采用3D打印技术制造此类部件时，必须反复进行复杂的计算机模拟，以确定打印速度和冷却速度等因素将如何影响打印过程。现有方法是使用一台拥有1000个核心的超级计算机，对海军舰艇螺旋桨的一组打印参数进行模拟，这一过程耗时超过60天。

据悉，“CompAM：实现计算增材制造”项目旨在开发一个计算框架，利用前沿的物理信息机器学习技术，将增材制造中微观结构的预测和优化时间从数天缩短至数分钟。具体而言，该项目将设计一类新型图神经网络，用于模拟各种工艺条件下微观结构的演化。这些网络将直接把物理定律融入训练过程，从而确保预测的准确性和泛化能力。

该项目包含两项主要任务，一是设计新的损失函数和训练方法以改进图神经网络在不同材料和几何形状下的性能和迁移能力；二是开发相关技术，以便利用局部更新和微观结构图自适应简化来加速这些网络训练和推理。

图4. 3D金属打印工艺示意图（图片来源于网络，如有侵权请联系删除）

在项目演示阶段，研究团队将使用316L不锈钢进行五轴3D打印，制造一个金属舰艇螺旋桨。其目标是精确控制打印过程，将金属晶粒尺寸控制在1微米以下（大约相当于一根蜘蛛丝的宽度），以改善材料性能。

• 缺陷检测

目前针对潜艇等装备关键替换零件的制造存在周期长（几个月）且缺陷检测落后的问题，这可能严重影响装备的部署和服役。因此，美国弗吉尼亚理工大学进行了一项研究并开发了一种机器学习算法，利用人工智能技术监控电弧增材制造，可以检测零件制造过程中的缺陷，以实时进行修正并确保打印完成后即可投入使用。该算法对缺陷的预测准确率可达90%。

图5. 机器学习算法作用示意（图片来源于网络，如有侵权请联系删除）

另外，美国海军“小型企业创新研究”（SBIR）项目网站于2022年发布关于海军“用于增材制造缺陷检测的人工智能/机器学习”的招标公告，并于2024年将该项目授予美国KITWARE公司。KITWARE公司与普林斯顿大学合作，提出将深度神经网络人工智能和信号融合领域的最新进展应用于海军，以优化和扩展3D金属增材制造系统，满足该项目独特的需求。

• 流程自动化

美国陆军“小型企业创新研究”（SBIR）项目网站于2022年发布关于陆军“用于增材制造零件选择的人工智能/机器学习”的招标公告，该公告指出美陆军寻求开发人工智能能力，以实现以下几个目标：一是分析技术数据信息并评估组件是否适合增材制造；二是实现手动流程的自动化，将工程分析时间缩短80%；三是扩大增材制造候选组件库；四是优化“可打印/应打印”分析，提高具有影响力的增材制造候选组件的转化率；五是通过更多地使用增材制造，改进物流流程并提高准备程度。

此外，2025年9月，美国空军研究实验室曾授予美国Machina Labs公司一份合同，以利用其人工智能平台RoboCraftsman进行军用飞机金属部件的生产。早期工作将重点放在自动化编程流程上，该流程用于对飞机机身蒙皮和面板（飞机的关键部件）进行成型和切割。

图6. RoboCraftsman平台构成（图片来源于Machina Labs公司文件，如有侵权请联系删除）

RoboCraftsman是一个结合了人工智能和机器学习的机器人平台，可灵活移动，用于在仓库或前沿阵地进行现场制造；其还能够加工钢材、铝合金、钛合金和镍基高温合金等材料，并生产各种国防装备的结构部件，包括飞机、导弹、车辆和其他武器系统。RoboCraftsman配备双七轴机械臂、刀具更换系统和人工智能驱动的流程控制系统；采用Machina Labs公司的旗舰产品RoboForming技术，其精度达亚毫米级，可用于最大4米长、1米深的大型复杂部件的塑型。该平台还集成了Machina Labs公司的RoboScanning和RoboTrimming & Drilling技术，分别可实现自主检测、修整和钻孔功能。

总结

综上所述，增材制造在国防生产中的应用表现出全方位、深层次、可持续性的特征。首先，从设计到部署、维护，其应用覆盖零件产品的整个生命周期，并适用于陆、海、空等各领域武器装备；其次，增材制造既能够通过解决老旧装备的关键零件替换问题延长装备服役时间，又能通过改善材料性能和自动化流程加速新型装备的研发；最后，随着增材制造技术的不断完善，其应用范围将越来越广，深度亦将不断加深。

尽管如此，增材制造的应用发展依然存在一些瓶颈，例如模型参数不准确导致返工修改、打印过程存在不确定性、缺陷检测滞后等。这些问题均可通过与人工智能技术的结合加以解决。人工智能技术支持增材制造中模型参数的优化、流程自动化及优化、缺陷实时监测等，可大幅缩短制造周期并保障产品质量。因此，增材制造与人工智能两者的结合将为国防制造带来颠覆性的变革。目前以美军为代表的外军已在广泛推动这种技术结合对国防生产领域的加持，我方亦应加大力度推动此类前沿技术的应用

。