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。

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。

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。