英伟达押注金属3D打印实时纠错，国产AI方案自主突破
3D打印技术参考注意到，英伟达已经投资两家3D打印企业，推动基于AI的3D打印质量检测进一步发展。
2026年1月，金属3D打印设备商Precision Additive宣布与英伟达合作，推出了首款基于AI架构的LPBF金属3D打印机，它能够实时监控打印过程并纠正偏差，确保每次打印结果的一致性和可重复性。
2026年2月，英伟达旗下NVentures加注投资Freeform，后者已将英伟达先进的H200 AI芯片部署到其制造中心，用来处理金属增材制造过程中的热力学和材料动力学数据，进而保障金属3D打印质量。
从这两个案例可以看出，英伟达正推动将AI技术融入3D打印质量检测。笔者注意到，不仅仅是国外，国内也有重要进展。
金属3D打印质量智能控制国内案例
铂力特于2025年推出的BLT-PrintInsight全过程智能监控系统，就融入了AI智能分析技术。它包含铺粉在线监控和扫描过程在线监控模块，通过多源数据，能够自动识别缺陷，从而减少人工检测成本。检测到的缺陷样本，还可以反哺给系统再训练，从而实现模型持续迭代优化。
西空智造在该技术领域也有重要进展。2026年，该公司宣布推出新一代激光熔池强度监控系统，它能够对打印过程进行实时监测、异常诊断及调控修复。该系统也是国内首款声称可以在打印过程中实时调整参数的闭环调控平台。
中瑞科技与南方科技大学于2025年合作推出的方案，使用两台高精度工业相机加一台工业投影仪，通过原位视觉识别粉末铺展缺陷（不平整、刮痕、团聚等），该方法不仅能进行自动检测缺陷，还可以精确定位缺陷位置。
来自中瑞科技
其他商业化的AI质量检测工具
笔者查询到，瑞典企业Interspectral开发了一款名为AM Explorer的软件，它能通过AI技术进行金属3D打印原位监测和后成型检测。这款可视化的软件能够深入分析仿真数据，帮助用户更好的控制整个增材制造流程，并获得可靠的零件质量。
冰岛初创企业Euler于2026年推出Euler Viewer，无需配置额外的数据处理模块，它会读取打印机已生成的层图像并进行实时显示。该公司提供的付费软件，能基于采集的图像进行自动缺陷检测、预测性故障警报，还可以对打印过程生成可视化报告。
Phase3D推出的Fringe Qualification，使用结构光相机逐层监测熔化前后的粉末床形貌，能够及时发现打印件与CAD模型的差异，如果存在差异，就能指导设备在对应层进行补足，这样能避免成型后再进行后处理，从而缩短生产时间。不过，该系统并未集成AI，Phase3D也未显示出AI的依赖度。
技术发展：多模态感知+AI分析
江苏大学机械工程学院4月20号发表的综述论文，系统讨论了机器学习在增材制造质量监控中的应用。
该研究从对过程信息的多模态（光学/热/声学信号）感知讲起，文中包含了基于原位测量，进行打印件缺陷（气孔、裂纹、球化等）、性能评估、闭环控制，以及使用人工智能进行工艺参数（激光功率、扫描速度等）的优化案例。
来自西空智造
原位监测技术包括通过光、热、声、振动等多源信号进行的实时感知，可用于对熔池动力学、缺陷产生机理及演化规律的实时捕捉与分析，从而为早期缺陷识别、工艺参数优化和智能质量控制提供数据支撑。
但多元信号整合是很大的挑战。而近年来的新技术，则采用了多模态感知与人工智能技术相结合，来增强智能原位监测能力。
众多使用原位监控+机器学习提升增材制造工艺的稳定性和一致性以及成型零件质量的案例，可用下图描述增材制造中的智能闭环控制系统架构。
来自Research progress and challenges of intelligent in situ monitoring for laser additive manufacturing processes based on machine learning
物理层对应正在进行的打印过程，产生熔池、热场及潜在缺陷，还包括层间的铺粉过程。感知层包括采集熔池形貌、飞溅图像的光学相机，采集温度场分布的红外传感器及采集过程噪声与结构振动信号的声音及振动传感器。
之后的决策层会实时判断当前层是否存在异常，或预测当前工艺参数下的打印质量。更进一步，决策层还可以用机器学习模型预测最优参数调整量，根据历史工艺数据与当前打印参数输出下一层打印的控制指令。
注：本文由3D打印技术参考创作，未经联系授权，谢绝转载。#增材制造 #3D打印
