AM易道分享

在NASA，一位工程師把一個零件該干什么、能扛多大力、哪里絕不能碰，用幾句話寫清楚，剩下的交給AI。

一個多小時后，屏幕上長出幾十個候選方案，挑中的那個，比兩位資深工程師畫兩天的還要更剛、更強，常見的應力集中低了將近10倍。

再把它交給金屬3D打印，幾天到數周后，一個能上天的零件就握在手里了。

NASA給這套東西起了個名字，叫文本到飛船（Text-to-Spaceship）。

人把意圖說清楚，AI負責設計，3D打印負責交付。

研究工程師Ryan McClelland說，算法畫出來的件看著像外星造物，又怪又陌生，大多長得像骨頭，可一旦看清它怎么受力，就覺得理所當然。

誰來想、誰來造這件事開始變得不一樣。

每往太空送1公斤就要花掉100萬美元的地方，這種工作流重構顯得至關重要。

下圖這件NASA鈦合金安裝座由生成式設計算出，再用金屬3D打印制造，外形設計有典型的拓撲優化特征：

為什么AI設計這件事，開始在航天領域變得值錢？

人畫零件，一周大概迭代一版；

AI一分鐘就能迭代一版。

迭代次數一上去，撞到更優解的概率自然高得多。

但真正讓這件事在航天里值錢的，是成本結構。

Newton公司的首席機械工程師Alex Miller提到過：

在航天世界里，質量就等于錢。

按NASA的總任務成本估算，每往太空送1公斤大約要100萬美元，所以減重不是優化指標，是預算本身。

NASA的Ryan說，演化結構相比傳統件最多能省掉三分之二的重量，剛度重量比大約提升3倍。

其指出，NASA結構件最大的成本不在制造，而在非重復性工程，也就是設計本身。

因為NASA幾乎每個件都是獨一份，哈勃只有一臺，韋伯也只有一臺，同一時間手上有上千個獨特零件在做。

對這種永遠在做一次性零件的機構，讓AI把設計這段時間和人力壓下來，價值比批量制造的工廠還大。

AI到底怎么把一句要求變成一個零件

整套流程可以拆成三步：

把結構要求編碼成機器能讀的輸入，讓生成式設計AI演化出滿足要求的最優解，再用數字制造（如3D打印）直接從模型把零件造出來。

NASA內部干脆把第一步叫做給結構寫提示詞。

prompt需要明確的東西很關鍵：

一類是保留體（Preserve），無論如何都得留下的材料，比如螺栓孔周圍的安裝面、膠接面；

另一類是障礙體（Obstacle），絕對不能長材料的禁區，比如螺栓和墊圈的安裝空間、光學系統的光路、相鄰零件的避讓區。

再填上發射時的載荷和約束，剩下的交給拓撲優化引擎。

它把設計空間切成密密麻麻的體素（voxel）小立方格，像啃骨頭一樣把不傳力的材料一點點刪掉，只留傳力必需的筋。

AI做的不止是畫形狀。

Ryan描述的完整閉環：

你把要求輸進去，AI給出設計，自己跑有限元分析確認達標，還做一遍制造仿真確認能造出來。 再往前一步是文本到結構，工程師用文字寫要求，系統直接吐出CAD模型、有限元模型和應力分析報告； 甚至能用語音或文字跟AI對話，生成一個標準的JSON輸入文件喂進流程，把中間點CAD、點有限元的操作全跳過。 從我想要什么，到手里直接拿到我想要的，中間那段手工活被抹掉了。

下圖這類骨骼狀曲面正是NASA拓撲優化的產物：

這些怪形狀，為什么最后常常要交給金屬3D打印？

這里有個反常識的事實，得說清楚，不然容易把3D打印吹過頭。

Ryan訪談里自己說，很多人一看到這種有機結構，第一反應是這玩意兒肯定加工不出來，但其實5軸CNC銑削早就今非昔比，這些怪形狀大多能直接銑出來。

事實也是如此，在已經做過的應用里，絕大多數演化結構都順利用CNC銑削造了出來。

但有一類件，3D打印是唯一劃算的選擇。

其提到最典型的是E低溫恒溫器安裝座，一個大塊頭的整體鈦合金件，尺寸約600×400×200毫米。

如果從一整塊鈦合金毛坯銑，光料錢和漫長的機加工時間就貴到離譜，只有用金屬3D打印才造得起。

這里用的具體工藝是激光粉末床熔融LPBF/SLM，一層層把金屬粉末熔成形。

所以AI和3D打印的關系，準確的說法是這樣：

AI負責想出最優的傳力形狀，這個形狀不受刀具能不能伸進去的限制；

而當形狀復雜到銑削夠不著、或者毛坯大到銑削不劃算時，3D打印就是把這份最優解真正造出來的那條路。

NASA公開的內容有個細節很能說明問題：

初次計算應該用不限制制造模式，先看在沒有任何加工約束時最優解長什么樣，而這個不受約束的最優解，通常恰好能用增材制造造出來。

換句話說，3D打印能造的那個版本，往往就是理論上最好的那個版本。

3D打印在這套流程里還有兩個低調但實在的角色。

一是部件整合，把原本約10個零件合并成了一個件，既減重又少了一堆裝配界面。

二是裝配預演，在做正式金屬件之前，先用便宜的塑料3D打印出一個原型，驗證零件裝不裝得進去、裝配順序對不對，省下后面返工的錢。

下圖這塊NASA光學支架把約10個零件合成一個件，既減重又減少了裝配界面，是CNC加工出來的。

材料和載荷：那些不能省、也省不掉的重量

金屬增材在這套流程里的常規輕量化材料是AlSi10Mg鋁硅鎂合金，輕、好打；

當需要低導熱或更低的熱膨脹系數時，就換成Ti6Al4V（TC4）鈦合金。

鈦合金的用武之地在于這類增材支架它一頭連著裝在鋁制低溫艙里的紅外接收機，另一頭連著托住主鏡的碳纖維板，這三種材料熱脹冷縮的脾氣差得遠，鈦合金正好用來調和。

作為對照，銑削件首選6061鋁，密度低、好加工、大量去料也不翹曲，是最便宜也最容易做出來的；

同樣的鈦合金銑削成本是6061鋁的3到4倍；

不銹鋼因為太重，基本不做結構件。

按NASA的分享：

減重優化目標通常選最大化剛度，質量目標可以從所支撐部件總質量的20%起步，如果模態夠高、應力夠低，一路能壓到5%；

手上要是已有傳統設計，做到它二分之一到三分之一的質量是常態。

之所以敢這么狠，是因為載荷端要求太高：

火箭發射時，零件要承受持續的巨大加速度，行話叫準靜態過載，說白了就是零件被自身重量的幾十倍往一個方向死拽。

1公斤以內的小件要按68G算，這里的G是重力加速度的倍數，也就是零件要扛住相當于自身重量68倍的力；

件越重這個倍數越低，50公斤以上降到22G。

而且x、y、z三個方向各算一遍，每一遍都得過。

所以這些骨瘦如柴的件不是為了好看，是在68G這種量級下被一根筋一根筋逼出來的，能刪的材料都刪了，留下的每一根都在實打實地接住過載。

打印出來只是開始，上天的門檻在后面

生成式設計加3D打印后面還有一長串關卡，這恰恰是航天件和消費件最大的區別。

優化用的體素模型是粗的，抓不住螺栓界面附近的局部應力，所以零件必須再做一遍細網格有限元驗證，每個工況都要算出冗余；

還要做模態分析，目的是避開發射時的低頻振動。

對3D打印件，門檻更高。

金屬增材件的應力不能照搬手冊以及供應商數據，但飛行件的最終值必須按靠實測建立；

而且增材件可能藏內部缺陷，還要額外做CT或渦流檢測查瑕疵。

更麻煩的是同一個件、同一種材料，換一家供應商、換一臺增材設備和軟件，強度都可能不一樣。

相比之下，用標準材料銑出來的件最容易、最便宜拿到飛行資格。

這就是當下真實的情況，3D打印給了你最自由的幾何和理論最優的設計，但要把這份自由送上天，認證成本比銑削更高。

所以全世界的航天界今天不是非此即彼，而是按件取舍，只在3D打印真正不可替代時才上它。

NASA已經在排隊的任務，從火星樣品到一臺房子大的望遠鏡

這套AI+金屬數字加工+3D打印+驗證的工作流已經開始應用在NASA的實際項目上，除了鈦支架、低溫恒溫器座和光學臺，公開的還有STAR-X的探測器座、NGXO的反射鏡座。

最有故事感的是火星采樣返回。

火星車采集的樣品管要先被拋進軌道器的捕獲、封存與返回系統，一個生成式設計的艙蓋必須在樣品飄進來的瞬間快速合上，既防止樣品彈出，又限制污染。

Newton公司把這個艙蓋做得比人工設計輕了30%，這個任務計劃2027年發射。

更遠處還有蜻蜓號，以及宜居世界天文臺，后者被設計用來直接尋找其他恒星周圍行星上的生命跡象。

Ryan形容它有三層樓那么大，里面是巨大的桁架結構，這類東西要是能自動生成，價值會非常高。

接下來會往哪走

NASA研究人員特意強調過，AI設計這類工作還是很早期，目前真正靠譜的是把模型訓練在窄而明確的應用上，而不是指望一句話解決所有工程問題。

這套工作流最終走向哪，大概率是幾件事的組合，比如設計端越來越像跟AI對話而不是分項點菜單；

制造端在銑削和增材之間按認證成本動態分配；

而3D打印隨著NASA-STD-6030這類認證體系成熟，會從復雜件專用一點點擴到更廣的承力件。

AM易道的判斷是，從一句話到一艘飛船，難的早已不是AI會不會畫。

許多案例和算法都證明了AI畫得又快又好這件事基本成立。

真正卡住整條路的，是金屬3D打印件的飛行資格能多快、多便宜地批下來。

誰先把這條認證曲線壓平，誰就能讓和AI的對話結果真的變成上千個飛在天上的零件。

六個應用件合集圖和支架技術參數對比圖在這份NASA報告PDF內，鏈接：

amyidao.com/file/Sr2OAKFZ

這個報告里面有很多有價值的細節，值得收藏閱讀研究。