2023年，高速3D打印（FDM）成为了炙手可热的行业关键词，各大品牌商纷纷推出了自己的高速3D打印机，拉开了一场新的“军备竞赛”。那么，什么是高速3D打印，它将对行业带来哪些影响？近日，资源库与Raise3D（复志）的国内市场总监裴梁超进行了交流，他认为“高速FDM并非颠覆者，AI才是。”

裴梁超是3D打印行业的资深从业者，自2014年进入该行业以来，曾担任过TCT亚洲展的负责人，亲眼目睹了许多新技术的崛起和3D打印公司的兴衰。需要注意的是，以下观点并不代表Raise3D公司的立场，作为行业发展的见证者，他对3D打印技术的迭代有着自己的看法。

消费级高速打印时代，都是受益者

首先，我觉得高速打印是一件好事，特别是将高速性能引入到消费级打印机并能够生产相对稳定的产品。其中，Bambu P1P的产品落地给我留下了深刻的印象，我个人是非常佩服的，它推动了高速3D打印时代的到来。

拓竹科技的 Bambu P1P 3D打印机

Bambu和过去Prusa以及Ender3一样，通过扩大消费级市场规模，迅速推动了高速打印材料和配件在市场上的开发进展。使与之相关配套研发的边际成本也将迅速降低。举个例子，2015年全球3D打印设备的销量约为21-22万台，单台机器的售价为5800美元。根据海关数据，到了2021年出口量达到了287万台，平均单价降至250美元。虽然数据没有完全apple to apple（完全一致的比较），但可以大致认为整体市场规模扩大了10-20倍，平均单价也被摊薄了1/10-1/20。

另外从细分市场来看，随着较高价位消费级产品的涌现，专业级产品的销售也得到了提升。Bambu的推出帮助用户建立了对FDM打印的良好印象，减少了所谓的“退坑率”。这些个人爱好者在工作后也会继续使用3D打印机，为商业级产品的销售额增长提供了帮助。最后，整个市场的受众群体也会扩大，这对行业来说是一个令人欣喜的趋势。

高速打印这件事，PK的究竟是什么？

最近网络上出现了一些横向比较的测评，但无论最后的结果如何，用户往往会因为对品牌的情感而偏向某一方。在我看来，如果我们抛开品牌和先后之争，理性来看，对于高速3D打印的竞争而言，我认为它的本质在于厂商在工程技术方面的对齐竞争，并通过控制成本和颗粒度来争夺用户的青睐。

Raise3D HyperFFF的高速PLA打印性能

什么叫工程技术上的对齐？在这次高速3D打印中，工程技术上的对齐是指工程技术与算法的进步相结合，基于消振算法创新带领了新的挤出工艺，然后根据这一工艺来定义材料的选择；通过实现高通量（在相同时间内挤出更多材料），同时确保层间结合力不会过差。接下来，再确定硬件方面的要求，包括更稳定的框架结构、更轻巧的机头设计和优化的散热等。

不同价位的产品达成的颗粒度和表现有所差异，商用的专业级设备拥有更多的材料选择和更出色的零件表现，而高价位的工业级设备则针对特定需求采用先进技术，满足超高速的要求。

相比于高速打印的创新，AI更具颠覆性

如果半年前问我高速打印是不是颠覆性的技术，我会认为它是一项非常具有颠覆性的创新。在商用的专业级3D打领域，我们已经具备了与CNC加工竞争并夺取一部分市场份额的能力，并且随着工程技术的不断进步和对齐的颗粒度不断加深，包括高通量材料的优化，我相信会有更多机会出现。然而，随着ChatGPT带来的震撼，我开始意识到AI未来所带来的颠覆性创新机会会更多。

高速打印的突破是一个局部的突破。去年，Polymaker的罗小帆博士也曾提到这个问题，现有的FDM创新始终是围绕着单个硬件创新带来的价值突破，而在材料和工艺技术方面还没有形成系统的演进。

人工智能阿尔法围棋(AlphaGo)

这里以围棋举例，单个创新可以看作是围棋中的定式，即一个小范围的创新，并且之后会形成一种惯例，固定下来并在此基础上进行一些形式的演变。高速打印技术就像柯洁和AlphaGo对弈中出现的阿尔法-柯洁定式一样。然而，在整体的人工智能算法中，需要形成2000个创新点，然后进行迭代和演进，才能形成一个完整的局。这就像我们现在观看围棋比赛时，会参考AI对胜率的预测一样。

想象一下AI会计算你的热场，并对于底板的最早的几层和最后的打印封边做出优化，以确保最后成型的产品的尺寸精度完全一致，意味着什么。

真正的3D打印AI探索之路，还有多远？

意义重大，然而路漫漫其修远。目前来看有几个方向，一个是通过AI进行数字建模，可以通过文字或者图片生成模型的方式进行数字建模。Blender已经开始朝着这个方向发展，与ChatGPT进行了整合，这使得传统手工从业人员或只懂二维绘图的人能够快速建立数字模型。

陆奇将智能制造放在了下一个范式当中

另一个方向是利用AI进行数据准备工作，包括基于3D打印的设计和基于数字孪生技术的数据准备。然而，数字孪生的问题在上个月原百度COO陆奇的文章中已经引起了广泛讨论。真实物理世界的变化非常复杂，数学模型的表现能力有限，你很难用一个数学函数来模拟真实的场景的所有变量。例如，天气温度和湿度的变化对打印结果的影响，打印机内部热场对打印效果的影响，底板加热导致的热变形等。如果无法通过数字孪生的方式准确拟合结果，那精确的FDM打印将难以实现。

目前国内已经有一家公司正在开发基于AI的3D打印算法

除了复杂的数字模型和彼此之间的关系，算力仍是一个重要的挑战。有了足够的模型数据支持之后，还需要强大的算力来支撑。如果要模拟几个小时甚至几十个小时的FDM熔融挤出过程中熔融线的路径轨迹，并根据冷却温度确定其力学性能，就需要根据Gcode计算和优化轨迹，自动添加基于仿真的填充，并自动调整打印速度。这需要巨大的算力和成本支持，这无疑将是一段艰难而漫长的过程。

最后，我认为尽管存在挑战，但未来依然是AI模型的世界，希望国内的资本和同行能够更多地将精力放在未来的发展上。随着人工智能技术的不断进步和应用的广泛推广，它将在3D打印领域发挥重要作用，为工业制造和创新带来巨大的机遇。

2023年，高速3D打印（FDM）成为了炙手可热的行业关键词，各大品牌商纷纷推出了自己的高速3D打印机，拉开了一场新的“军备竞赛”。那么，什么是高速3D打印，它将对行业带来哪些影响？近日，资源库与Raise3D（复志）的国内市场总监裴梁超进行了交流，他认为“高速FDM并非颠覆者，AI才是。”

裴梁超是3D打印行业的资深从业者，自2014年进入该行业以来，曾担任过TCT亚洲展的负责人，亲眼目睹了许多新技术的崛起和3D打印公司的兴衰。需要注意的是，以下观点并不代表Raise3D公司的立场，作为行业发展的见证者，他对3D打印技术的迭代有着自己的看法。

消费级高速打印时代，都是受益者

首先，我觉得高速打印是一件好事，特别是将高速性能引入到消费级打印机并能够生产相对稳定的产品。其中，Bambu P1P的产品落地给我留下了深刻的印象，我个人是非常佩服的，它推动了高速3D打印时代的到来。

拓竹科技的 Bambu P1P 3D打印机

Bambu和过去Prusa以及Ender3一样，通过扩大消费级市场规模，迅速推动了高速打印材料和配件在市场上的开发进展。使与之相关配套研发的边际成本也将迅速降低。举个例子，2015年全球3D打印设备的销量约为21-22万台，单台机器的售价为5800美元。根据海关数据，到了2021年出口量达到了287万台，平均单价降至250美元。虽然数据没有完全apple to apple（完全一致的比较），但可以大致认为整体市场规模扩大了10-20倍，平均单价也被摊薄了1/10-1/20。

另外从细分市场来看，随着较高价位消费级产品的涌现，专业级产品的销售也得到了提升。Bambu的推出帮助用户建立了对FDM打印的良好印象，减少了所谓的“退坑率”。这些个人爱好者在工作后也会继续使用3D打印机，为商业级产品的销售额增长提供了帮助。最后，整个市场的受众群体也会扩大，这对行业来说是一个令人欣喜的趋势。

高速打印这件事，PK的究竟是什么？

最近网络上出现了一些横向比较的测评，但无论最后的结果如何，用户往往会因为对品牌的情感而偏向某一方。在我看来，如果我们抛开品牌和先后之争，理性来看，对于高速3D打印的竞争而言，我认为它的本质在于厂商在工程技术方面的对齐竞争，并通过控制成本和颗粒度来争夺用户的青睐。

Raise3D HyperFFF的高速PLA打印性能

什么叫工程技术上的对齐？在这次高速3D打印中，工程技术上的对齐是指工程技术与算法的进步相结合，基于消振算法创新带领了新的挤出工艺，然后根据这一工艺来定义材料的选择；通过实现高通量（在相同时间内挤出更多材料），同时确保层间结合力不会过差。接下来，再确定硬件方面的要求，包括更稳定的框架结构、更轻巧的机头设计和优化的散热等。

不同价位的产品达成的颗粒度和表现有所差异，商用的专业级设备拥有更多的材料选择和更出色的零件表现，而高价位的工业级设备则针对特定需求采用先进技术，满足超高速的要求。

相比于高速打印的创新，AI更具颠覆性

如果半年前问我高速打印是不是颠覆性的技术，我会认为它是一项非常具有颠覆性的创新。在商用的专业级3D打领域，我们已经具备了与CNC加工竞争并夺取一部分市场份额的能力，并且随着工程技术的不断进步和对齐的颗粒度不断加深，包括高通量材料的优化，我相信会有更多机会出现。然而，随着ChatGPT带来的震撼，我开始意识到AI未来所带来的颠覆性创新机会会更多。

高速打印的突破是一个局部的突破。去年，Polymaker的罗小帆博士也曾提到这个问题，现有的FDM创新始终是围绕着单个硬件创新带来的价值突破，而在材料和工艺技术方面还没有形成系统的演进。

人工智能阿尔法围棋(AlphaGo)

这里以围棋举例，单个创新可以看作是围棋中的定式，即一个小范围的创新，并且之后会形成一种惯例，固定下来并在此基础上进行一些形式的演变。高速打印技术就像柯洁和AlphaGo对弈中出现的阿尔法-柯洁定式一样。然而，在整体的人工智能算法中，需要形成2000个创新点，然后进行迭代和演进，才能形成一个完整的局。这就像我们现在观看围棋比赛时，会参考AI对胜率的预测一样。

想象一下AI会计算你的热场，并对于底板的最早的几层和最后的打印封边做出优化，以确保最后成型的产品的尺寸精度完全一致，意味着什么。

真正的3D打印AI探索之路，还有多远？

意义重大，然而路漫漫其修远。目前来看有几个方向，一个是通过AI进行数字建模，可以通过文字或者图片生成模型的方式进行数字建模。Blender已经开始朝着这个方向发展，与ChatGPT进行了整合，这使得传统手工从业人员或只懂二维绘图的人能够快速建立数字模型。

陆奇将智能制造放在了下一个范式当中

另一个方向是利用AI进行数据准备工作，包括基于3D打印的设计和基于数字孪生技术的数据准备。然而，数字孪生的问题在上个月原百度COO陆奇的文章中已经引起了广泛讨论。真实物理世界的变化非常复杂，数学模型的表现能力有限，你很难用一个数学函数来模拟真实的场景的所有变量。例如，天气温度和湿度的变化对打印结果的影响，打印机内部热场对打印效果的影响，底板加热导致的热变形等。如果无法通过数字孪生的方式准确拟合结果，那精确的FDM打印将难以实现。

目前国内已经有一家公司正在开发基于AI的3D打印算法

除了复杂的数字模型和彼此之间的关系，算力仍是一个重要的挑战。有了足够的模型数据支持之后，还需要强大的算力来支撑。如果要模拟几个小时甚至几十个小时的FDM熔融挤出过程中熔融线的路径轨迹，并根据冷却温度确定其力学性能，就需要根据Gcode计算和优化轨迹，自动添加基于仿真的填充，并自动调整打印速度。这需要巨大的算力和成本支持，这无疑将是一段艰难而漫长的过程。

最后，我认为尽管存在挑战，但未来依然是AI模型的世界，希望国内的资本和同行能够更多地将精力放在未来的发展上。随着人工智能技术的不断进步和应用的广泛推广，它将在3D打印领域发挥重要作用，为工业制造和创新带来巨大的机遇。