如今的制造业广泛依赖于各类机械技术,其中包括已经拥有超过一个世纪的成熟技术方案,以及各类前沿创新型工具。以加法与减法制造、计算机辅助设计与制造(computer-aided design and manufacturing,简称CAD/CAM)以及激光制造等流程为代表的技术方案,使得制造类企业得以更好地响应市场需求的快速变化。
增材制造(Additive Manufacturing,简称AM)是指导通过材料分层堆叠的方式构建产品; 其亦被广泛视为3D打印的同义词。不过二者之间仍然存在一定区别:前者往往部署于规模化制造环境当中,而3D打印则更多以消费者为中心且与创客活动有关。这方面的实例包括制造具有复杂几何开关的部件,这类部件往往很难通过传统生产工艺进行制造。
增材制造的另一种用途在于快速原型制造(rapid prototyping,简称RP),其中的各零件或组件的比例模型可在全面投产之前进行试验性制作。快速原型制造技术的发展,使得小批量生产高质量零件成为可能,且成本仍然处于合理范围之内。
与增材制造直接相关的技术为计算机辅助设计(computer-aided design,简称CAD),其负责为增材结构提供必要的几何数据。由CAD软件生成的三维渲染结果以及由扫描仪生成的二维平面,皆可作为此类数据的基础。
当然,CAD也被广泛应用于其它制造流程当中。计算机辅助制造(简称CAM)就使得CAD工艺更进一步,能够利用软件控制机床对金属等刚性原材料进行切割及成型——这一过程亦被称为“加工”。由于加工技术一般涉及对受控材料进行多余部分消除,因此被统称为减法制造。
图:机械技术间对应关系的实例。金属部件顶端视角的CAD模型,该部件由0.5毫米厚的不锈钢材料通过激光切割制造而成。
激光制造技术也已经在加法与减法制造领域占据有一席之地。一部分最早的3D打印技术即基于立体光刻技术(stereolithography,简称SLA),这是一种发明于上世纪八十年代中期的增量制造系统。其利用此外激光固化光聚合物,进而形成制造物体的各层。如今的制造行业正在利用选择性激光烧结(selective laser sintering,简称SLS)与选择性激光熔化(selective laser melting,简称SLM)等扩展性技术应用——二者皆通过融合粉末材料以形成坚固的结构。
激光器的减少制造应用的历史更为悠久,且目前仍得到广泛使用。激光加工的例子包括常见于板材、结构与管道材料的激光切割;用于外科手术管材等医疗器械的激光钻孔; 以及在汽车工业中得到大量应用的激光焊接锁孔制造技术。
Epilog的光纤激光器系列设备亦可改变金属等材料的外观。通过控制加热与冷却,激光将可形成光滑且闪亮的表面效果——行业亦将此称为激光抛光或镜面处理。此类应用包括建筑标牌与高端标签。此外,在利用激光将金属加热至接近熔点,而后进行缓慢冷却时,这一退火过程将可产生彩虹般的标记。该项技术常被用于制造人体内使用的医疗设备。
Epilog FiberMark等激光器亦可实现真正的加工技术,例如以受控蚀刻方式去除目标材料的特定部分。蚀刻属于一种浅雕刻工艺,在制造业中常用于生产带有序列号、徽标或条形码的工具及零件。
从这份简短的清单可以看到,现代制造业所涉及的机械技术种类繁多、用途各异。此外,这些技术亦常被联系在一起——某一技术的发展亦会推动其它技术的进步。虽然前景尚有待观察,但其发展潜力无疑是巨大的。
好文章,需要你的鼓励
这项由Midjourney团队主导的研究解决了AI创意写作中的关键问题:如何让AI既能写出高质量内容,又能保持创作的多样性和趣味性。通过引入"偏差度"概念和开发DDPO、DORPO两种新训练方法,他们成功让AI学会从那些被传统方法忽视的优秀独特样本中汲取创意灵感,最终训练出的模型在保持顶级质量的同时,创作多样性接近人类水平,为AI创意写作开辟了新方向。
上海AI实验室联合多所高校开发出VisualPRM系统,这是首个专门用于多模态推理的过程奖励模型。该系统能像老师批改作业一样逐步检查AI的推理过程,显著提升了AI在视觉推理任务上的表现。研究团队构建了包含40万样本的训练数据集和专门的评估基准,实现了在七个推理基准上的全面性能提升,即使是最先进的大型模型也获得了5.9个百分点的改进。
上海AI实验室团队通过LEGO积木设计了创新评测基准LEGO-Puzzles,系统测试了20个先进多模态大语言模型的空间推理能力。研究发现即使最强AI模型准确率仅57.7%,远低于人类93.6%的表现,揭示了当前AI在三维空间理解和多步序列推理方面的重大不足,为机器人、自动驾驶等应用发展提供重要参考。
字节跳动团队突破了AI图像生成领域的三大难题:身份识别不准确、文字理解偏差和图片质量不佳。他们开发的InfiniteYou技术采用创新的InfuseNet架构和多阶段训练策略,能够根据用户照片和文字描述生成高质量个性化图像。实验显示该技术在身份相似度、文本匹配度和图像质量方面均超越现有最佳方案,并具备出色的兼容性,为个性化内容创作开辟了新道路。