在NASA，一位工程师把一个零件该干什么、能扛多大力、哪里绝不能碰，用几句话写清楚，剩下的交给AI。

一个多小时后，屏幕上长出几十个候选方案，挑中的那个，比两位资深工程师画两天的还要更刚、更强，常见的应力集中低了将近10倍。

再把它交给金属3D打印，几天到数周后，一个能上天的零件就握在手里了。

NASA给这套东西起了个名字，叫文本到飞船（Text-to-Spaceship）。

人把意图说清楚，AI负责设计，3D打印负责交付。

研究工程师Ryan McClelland说，算法画出来的件看着像外星造物，又怪又陌生，大多长得像骨头，可一旦看清它怎么受力，就觉得理所当然。

谁来想、谁来造这件事开始变得不一样。

每往太空送1公斤就要花掉100万美元的地方，这种工作流重构显得至关重要。

下图这件NASA钛合金安装座由生成式设计算出，再用金属3D打印制造，外形设计有典型的拓扑优化特征：

为什么AI设计这件事，开始在航天领域变得值钱？

人画零件，一周大概迭代一版；

AI一分钟就能迭代一版。

迭代次数一上去，撞到更优解的概率自然高得多。

但真正让这件事在航天里值钱的，是成本结构。

Newton公司的首席机械工程师Alex Miller提到过：

在航天世界里，质量就等于钱。

按NASA的总任务成本估算，每往太空送1公斤大约要100万美元，所以减重不是优化指标，是预算本身。

NASA的Ryan说，演化结构相比传统件最多能省掉三分之二的重量，刚度重量比大约提升3倍。

其指出，NASA结构件最大的成本不在制造，而在非重复性工程，也就是设计本身。

因为NASA几乎每个件都是独一份，哈勃只有一台，韦伯也只有一台，同一时间手上有上千个独特零件在做。

对这种永远在做一次性零件的机构，让AI把设计这段时间和人力压下来，价值比批量制造的工厂还大。

AI到底怎么把一句要求变成一个零件

整套流程可以拆成三步：

把结构要求编码成机器能读的输入，让生成式设计AI演化出满足要求的最优解，再用数字制造（如3D打印）直接从模型把零件造出来。

NASA内部干脆把第一步叫做给结构写提示词。

prompt需要明确的东西很关键：

一类是保留体（Preserve），无论如何都得留下的材料，比如螺栓孔周围的安装面、胶接面；

另一类是障碍体（Obstacle），绝对不能长材料的禁区，比如螺栓和垫圈的安装空间、光学系统的光路、相邻零件的避让区。

再填上发射时的载荷和约束，剩下的交给拓扑优化引擎。

它把设计空间切成密密麻麻的体素（voxel）小立方格，像啃骨头一样把不传力的材料一点点删掉，只留传力必需的筋。

AI做的不止是画形状。

Ryan描述的完整闭环：

你把要求输进去，AI给出设计，自己跑有限元分析确认达标，还做一遍制造仿真确认能造出来。

再往前一步是文本到结构，工程师用文字写要求，系统直接吐出CAD模型、有限元模型和应力分析报告；

甚至能用语音或文字跟AI对话，生成一个标准的JSON输入文件喂进流程，把中间点CAD、点有限元的操作全跳过。

从我想要什么，到手里直接拿到我想要的，中间那段手工活被抹掉了。

下图这类骨骼状曲面正是NASA拓扑优化的产物：

这些怪形状，为什么最后常常要交给金属3D打印？

这里有个反常识的事实，得说清楚，不然容易把3D打印吹过头。

Ryan访谈里自己说，很多人一看到这种有机结构，第一反应是这玩意儿肯定加工不出来，但其实5轴CNC铣削早就今非昔比，这些怪形状大多能直接铣出来。

事实也是如此，在已经做过的应用里，绝大多数演化结构都顺利用CNC铣削造了出来。

但有一类件，3D打印是唯一划算的选择。

其提到最典型的是E低温恒温器安装座，一个大块头的整体钛合金件，尺寸约600×400×200毫米。

如果从一整块钛合金毛坯铣，光料钱和漫长的机加工时间就贵到离谱，只有用金属3D打印才造得起。

这里用的具体工艺是激光粉末床熔融LPBF/SLM，一层层把金属粉末熔成形。

所以AI和3D打印的关系，准确的说法是这样：

AI负责想出最优的传力形状，这个形状不受刀具能不能伸进去的限制；

而当形状复杂到铣削够不着、或者毛坯大到铣削不划算时，3D打印就是把这份最优解真正造出来的那条路。

NASA公开的内容有个细节很能说明问题：

初次计算应该用不限制制造模式，先看在没有任何加工约束时最优解长什么样，而这个不受约束的最优解，通常恰好能用增材制造造出来。

换句话说，3D打印能造的那个版本，往往就是理论上最好的那个版本。

3D打印在这套流程里还有两个低调但实在的角色。

一是部件整合，把原本约10个零件合并成了一个件，既减重又少了一堆装配界面。

二是装配预演，在做正式金属件之前，先用便宜的塑料3D打印出一个原型，验证零件装不装得进去、装配顺序对不对，省下后面返工的钱。

下图这块NASA光学支架把约10个零件合成一个件，既减重又减少了装配界面，是CNC加工出来的。

材料和载荷：那些不能省、也省不掉的重量

金属增材在这套流程里的常规轻量化材料是AlSi10Mg铝硅镁合金，轻、好打；

当需要低导热或更低的热膨胀系数时，就换成Ti6Al4V（TC4）钛合金。

钛合金的用武之地在于这类增材支架它一头连着装在铝制低温舱里的红外接收机，另一头连着托住主镜的碳纤维板，这三种材料热胀冷缩的脾气差得远，钛合金正好用来调和。

作为对照，铣削件首选6061铝，密度低、好加工、大量去料也不翘曲，是最便宜也最容易做出来的；

同样的钛合金铣削成本是6061铝的3到4倍；

不锈钢因为太重，基本不做结构件。

按NASA的分享：

减重优化目标通常选最大化刚度，质量目标可以从所支撑部件总质量的20%起步，如果模态够高、应力够低，一路能压到5%；

手上要是已有传统设计，做到它二分之一到三分之一的质量是常态。

之所以敢这么狠，是因为载荷端要求太高：

火箭发射时，零件要承受持续的巨大加速度，行话叫准静态过载，说白了就是零件被自身重量的几十倍往一个方向死拽。

1公斤以内的小件要按68G算，这里的G是重力加速度的倍数，也就是零件要扛住相当于自身重量68倍的力；

件越重这个倍数越低，50公斤以上降到22G。

而且x、y、z三个方向各算一遍，每一遍都得过。

所以这些骨瘦如柴的件不是为了好看，是在68G这种量级下被一根筋一根筋逼出来的，能删的材料都删了，留下的每一根都在实打实地接住过载。

打印出来只是开始，上天的门槛在后面

生成式设计加3D打印后面还有一长串关卡，这恰恰是航天件和消费件最大的区别。

优化用的体素模型是粗的，抓不住螺栓界面附近的局部应力，所以零件必须再做一遍细网格有限元验证，每个工况都要算出冗余；

还要做模态分析，目的是避开发射时的低频振动。

对3D打印件，门槛更高。

金属增材件的应力不能照搬手册以及供应商数据，但飞行件的最终值必须按靠实测建立；

而且增材件可能藏内部缺陷，还要额外做CT或涡流检测查瑕疵。

更麻烦的是同一个件、同一种材料，换一家供应商、换一台增材设备和软件，强度都可能不一样。

相比之下，用标准材料铣出来的件最容易、最便宜拿到飞行资格。

这就是当下真实的情况，3D打印给了你最自由的几何和理论最优的设计，但要把这份自由送上天，认证成本比铣削更高。

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打印真正不可替代时才上它。

NASA已经在排队的任务，从火星样品到一台房子大的望远镜

这套AI+金属数字加工+3D打印+验证的工作流已经开始应用在NASA的实际项目上，除了钛支架、低温恒温器座和光学台，公开的还有STAR-X的探测器座、NGXO的反射镜座。

最有故事感的是火星采样返回。

火星车采集的样品管要先被抛进轨道器的捕获、封存与返回系统，一个生成式设计的舱盖必须在样品飘进来的瞬间快速合上，既防止样品弹出，又限制污染。

Newton公司把这个舱盖做得比人工设计轻了30%，这个任务计划2027年发射。

更远处还有蜻蜓号，以及宜居世界天文台，后者被设计用来直接寻找其他恒星周围行星上的生命迹象。

Ryan形容它有三层楼那么大，里面是巨大的桁架结构，这类东西要是能自动生成，价值会非常高。

接下来会往哪走

NASA研究人员特意强调过，AI设计这类工作还是很早期，目前真正靠谱的是把模型训练在窄而明确的应用上，而不是指望一句话解决所有工程问题。

这套工作流最终走向哪，大概率是几件事的组合，比如设计端越来越像跟AI对话而不是分项点菜单；

制造端在铣削和增材之间按认证成本动态分配；

而3D打印随着NASA-STD-6030这类认证体系成熟，会从复杂件专用一点点扩到更广的承力件。

AM易道的判断是，从一句话到一艘飞船，难的早已不是AI会不会画。

许多案例和算法都证明了AI画得又快又好这件事基本成立。

真正卡住整条路的，是金属3D打印件的飞行资格能多快、多便宜地批下来。

谁先把这条认证曲线压平，谁就能让和AI的对话结果真的变成上千个飞在天上的零件。

六个应用件合集图和支架技术参数对比图在这份NASA报告PDF内，链接：

NASA报告PDF

这个报告里面有很多有价值的细节，值得收藏阅读研究。