看这个空气/液体换热器案例。

底层用一个叫PicoGK的开源几何引擎，填充结构、法兰、螺栓、点阵加强筋，做成可以随处调用的零件。

目前实现了两件事，点阵填充和从总管出来的微通道分流。

做这件事的是个个人工程师。

他不在三维软件里拉特征改尺寸，他在写代码，让代码自己长出换热器。

事情的起点是一家叫LEAP71的公司，两位创始人写过一套叫《计算工程基础》的博客，3D打印业内挺有名。

核心想法很朴素。

工程师脑子里装着大量经验，流体怎么走、热量怎么传、零件怎么装配。

传统流程里，这些经验每次都要在三维软件里重新画一遍。

改尺寸要重画，换工况要重画。

而算法时代应该反过来。

把脑子里的知识写成代码，下次需要不同参数的换热器，代码自己生成。

一个领域的全部工程知识，可以封装成一个软件模型。

算法的代表作就是这么干的，专攻火箭钟形喷管和燃烧室，输入高层参数，直接输出可送进金属打印机的几何。

图中这个项目叫Anima走的是同一条路，只是把领域换成了换热器。

传统三维软件为什么干不了？

有人会问，参数化建模不就能做这件事吗。

大部分不太行。

传统三维软件的几何内核是为人手交互式建模设计的，擅长拉伸、旋转、布尔运算这类相对简单的操作。

一旦碰上金属3D打印才有的东西，点阵、三周期极小曲面、内部多孔、连续变化的微通道，传统内核就吃力了。

文件巨大，运算崩溃，布尔失败是常态。

PicoGK这个算法刻意做得小、稳、快，开源，只暴露一组很小的指令集。

换热器是金属3D打印这几年最火的应用之一。

换热效率和换热面积强相关，3D打印能做出传统冲压钎焊做不出来的复杂内流道，价值能看见。

但行业里有个隐性瓶颈，软件。

每家公司的设计能力都藏在几个资深工程师的脑子里，换个工况就重画。

未来希望AI算法能把几何参数从用户驱动改成数据驱动，让换热和流体计算的结果直接反喂到几何生成。

换热器只是个开头。

凡是几何复杂、参数多、又强烈依赖物理性能的零件，都适合走这条路。

火箭推进系统已经有人在做了，下一个被点名的可能是燃烧器，喷油、雾化、燃烧效率全都跟内部流道形状强相关。

然后是涡轮叶片，气动型面、内部冷却通道、表面气膜孔。

再往外推，是那些今天连图都不知道怎么画的零件。

仿生结构、声学超材料、热电耦合器件，这些东西的几何复杂度已经超出人手能驾驭的范围，本来就只能靠算法生成。