至顶网CIO与应用频道 08月24日 北京消息:随着各行各业越来越多的公司开始使用复合材料,3D 打印和增材制造解决方案的全球领导者Stratasys(Nasdaq:SSYS)正式发售价格实惠的碳纤维填充尼龙12材料专用增材制造系统。该工业级Fortus 380mc碳纤维3D打印机曾在今年3月首次亮相,目前已经面向全球市场正式出货,国内售价53万元人民币(含税)。
Team Penske使用Stratasys FDM和碳纤维填充尼龙12材料打印轻量而坚硬的部件,用于IndayCar和NASCAR(纳斯卡)赛车比赛。
近期,复合材料市场同比增长8-12%。美国能源部将碳纤维复合材料应用和碳纤维增强聚合物列为清洁能源技术,这些材料可以打造轻量化产品,进而降低能耗。据测算,汽车质量每减少10%,燃油经济性将提升6-8%。
Stratasys是全球率先提供碳纤维填充复合材料的厂商之一,之前仅向部分高端3D打印机提供这种打印材料。Stratasys资深销售副总裁Pat Carey 表示:“我们的客户要求能够更加容易使用碳纤维材料,他们希望获得价格实惠、可靠稳定的工业级系统。因此,我们基于Stratasys Fortus 380mc平台推出价格更实惠的系统。由于380mc CFE只能使用碳纤维填充尼龙12材料和另一种材料,我们能以所有工业级打印机中最低的价格进行销售。”
增材制造业咨询公司Wohlers Associates总裁Terry Wohlers表示:“多年来,增材制造业需要能使用高强度复合材料的多样化打印机,我希望Stratasys最新推出的打印机能够使用碳纤维和尼龙12材料打印坚固零件,满足客户这一需求。”
针对IndyCar和纳斯卡赛车,Team Penske使用FDM和碳纤维填充尼龙12复合材料制造其原型和最终零部件。最近,该团队使用碳纤维填充尼龙12复合材料为纳斯卡比赛车队生产后视镜外壳。完成后视镜外壳设计后,工程师们按照纳斯卡系列赛车手定制设计,最后使用复合材料打印最终零部件。由于使用了碳纤维材料,Team Penske能够生产出轻质、高抗冲击性、高刚度的后视镜外壳。这些特性对于赛车而言非常重要,尤其是这些复合材料的刚度能够使薄壁零件在赛道产生的气动载荷中不会弯曲变形。
碳纤维填充尼龙12材料的增材应用包括:
Ÿ 制造复合材料或金属零件的功能性原型
Ÿ 使用高强度材料进行小批量生产
Ÿ 制造人体工学设计更佳的轻量化装配工具,减少工人疲劳
Ÿ 用高强度轻型复合材料替代金属零件
Stratasys预计,生产工具和夹具的企业,以及汽车、休闲运动装备、海洋装备、矫形器和假体、国防、航天、医疗器材、石油和天然气等行业将率先使用Fortus 380mc CFE 3D打印机。
与典型的注塑碳纤维强化塑料零件相似,Stratasys尼龙12CF材料的短碳纤维重量占35%,相比所有FDM或FFF 3D打印材料具有最高的刚度-重量比。
Fortus 380mc CFE基于可靠的平台,能够重复生产精确尺寸的零件。打印的零件不会出现明显的扭曲或收缩,可实现更严格的公差。Stratasys尼龙12CF材料在x轴和y轴上比同等价位的替代产品牢固四倍,并且可以在温度高出40%的环境中保持其机械性能。Fortus 380mc CFE打印机比同等价位的碳纤维3D打印机速度快2到5倍。
Fortus 380mc CFE打印机以0.010英寸(0.254毫米)的分层厚度打印材料。该打印机还兼容ASA热塑性塑料,能够以0.010或0.005英寸(0.127毫米)的分层厚度进行打印。3D打印机成形室的尺寸为14x12x12英寸(355x305x305毫米)。它采用水溶性支撑材料,无需后续人工拆卸,反而能够帮助创建各种精细和复杂的几何形状。如果没有可溶性支撑材料的话,这是不可能实现的,因为在清理时可能会破坏这些精细形状,或者复杂的几何形状会使得移除工作变得十分费劲或者无法实现。
好文章,需要你的鼓励
树莓派基金会调查发现,尽管60%的家长认为编程是孩子的重要技能,但超过70%的家长表示孩子在正常课程中没有学习编程。该基金会CEO指出,随着AI技术快速发展,年轻人掌握技术理解和创造能力比以往更重要。超半数家长认为编程应成为必修课程,并相信学习编程能提升孩子未来职业前景。为填补学校教育空白,基金会呼吁在学校和图书馆广泛设立编程俱乐部,目标到2035年全球教授1000万儿童编程技能。
Patronus AI发布突破性研究,构建了首个系统性AI代理错误评估体系TRAIL,涵盖148个真实案例和21种错误类型。研究发现即使最先进的AI模型在复杂任务错误识别上准确率仅11%,揭示了当前AI代理系统在长文本处理、推理能力和自我监控方面的重大局限,为构建更可靠的AI系统指明方向。
文章介绍了AI大语言模型中最新的深度研究功能,这是目前最令人印象深刻的新功能之一。作者详细解析了ChatGPT、Claude和Gemini等主流模型的使用方法,并重点展示了深度研究功能的实际应用。通过实际测试,作者用ChatGPT 4.5的深度研究功能生成了一份关于1990-2025年最令人厌烦歌曲的详细报告,展示了AI如何通过思维链进行深度研究和分析。文章还提到了语音交互模式将进一步改变用户与AI的交互体验。
这项研究首次从理论和实践证明AI模型可通过模仿生物睡眠-学习周期显著提升性能。研究发现AI训练中存在自发的"记忆-压缩循环",并据此开发了GAPT算法,在大语言模型预训练中实现4.8%性能提升和70%表示效率改善,在算术泛化任务中提升35%,为AI发展指出了注重信息整理而非单纯数据扩展的新方向。