这两年 3D 打印软件的更新日志里，「AI」出现得比任何词都频繁。设计端有 AI 建模，切片端有 AI 参数，打印中还有 AI 监测。但把这些功能一个个拆开看，真正改变工作流的其实是一小部分。
一、设计端：两种截然不同的路线
- 生成式建模（文本/图片 → 几何）。代表是 Meshy、Tripo、Hitem3D、Rodin/Hyper3D 这类工具。它们输出的是网格（mesh），适合手办、装饰件、创意原型这类对公差要求宽松的件。公开的测试口径里，Meshy 在人像与角色类模型上直接导入主流切片软件的一次通过率约 97%，并提供一键送切片与 3MF 导出，从生成到可切片的状态可以压到两分钟以内。
- 参数化 CAD 生成。代表是 Spectral Labs 的 SGS-1 这一类模型：输入是文字描述、草图或扫描数据，输出的是可编辑的参数化 CAD 文件，而不是固定网格。这个区别对工程师很关键——参数化文件可以改尺寸、可以进仿真，网格通常不行。
这两条路线不是替代关系。前者服务「我没有模型，我要一个」，后者服务「我大概知道要什么形状，但希望尺寸还能改」。选型时先问自己属于哪一类。
至于传统的拓扑优化软件（nTopology、Autodesk Fusion 360 这类），在「已知载荷、要减重」的场景里仍然是更成熟的路径，这一点没有被生成式工具改变。
二、切片端：真功能与假功能的分界线
自动支撑生成，现在所有主流切片器都有，它已经是基线能力，不是差异点。真正需要分辨的是那些贴着 AI 标签的功能：
- 算真的：相机驱动的失败检测（如内置于主流切片器、或以插件形式提供的方案）；针对支撑材料用量做优化的智能自动定向（如 Lychee Slicer 在这方面的实现）；以及任何在切片之前改变文件几何或方向的功能。
- 需要打折看的：所谓「AI 优化打印配置」。实测中，这类预设往往并不优于社区里调好的成熟预设——它更像是一个包装过的参数模板。
- 基本还是宣传的：全自动 AI 生成 G-code。到 2026 年，这仍然更多是营销表述而非可用功能。
由此可以提炼出一条很实用的判断标准：这个 AI 功能有没有在切片之前改动文件。会改文件（自动摆位、自动分件、几何修复、支撑策略重排）的是真功能；只是把一组参数换个名字打包的，不是。
这条标准说起来容易，验证起来其实很难。看规格书没用——比较有效的做法是拿一个你自己熟悉的、没给厂商「准备」过的模型，让软件跑一遍。
三、打印中：这一层的 AI 是刚需
打印开始之后，AI 的角色从设计助手变成运行保护。核心任务三家一致：盯着舱内、尽早发现异常、在坏层浪费掉几小时材料之前把机器停下来。
目前比较有代表性的是基于摄像头 + 云端机器学习模型的方案：以插件或轻量 API 的方式接入，逐层标记「炒面」类缺陷，并且采用「等待确认缺陷在恶化再介入」的策略——而不是一检测到异常就停机。这个设计模式在新一代系统里被广泛沿用。
这一层的价值在家居件场景里尤其明显：用户通常只打一件，失败了没有第二件可以对照。
四、切片相邻的自动化
还有一类功能游走在「切片器」和「专业前处理工具」之间。国内已有厂商在牙冠排版与支撑生成、鞋模花纹分件、模具壳芯按壁厚拆分这类场景推出自动化工具，把工艺参数从人工经验转移到软件里。这类工具的价值不在于「AI」这个标签，而在于它把某一类件型的工艺窗口固化了下来。
给采购和工程师的四条建议
- 把每一项 AI 声明分成「改文件」和「改标签」两类，前者才值得付钱。
- 不要用厂商的演示模型做验证。那是他们调过的。
- 监测类功能优先于生成类功能。生成类工具能省时间，监测类工具能直接省钱。
- 把「生成的模型能直接打印吗」当成硬指标。生成质量再高，如果每次都要人工修网格、补壁厚、加支撑，效率优势就没了。
相关阅读：从「能看」到「能打印」：国产 AI 3D 生成卷向水密几何与切片通过率；PEEK 的结晶窗口会随设备漂移：把工艺参数交给预设有风险。