南华大学与普渡大学联合研究团队利用人工智能技术，成功设计出适用于 3D 打印的新型钢合金。该合金在耐腐蚀性、强度和柔韧性方面实现了同步突破，同时显著降低了制造成本与处理时间，为金属增材制造领域带来了重要进展。
传统钢材制造长期面临强度与韧性难以兼得的难题：材料越强越易脆裂，增加柔韧性则往往牺牲强度。此外，高性能合金通常依赖昂贵的稀有元素，且打印后的零件需经历数日多阶段的复杂热处理，导致生产效率低下、成本高昂。
为突破这一瓶颈，研究团队引入了机器学习模型。AI 学习了包括原子尺寸、电子行为、金属声速等在内的 81 种物理化学特性，从而探索出能够兼顾高强度与高延展性的最佳元素组合。最终确定的配方以铁和铬为主，辅以少量铜、硅、铝等廉价元素，完全摒弃了钴、钼等高成本稀有金属。
该合金采用激光定向能量沉积（LDED）3D 打印技术成型，仅需在 480℃下进行单次 6 小时的热处理。测试数据显示，其抗拉强度达到 1713MPa，断裂前延伸率为 15.5%。与未处理状态相比，强度提升约 30%，延性提高近一倍。在盐水腐蚀测试中，年腐蚀速率仅为 0.105 毫米，表现优于常见的 AISI 420 不锈钢。
团队分析指出，优异的耐腐蚀性源于铜纳米粒子在合金内部的特殊作用。传统高强度钢中，铬元素易在局部过度消耗形成锈蚀点，而新合金中的铜纳米粒子能持续均匀分散铬元素，有效抑制腐蚀源头的形成。不过，该 AI 模型目前主要针对 LDED 工艺优化，若应用于其他冷却速度差异显著的 3D 打印技术，仍需补充新的数据训练。
相关研究成果已发表于 2026 年 3 月 31 日的《极端制造国际期刊》。日本作为全球增材制造技术的重要应用国，其市场对高性能、低成本金属打印材料的需求日益增长，此类突破有望加速高端装备、航空航天及精密制造领域的技术迭代。
对于中国制造业而言，这一成果展示了人工智能在材料基因工程中的巨大潜力。通过算法优化替代传统试错法，不仅能缩短研发周期，更能降低对稀缺资源的依赖，为国产高端装备材料自主可控提供新的技术路径。
