据苹果公司知情人士透露,苹果正在测试使用3D打印机来生产一些即将推出的智能手表使用的钢制底盘,这预示着该公司制造工艺将发生重大变化。
该技术将避免用大块金属板切割成产品形状的工艺。据知情人士称,这将加快制造零件所需的时间,同时通过使用更少的材料有助于改善环境,他们要求对此计划及相关公司进行保密。
新方法有可能简化苹果的供应链,并掀起更广泛的制造变革。知情人士表示,如果与Apple Watch的合作按计划进行,这家科技巨头将在未来几年会将这一过程扩展到更多产品。这家总部位于加利福尼亚州库比蒂诺的公司的发言人拒绝对此发表评论。
迄今为止,苹果对其不锈钢手表采用了更传统的制造方法,约占产品线总量的10%。一种被称为锻造的过程,用于将材料块形成接近设备尺寸的较小金属块。然后使用CNC或计算机数控机床进行精确地切割和按钮孔的制作。
而新工艺采用被称为粘合剂喷射的3D打印技术来制作接近其实际尺寸的零件的总体轮廓,或在制造中称为“近净形状”。打印材料是用粉末状物质制成,然后经过一个称为烧结的过程,使用热量和压力将材料挤压成类似传统钢的物品,再进行铣削出精确的轮廓与孔径。
此消息一出,立即提振了3D Systems Corp.和Stratasys Ltd.等3D打印公司的投资者信心。3D Systems的股价飙升了10%,而Stratasys上涨了6.9%。这些股票后来回落了一些涨幅。但同时也引发了苹果股票的价格上涨了1.8%至187.46美元。
苹果及其供应商已经悄悄开发这项技术至少三年。在过去的几个月里,他们一直用于Apple Watch Series 9的钢壳进行测试,该表壳将于9月12日亮相。据彭博社报道,智能手表将获得性能和表壳颜色方面的提升,尽管其外观将基本保持不变。
目前还不能保证新钢制的Apple Watch的第一批产品将全部采用改进的新工艺制造,但当前的测试运行表明公司对这种方法的可行性是认可的。苹果还计划将这一工艺应用于其钛金属Ultra手表,这要到2024年才能开始采用。
此方法有益于环境保护,因为它仅使用创建设备外壳所需的近似金属。其他知情人士表示,在另一项迈向可持续发展的举措中,苹果计划使用新材料来取代其一些新iPhone外壳和其他配件中使用的皮革。
3D打印工作由苹果的制造设计团队领导,该团队由公司副总裁Rob York监督,并向运营主管Sabih Khan报告。对于苹果及其供应商来说,转向3D打印表壳是一项昂贵的改造,但它被证明可以简化生产并随着时间的推移降低成本。目前,采用新工艺的表壳成本与之前的方法一致。
这项工作仍处于起步阶段,目前只有小批量的产品采用。当前大多数Apple Watch外壳都是铝制的而不是不锈钢。该公司尚未使用该材料大规模生产3D打印外壳方面取得进展,这种材料也用于Mac和iPad以及低端iPhone。还在探讨如何将钢和钛等可以进行3D打印的材料带到更多设备上。
该计划是使用粘结剂喷射大规模生产大批量金属零件的首批案例之一。让Apple Watch成为新技术的测试案例是该公司模式的一部分。例如,苹果在iPhone出现在最初的Apple Watch上两年后,就为iPhone添加了钢框架。而今年的高端iPhone将在Apple Watch Ultra上首次亮相一年后使用钛。
好文章,需要你的鼓励
英伟达在SIGGRAPH大会上发布了全新的AI世界模型、库和机器人开发基础设施。其中最引人注目的是Cosmos Reason,这是一个70亿参数的"推理"视觉语言模型,专门用于物理AI应用和机器人。新发布的还包括Cosmos Transfer-2模型,能够从3D仿真场景加速合成数据生成,以及速度优化版本。公司还推出了神经重建库、RTX Pro Blackwell服务器和DGX Cloud云平台,旨在为机器人开发提供完整的解决方案。
清华大学团队开发出DPoser-X人体姿态AI系统,使用创新的扩散模型技术统一处理全身、手部、面部姿态建模。该系统采用混合训练策略和截断时间步调度,在8个权威测试基准上比现有方法准确度提升61%。技术可广泛应用于动画制作、体育训练、医疗康复、虚拟现实等领域,代表AI理解人类行为的重要突破。
两大企业基础设施厂商宣布产品线扩展,为客户提供更多大规模部署人工智能工作负载的选择。戴尔更新AI数据平台,新增非结构化数据引擎,并推出搭载英伟达RTX PRO 6000 Blackwell GPU的PowerEdge服务器。HPE扩展AI优化系统配置,支持自主AI和物理AI应用。两家公司均集成英伟达最新Blackwell架构GPU和AI软件套件,提供从数据处理到模型推理的完整解决方案。
Meta研究团队推出FACTORY测试系统,这是首个大规模人工验证的AI事实准确性评估基准,包含超过1万个高难度问题。测试结果显示,即使是最先进的AI系统在面对复杂事实性问题时准确率也仅约60%,远低于传统测试中的90%以上表现。该研究揭示了当前AI系统在专业知识覆盖和复杂推理能力方面的不足。