Gemini與拓竹3D打印聯(lián)手造晶格，設計師已集體焦慮

AM易道分享
學了三年SolidWorks，結果Google說一張草圖就夠了？

2月12日，Google悄悄更新了Gemini 3 Deep Think。

沒有鋪天蓋地的預熱，沒有發(fā)布會倒計時，但我們看完演示視頻后很難冷靜。
他們讓AI畫了張筆記本支架的草圖，丟進Gemini，直接輸出了STL文件，然后用拓竹打印機打出了成品。

從手繪到實物，一條龍。

3D建模師要失業(yè)了嗎？
先別急，我們拆開看看到底發(fā)生了什么。

那個演示到底做了什么
Google團隊畫了一張鉛筆草圖，標題寫著"Wedge Laptop Stand"，一個楔形筆記本支架。
草圖上標了兩個關鍵詞：Gyroid Lattice Structure（螺旋面晶格結構）和 Lightweight & Breathable（輕量透氣）。

說白了就是一張帶批注的手繪，不是什么精密圖紙。

接下來，他們把草圖上傳到Gemini，打開Deep Think模式，寫了一段很長的提示詞。
這段提示詞不簡單，它要求用Three.js程序化生成Gyroid最小曲面晶格，限定在草圖輪廓內(nèi)。
更狠的是，提示詞里寫死了工程約束：
承重3kg不屈曲、調(diào)整孔隙率最大化被動散熱、幾何體必須是水密流形網(wǎng)格（manifold, water-tight mesh）確?？纱蛴?。最后還要求集成STL導出按鈕。

Deep Think想了一會兒，吐出來一個完整的交互式3D模型。
螺旋面晶格結構，可以鼠標拖動360度旋轉，底下掛著一個"Download Print-Ready STL"的下載按鈕。

STL文件拿到手，直接扔進拓竹（Bambu Lab）打印機。

出來的實物，精密的螺旋面晶格結構，和屏幕上的模型幾乎一模一樣。

整個過程的核心不在于AI能生成3D圖，這事兒去年就能做。
核心在于它輸出的不是渲染圖，而是一個能直接送去切片打印的工程文件。

從能看到能用，這一步跨得有多大
過去一年我們見過太多AI生成的3D內(nèi)容了。

這次不一樣。
Deep Think輸出的是幾何數(shù)據(jù)，有拓撲、有尺寸、網(wǎng)格是封閉的。
提示詞里那句"water-tight mesh suitable for 3D printing"是關鍵。
搞過3D打印的人都知道，網(wǎng)格不封閉的模型切片時會炸，壁厚不夠的結構打出來就碎。
這些約束被寫進了生成邏輯里，很關鍵。
說實話，Gyroid晶格結構本身在3D打印圈并不新鮮。
拓竹的切片軟件里就能生成填充用的Gyroid。
但讓AI從一張手繪草圖出發(fā)，理解設計意圖，自己算出結構參數(shù)，再輸出打印就緒的文件。
這個閉環(huán)是第一次被公開跑通。
Deep Think憑什么能做到這件事
Deep Think是Google專門做的一個慢思考推理模式。
你可以理解普通Gemini是快速搶答，Deep Think是閉卷考試坐下來推導。

它有多強？幾個數(shù)字：Codeforces編程競賽Elo 3455，相當于全球前十水平；2025年國際數(shù)學奧賽和物理奧賽筆試部分達到金牌線；

在專門為難倒AI設計的人類最終考試基準上拿了48.4%。
為什么要說這些跑分？
因為從草圖生成Gyroid晶格不是簡單的看圖說話。
模型得理解三角函數(shù)逼近曲面的數(shù)學原理，得算應力分布保證承重，得控制孔隙率平衡散熱和結構強度。
這些都是實打實的空間推理和工程計算，不是調(diào)參數(shù)套模板能搞定的。

Google還放出了其他幾個案例：
內(nèi)部工程師Anupam Pathak拿Deep Think加速硬件組件設計迭代；
杜克大學的實驗室用它優(yōu)化半導體晶體生長配方，做出了超過100微米的薄膜；
羅格斯大學一位數(shù)學家用它審查高能物理方向的論文，還真發(fā)現(xiàn)了一個人類同行評審沒抓到的邏輯漏洞。

那建模師到底會不會失業(yè)
我們認為短期內(nèi)不會。
但如果你的日常工作就是接到別人畫的草圖，然后在CAD里一個特征一個特征點出來，那確實該焦慮一把了。

真正值錢的能力正在往上走。
怎么定義一個產(chǎn)品的結構架構？
怎么在強度、重量、成本之間做取舍？
怎么判斷這個設計FDM能不能打、要不要換SLS或SLA？
這些決策需要經(jīng)驗、直覺和跨領域知識，目前AI碰不了。

當然我們說的只是目前。
回頭看那個筆記本支架，人的價值在哪？
在于決定"我要一個楔形的、用Gyroid晶格的、能散熱的、承重3kg的支架"。
AI的價值在于把這段話變成一個可以打印的STL。

AI目前還不能搶工程師飯碗，搶建模軟件的鼠標點擊次數(shù)是擅長的。
還有哪些要冷靜思考

那個筆記本支架好看歸好看，雖然能直接使用，但結構上是單一幾何體，沒有裝配關系，沒有精密公差，也沒有測試過不同打印工藝的兼容性。
真正的工業(yè)零件，多體裝配、異形曲面、公差配合。
這些AI能做到什么程度，還沒人驗證。

而且那段提示詞寫得非常專業(yè)。"Gyroid minimal surface"、"manifold water-tight mesh"、"trigonometric approximation"這不是普通用戶能隨手寫出來的。
至少在目前，咱得懂行才能讓AI幫咱干活。

但方向已經(jīng)明確了。
Deep Think現(xiàn)在對Google AI Ultra用戶開放，API也在接受開發(fā)者申請早期訪問。
當這個能力跟更多工具打通，草圖丟進去，STL出來，直接推送到拓竹打印機開始打。
這條從想法到實物的路徑，正在被壓縮到前所未有的短。
AI、晶格結構、3D打印，三條線在2月12號又一次交匯了。

我們需要思考的是，3D打印的價值鏈會怎么重組？

當人人都能用一句話生成STL，打印服務拼的是什么？

材料和工藝knowhow會不會變成最后的護城河？

你手里的3D打印機，未來到底是生產(chǎn)工具，還是AI的輸出終端？

顯然我們都需要問自己，AI+3D打印面前，人的不可替代性在哪？

歡迎留言討論您的看法，更多內(nèi)容也請訪問amyd.cn