行业定义与核心价值 - 3D打印是一种以数字化三维模型为基础，通过逐层累积材料直接构造实体的增材制造技术，其核心在于将传统“减材制造”转变为“从无到有”的叠加式成型 [5] - 该技术契合制造业向小批量定制化敏捷制造转型的趋势，在原型开发、模具制造、文化创意等领域提供快速成型解决方案，并深入航空航天、医疗健康、汽车工业等高端产业，为复杂构件个性化定制、轻量化结构设计提供新路径 [6] - 与传统减材制造相比，3D打印的材料利用率通常能超过90%，而一些传统精密加工可能导致高达90%的原材料被丢弃，节省材料的核心优势显著 [7] - 3D打印能够直接制造出中空、点阵等传统工艺难以实现的最优拓扑结构，实现复杂的轻量化结构，在保证性能的前提下精确“按需使用材料” [12] 产业链分析 - 上游环节核心技术高度集中于材料、关键硬件和软件三大领域 [12] - 材料方面，钛合金在我国原材料使用中占比最高，达20.2%，但高端金属粉末在种类一致性和精细度上仍部分依赖进口 [12] - 核心硬件如激光器与振镜系统，其成本约占设备总成本的30%，目前主要由Scanlab、IPG等国际厂商主导，但国产替代进程正在加速，例如锐科激光在国内光纤激光器市场的占有率已提升至27% [12] - 软件方面，从CAD到切片软件和控制系统的全流程工具链，仍主要由达索系统、西门子、欧特克等国际巨头提供 [12] - 中游环节涵盖工业级与消费级3D打印设备制造以及专业打印服务 [13] - 工业级设备面向航空航天、医疗等高端需求，以铂力特、华曙高科为代表的国内企业在金属铺粉熔融等技术上已达到国际先进水平 [13] - 中国已成为全球最大消费级设备市场 [13] - 打印服务提供商在全球3D打印市场中的收入占比超过60% [13] - 下游应用几乎覆盖所有重要制造领域，展现出强大的渗透力 [13] - 航空航天领域，国产大飞机C919已批量应用3D打印的钛合金部件 [13] - 医疗健康领域，技术已从制作手术导板延伸至定制化骨科植入物甚至生物组织工程 [13] - 消费电子领域，荣耀、苹果等头部厂商已率先将钛合金3D打印技术用于折叠屏手机铰链及智能手表结构件，实现了该技术在消费电子领域的首次规模化应用 [14] - 预计到2027年，中国3D打印产业规模有望突破千亿元 [14] 资本市场动态 - 2020年融资事件为46起，2021年迅速攀升至72起的峰值，此后行业进入调整期，2022年回落至59起，2023年进一步降至53起，2024年更降至27起的低点 [14] - 2025年融资事件回升至40起，表明经过前期调整后，市场信心逐步恢复，行业正经历从概念热炒向务实应用的转型期 [14] 重点公司分析：智能派科技 - 深圳市智能派科技有限公司是一家专注于消费级3D打印设备研发、生产与销售的高新技术企业和专精特新“小巨人”企业，旗下拥有知名品牌“ELEGOO” [17] - 公司产品线覆盖光固化3D打印机、FDM 3D打印机等，累计销量已超过两百万台，市场遍及全球，其中欧美市场占比超过70%，其爱乐酷品牌在全球消费级光固化3D打印市场份额中位居第一 [17] - 公司2024年营收突破16亿元人民币，2025年营收预计将超过25亿元，同比增长逾40% [17] - 2025年11月，公司完成了由大疆投资的B轮数亿元融资，目标是未来三年内实现年营收超50亿元 [18] 重点公司分析：西帝摩 - 苏州西帝摩三维打印科技有限公司是一家专注于金属3D打印技术的高科技企业，提供全链条金属增材制造解决方案，是国内少数掌握金属增材制造完整技术链的企业之一 [21] - 公司核心专注于粉末床激光熔化技术，于2017年成功研发了当时全球成形尺寸领先的SLM设备XDM750，并于2020年发布了超大型SLM设备XDM2000 [22] - 2025年9月，西帝摩与沙特塔米米集团签署合资协议，共同成立高科技合资公司，旨在深入拓展沙特阿美体系内业务并开拓欧美市场 [23] - 2025年10月，西帝摩宣布完成近亿元人民币的A轮融资，资金将主要用于技术研发、产线扩建及市场拓展 [23] 重点公司分析：Divergent Technologies - Divergent Technologies是一家以人工智能驱动的数字工业制造系统开发商，专注于通过其颠覆性的增材制造技术平台为汽车、航空航天及国防领域提供端到端的数字化生产解决方案 [26] - 公司核心产品为Divergent自适应生产系统，该平台集成了AI生成式设计软件、工业级金属3D打印和自动化机器人装配，可使汽车底盘重量减轻约90% [26][27] - 公司技术已获得洛克希德·马丁、雷神公司等主要国防承包商的认可，产品覆盖超过600种关键零件，2025年上半年营收实现同比超5倍增长，新增200余种国防航空航天零件型号 [27] - 2025年9月，公司完成由Rochefort Asset Management领投的2.5亿美元E轮融资，估值达23亿美元 [27] 行业热点讯息 - 2025年11月，Meta发布新一代影像理解模型SAM 3及面向三维场景的SAM 3D，可将图像分割的切片直接转换成3D模型 [31][32] - 2025年11月，汇纳科技与拓竹科技合作在深圳建设全球最大3D打印工厂，计划在2026年一季度前部署15000台3D打印机 [33] - 2025年11月，原子重塑成为清华大学第九届3D打印大赛赞助企业，旨在推动3D打印技术在学生群体中的普及与产学融合 [34] - 2025年11月，苹果首次公开3D打印生产Apple Watch细节，每台打印机配备六台激光器振镜系统，逐层打印超800次才能造出一只表壳，该技术相比传统CNC工艺节省了400吨钛原料 [35] - 2025年10月，美国华盛顿州立大学研究人员开发出芯片大小的处理器和3D打印天线阵列，未来有望改善汽车、航空航天等领域的电子通信 [36]

AI赋能与创作门槛降低 - AI工具显著提升图像生成和编辑能力，NanoBanana Pro版本较1.0拥有更高画质与分辨率、文字渲染能力显著增强、支持14张图像融合生成新画面，为3D打印创意落地提供灵活高效工具 [1] - 2D图像转3D模型技术逐步成熟，Meta发布SAM 3D模型，可将图像分割切片直接转换成3D模型并对每个物体进行单独重建，即便存在遮挡也不干扰生成，提升消费级3D打印的"可玩性"并有望带动需求 [1] 智能多色打印技术革新 - 传统3D打印机依赖换丝器切换颜色或材料，存在效率低、材料浪费和打印成功率低等问题，多家企业正发力智能多色打印技术革新 [2] - 快造科技Snapmaker U1预装四个刀头并各自预热耗材，将颜色切换等待时间从约两分钟缩短到仅五秒，同时极大节省耗材成本，其Kickstarter众筹金额达2022万美元 [2] - 拓竹科技系统最多可容纳六个可替换热端，感应加热技术可在8秒内将喷嘴加热至工作温度，通过连接的AMS系统支持单次打印使用多达24种耗材 [2] 头部企业投资与产业生态完善 - 头部企业纷纷投资消费级3D打印领域，大疆创新科技有限公司投资深圳市智能派科技有限公司并持有其5%股权，智能派业务覆盖智能硬件全产业链并深耕SLA与FDM技术 [3] - 深圳快造科技有限公司发生工商变更，新增美团关联公司汉海信息技术(上海)有限公司及成都龙珠股权投资基金合伙企业(有限合伙)等为股东，有助于完善产业生态并加速产品迭代和市场推广 [3] 行业高增速与出口表现 - 行业保持高增速，2025年前三季度中国出口3D打印机349.1万台(不含零部件)，已接近2024年全年出口的377.8万台总量，预估2025年全年出口总量将达到500万台左右 [4] - 2025年1-9月中国出口3D打印机金额为75.14亿元(不含零部件)，也非常接近2024年全年的81.63亿元，预计2025年全年出口额或将达到107亿元 [4] 产业链核心标的 - 产业链核心标的涵盖部件、3D扫描仪、材料和整机等多个环节，包括杰普特、锐科激光(激光器)、金橙子(控制卡+振镜)、思看科技、奥比中光-UW(3D扫描仪)、海正生材(原材料)、家联科技(线材)等 [5] - 整机厂商包括拓竹科技(未上市)、创想三维(港股IPO进程中)、安克创新、汇纳科技(金石三维)，同时看好金属打印方向的铂力特、华曙高科、爱司凯等公司 [5]

Meta SAM系列技术更新核心观点 - Meta发布SAM 3D和SAM 3两项重大更新，将图像3D理解与概念分割能力提升至新水平[1] - 两项新技术均具备业界领先的SOTA性能，并同步开放模型权重与推理代码[2][7] - 公司推出Segment Anything Playground平台，方便用户体验新模型能力[8] SAM 3D技术细节 - SAM 3D包含两个模型：SAM 3D Objects支持物体与场景重建，SAM 3D Body专注于人体形状与姿态估计[4] - SAM 3D Objects能从单张自然图像实现稳健、真实感强的3D重建与物体姿态估计，生成带姿态信息的3D模型[11][15] - 技术核心创新在于构建可扩展的数据引擎，通过标注近100万张图像生成约314万个3D网格，突破真实世界3D数据获取瓶颈[20][26] - SAM 3D Body基于全新开源3D网格格式MHR，构建于Transformer架构，使用包含约800万张图像的数据集训练，能处理遮挡、罕见姿态等复杂情况[30][31][33] SAM 3技术细节 - SAM 3引入可提示概念分割能力，能根据文本或图像提示找到并分割某个概念的所有实例，克服现有模型在细致请求下的困难[38][40] - 模型架构建立在Meta Perception Encoder等多项AI进展之上，检测模块基于DETR，跟踪模块基于SAM 2的memory bank技术[42] - 性能取得跨越式提升，将cgF1分数提升两倍，优于Gemini 2.5 Pro等基础模型和专业模型[44] - 推理效率极高，在H200 GPU上对单张含超100个检测目标的图像仅需30毫秒，视频中多目标情况下仍可保持近实时表现[44]

文章核心观点 - Meta AI发布SAM 3D模型，能够从单张2D图像直接生成精细的3D模型，代表了3D建模领域的新范式[1][4][7] - 同时发布的SAM 3模型在图像分割基础上增强了语义理解能力，支持通过文本或示例提示进行开放词汇的概念分割[5][6][23] - 两个模型系列在各自领域的多项基准测试中均取得了显著优于现有方法的性能，达到SOTA水平[13][17][36] SAM 3D模型技术特点与性能 - SAM 3D包含两个专用模型：SAM 3D Objects用于物体和场景重建，SAM 3D Body专注于人体建模[8] - SAM 3D Objects能够处理小物体、间接视角和遮挡等复杂情况，从单张自然图像实现3D重建和物体姿态估计[10][11] - 在人类用户对比测试中，SAM 3D Objects的胜率至少达到其他领先模型的5倍[14] - 具体性能指标显示显著优势：F1分数达0.2339，Chamfer距离为0.0408，3D IoU为0.4254，ADD-S@0.1为0.7232[15] - SAM 3D Body在复杂情况下表现优异，MPJPE指标为61.7，PVE为60.3，在多个数据集上的PCK指标分别为68.0和75.4[18] SAM 3模型技术突破 - 突破传统分割模型固定标签集的限制，引入可提示概念分割功能，支持通过文本或示例提示定义概念[21][23][24] - 能够处理细微概念如"红色条纹伞"，并通过文本指令或选中示例物体来查找分割所有同类物体[22][26][31] - 在LVIS数据集的零样本分割任务中准确率达到47.0，比此前SOTA的38.5提升显著[37] - 在新的SA-Co基准测试中，表现至少比基线方法强2倍[38] - 在视频分割任务中性能优于SAM 2，在多个数据集上的J&F指标达到78.4至89.6[40] 模型架构与实现方法 - SAM 3基于共享的Perception Encoder视觉骨干网络，服务检测器和追踪器模块[41][43] - 创新设计Presence Head解决开放词汇检测中的幻觉问题，解耦识别与定位任务[45] - SAM 3D Objects采用两阶段生成模型：12亿参数流匹配Transformer构建几何，稀疏潜在流匹配细化纹理[48][49][51] - 通过model-in-the-loop数据引擎低成本获取图像-3D配对数据，人类从8个候选中选择最佳匹配[53][54] - SAM 3D Body采用Momentum Human Rig表示法，双路解码器设计分别处理全身和手部细节[55][57][61] 行业影响与数据集 - Meta与艺术家合作构建SAM 3D艺术家物体数据集SA-3DAO，用于评估物理世界图像三维重建能力[20] - 创建SA-Co基准测试评估大词汇量检测和分割性能，要求识别更大概念词汇量[33][34] - 模型能够很好泛化到多种类型图像，支持密集场景重建，标志着基础模型具身化的进展[13][60]

文章核心观点 - Meta公司深夜发布其Segment Anything Model (SAM)系列的重大更新，包括SAM 3D和SAM 3 [1] - SAM 3D包含两个模型：专注于物体与场景重建的SAM 3D Objects和专注于人体形状与姿态估计的SAM 3D Body [2][5] - 公司同步开放了模型权重与推理代码，并推出全新平台Segment Anything Playground供用户体验 [7][8] SAM 3D Objects技术特点与性能 - 该模型提出全新技术路径，用于在单张自然图像中实现稳健、真实感强的3D重建与物体姿态估计，能从日常照片中重建物体的细致3D形状、纹理和场景布局 [11] - 核心创新在于通过强大的数据标注引擎突破真实世界3D数据难以大规模获取的瓶颈，并结合全新的多阶段3D训练流程 [15][22] - 借助数据引擎，公司在真实世界图像上总计标注近100万张图像，生成约314万个3D网格 [17] - 性能表现卓越：在3D形状指标F1 (0.01)上达到0.2339，显著高于对比模型（如Trellis + MegaPose的0.1436）；在3D IoU指标上达到0.4254，优于Hunyuan3D1 + Foundation Pose的0.2937 [27] SAM 3D Body技术特点与性能 - 该模型旨在解决从单张图像中获得准确人体三维姿态与形体重建的长期挑战，即使图像中存在不寻常姿势、遮挡、多人同时出现等复杂情况也能保持高质量表现 [28] - 基于公司全新的开源3D网格格式Meta Momentum Human Rig (MHR)，该格式通过将骨骼结构与软组织形体分离建模提供更强可解释性 [30] - 训练数据集包含约800万张图像，使其能够应对遮挡、罕见姿态和各种服装 [31] - 在多个3D基准测试中超越以往模型，例如在EMDB数据集上的MPJPE指标为61.7，优于4DHumans的98.0和NLF的68.4 [32] SAM 3技术特点与性能 - SAM 3引入可提示概念分割，模型能够根据文本提示或示例图像提示找到并分割某个概念的所有实例，克服了现有模型在面对细致、具体请求时的困难 [34][35] - 模型架构建立在公司以往AI进展之上，文本和图像编码器来自4月开源的Meta Perception Encoder，检测模块基于DETR [37] - 在概念分割性能上取得跨越式提升，将cgF1分数提升了两倍，优于基础模型和专业模型 [39] - 推理效率高：在H200 GPU上对单张包含超过100个检测目标的图像仅需30毫秒即可完成推理，在视频中约五个并发目标的情况下仍可保持近实时表现 [39]