摘要： 在选择性激光熔化（SLM）工艺中，传统的切片逻辑往往局限于几何层面的盲目分割，缺乏对零件功能意图的深度理解。安世数擎基于此前提出的“体素区域划分”方案，通过持续技术迭代与算法深挖，最新获批一项关键AI发明专利授权（专利号：ZL 2025 1 1678816.4）。该专利通过体素级语义提取技术，实现了对既有体素工艺的智能化进阶，标志着增材制造正式迈入从“人工经验驱动”向“AI语义驱动”跨越的2.0时代。

在先进制造领域，SLM 打印工艺参数的规划高度依赖对零件复杂结构的认知。然而，现有的神经网络模型在进行语义提取时，通常存在两大技术瓶颈：功能意图识别不足（传统方法往往局限于几何或拓扑特征，导致提取的语义缺乏功能偏向）；分层逻辑的单一性（现有网络通常以相似的粒度对模型进行语义分析，这种“一刀切”的体素化方式极易忽略模型的细节特征，导致最终语义识别结果的准确性受限）。

正向增材体素区域划分方案首次实现了对模型微观区域的独立控制，通过将几何体划分为精细花纹区、结构承力区、光亮表面区及透气区域等模块，赋予了打印过程精细化控制的能力。

安世数擎最新取得的发明专利《基于人工智能的三维模型结构语义提取方法及系统》则是对该方案的智能化深耕与底层算法支撑。该技术旨在通过AI手段自动提取零件的三维结构语义，解决传统体素分区中依赖人工经验标注的效率瓶颈，将体素化切片技术从单纯的几何空间分割提升至深度语境感知的维度。

本专利技术通过三大核心“算法引擎”，实现了AI对工程意图的深度解析：

01 | 自适应感知：动态几何复杂度的精准捕捉

在既有分区策略基础上，新专利引入了基于DBSCAN聚类的自适应体素化算法，通过分析曲率及点云密度，能够针对精细花纹区等复杂几何突变区域，自动缩小体素尺寸以实现最高精度保留；而在平滑区域则动态扩大体素，实现制造效率与精度的平衡。