从“试错炼金”到“按图索骥”：1.7 GPa钛合金背后的材料研发范式跃迁
2026年9月，天津大学何春年教授团队与香港城市大学吕坚院士团队在《Nature Materials》上发表了一项令人瞩目的成果：他们利用激光粉末床熔融增材制造技术，在Ti-Al-Cr合金中构筑出特征厚度小于10纳米的“超纳异堆垛带”，使材料屈服强度达到约1.5 GPa，抗拉强度约1.7 GPa，同时保持7.5%的均匀延伸率。
数字本身已经足够震撼。但真正值得关注的，是这组数字背后的方法论变革——以及它距离“造出来”与“用上去”之间，那条尚未被跨越的鸿沟。
传统合金研发的困局：为什么“炼金术”越来越难以为继
长期以来，金属材料研发遵循的是一种“试错炼金”模式。研究者基于经验直觉和有限理论，在成分空间中选取候选点，逐一实验验证。这种方法在过去一个世纪里贡献了无数经典合金，但它的效率正在逼近极限。
增材制造的出现，把这个困局推向了新的高度。LPBF工艺涉及数十个相互耦合的参数——激光功率、扫描速度、层厚、扫描间距、粉末特性、基板温度……每一个参数的变化都会剧烈改变热历史，进而重塑微观组织和力学性能。更棘手的是，增材制造的快速凝固条件将材料推向远离平衡态的区域，传统合金设计理论在这里的预测能力大幅衰减。
这意味着，研究者面对的是一个维度极高、非线性极强、且缺乏先验知识的搜索空间。依靠人力试错，无异于在黑暗中寻找一根针。
天津大学与香港城市大学团队的解法
这项研究提出的方案，本质上是为增材制造合金设计建立一条“数据流水线”：用高通量实验主动生成可靠数据，用机器学习在这些数据中寻找规律，再用实验验证机器的判断。
研究团队选择了Ti-Al-Cr模型体系，在统一的LPBF制备和测试条件下，系统改变Al、Cr含量以及激光功率和扫描速度，获得118组实验数据。关键在于“统一”——不同研究之间的设备差异、粉末差异、测试差异造成的噪声，在这里被最大程度地消除了。基于这批数据训练的XGBoost模型，对屈服强度和抗拉强度的预测决定系数分别达到0.97和0.87，预测误差低于50 MPa。
在此基础上，团队对38,052种虚拟成分-工艺组合进行预测，筛选高强度候选区域，仅对排名前5%的候选回到实验验证。筛选出的Ti-7.5Al-3.3Cr合金，其成分已经超出了传统铸造和变形钛合金长期使用的常规范围。
这引出了一个值得深思的问题：如果最终发现的优秀成分“不在传统认知的版图内”，那么过去几十年的合金设计经验，是否在某种程度上限制了我们的想象力？
图1 高通量实验-机器学习驱动的增材制造Ti-Al-Cr合金筛选
图2 钛合金纳米马氏体中的超纳异堆垛带及其形成
图3 增材制造钛合金的力学性能
“超纳异堆垛带”：一个被忽视的结构维度
这项研究的第二层价值，在于它揭示了一种此前未被充分认识的微观结构基元。
在Ti-7.5Al-3.3Cr合金的α′纳米马氏体内部，研究团队发现了由不同AB、BC、CA型原子堆垛序列组成的平行条带，特征尺度低于10纳米，三种堆垛变体以约5纳米的间距互生，界面处生成单周期面心立方单元。这些“超纳异堆垛带”贯穿马氏体板条，成为材料的基本结构基元。
更具启示意义的是这些界面的“双重人格”。对于a型位错，异堆垛边界将长位错分割为亚10纳米短位错段并产生钉扎，增加滑移阻力；对于型位错，同样的界面又促进位错增殖和多滑移系活动，使位错形成分散网络。这种“阻碍与持续激活并存”的行为，解释了材料为何能在获得超高强度的同时保持加工硬化能力。
这让人联想到一个更宏观的趋势：增材制造的真正价值，或许不在于“制造形状”，而在于“制造组织”。2021年，橡树岭国家实验室的研究者在《Additive Manufacturing》上展示了通过定制扫描路径来控制晶粒结构的精确方法，甚至打印出了每个区域具有不同微观组织的“蒙娜丽莎”图像。当微观组织可以被设计、可以被编程，材料性能的定制化就从“筛选”走向了“构筑”。
工程化的现实距离：两条“天津路径”的对照
然而，从一篇《Nature Materials》论文到一件可用的工程构件，中间隔着的可能不止是技术本身。
一个值得注意的对照，恰好发生在同一座城市。2026年9月，北京理工大学刘长猛团队的钛合金3D打印技术正在天津滨海-中关村展开中试放大验证。他们的目标是将钛合金结构件的生产成本从每公斤4000元降至1000元，将冶炼、铸造、焊接等十余道传统工序简化为一次打印成型，并且中试对象是直径3米的水下耐压壳体。
两件事放在一起看，呈现出一种耐人寻味的张力：一项在追求性能的物理极限，另一项在逼近制造的经济极限。何春年-吕坚团队的Ti-Al-Cr合金比强度达到约380 MPa·cm³/g，在550°C下抗拉强度仍高于1,100 MPa；而刘长猛团队的中试目标，是用“够用”的性能换“可承受”的成本。
两条路径并不矛盾，反而构成了一种互补。但何春年团队的研究中有一个细节值得注意：他们使用的Ti-Al-Cr体系，在元素成本上具备潜在优势，可能低于传统Ti-6Al-4V中日益昂贵的钒。这意味着，这项工作的“可规模化制造”潜力，从一开始就被纳入了设计考量——不是性能指标的附属品，而是与强度、塑性并列的约束条件。
安徽增材制造科技的判断
这项工作的标志性意义，不在于1.7 GPa这个数字本身——实验室条件下的超高强度钛合金此前已有报道。它的价值在于展示了一条可复制的方法论路径：用标准化高通量实验消除数据噪声，用机器学习扩展搜索边界，用原子尺度表征解释异常性能，最终回到工程化考量。
该合金的潜力也不止于常温指标：其比强度约达380 MPa·cm³/g，超越了增材制造的钢、铝、镍合金与多种高熵合金。这些数据共同指向一个“高强度—可塑性—可规模化制造”兼顾的组合。
这恰恰呼应了增材制造领域一个正在发生的认知转变。过去十年，行业的主流叙事是“用3D打印做出传统方法做不出的形状”。而未来十年的叙事，很可能是“用增材制造做出传统方法做不出的材料”。
当工艺的物理约束被转化为材料设计的自由度，当机器学习的搜索能力被嫁接在高质量实验数据之上，“从经验到数据、从试错到设计”的转变就不再是口号。天津大学与香港城市大学的这项合作，是这个转变进程中一个扎实的路标。
但路标不等于终点。1.7 GPa的Ti-Al-Cr合金距离走进航空发动机或医疗植入体，还需要跨越可重复性、规模化、认证体系等多重门槛。航空领域的适航认证要求材料性能数据的统计稳定性，118组实验数据对于验证一个物理机制已经足够，但对于建立一条合格的产品线，远远不够。而同一时期，GKN Aerospace与美国空军研究实验室联合启动的TITAN-AM项目，预算840万美元，目标正是将大型钛合金增材制造从“可行性”推向“工业安全”，其核心任务包括材料数据集构建、仿真能力建设和无损检测开发。这些工作，恰恰是“1.7 GPa”这个数字背后看不见的基础设施。
但这恰恰说明：材料研发的范式跃迁，不仅是“发现什么”的跃迁，更是“如何证明它可靠”的跃迁。何春年-吕坚团队的工作，在前一条路上迈出了一大步；而后一条路，需要更多像刘长猛团队那样的工程化探索，以及像TITAN-AM那样的系统性投入。
至少，它让我们看到了一个更高效、更理性的材料发现时代，正在从论文走向现实——速度未必快，但方向已经清晰。
参考资料
[1] Bai X., Hua D., Luan H., et al. Sub-10-nm stacking bands enable ultrastrong additively manufactured titanium. Nature Materials, 2026.
[2] 天津大学材料科学与工程学院. 何春年教授团队与香港城市大学吕坚院士团队合作Nature Materials：增材制造高强超纳结构钛合金. 2026-10-09.
[3] 香港城市大学. 城大联合研发：机器学习引导，增材制造超强钛合金. 2026-10-03.
[4] 北京日报. 北京研发天津转化 成本降四分之一 北理工钛合金3D打印攻克难题. 2026-09-16.
[5] Plotkowski A., Ferguson J., Stump B., et al. A stochastic scan strategy for grain structure control in complex geometries using electron beam powder bed fusion. Additive Manufacturing, 2021, 46: 102092.
[6] Talbot A., Dash S. S., Li J., et al. Active learning for the accelerated discovery of complex concentrated NiCoCr alloys in additive manufacturing. npj Advanced Manufacturing, 2026.
[7] GKN Aerospace. GKN Aerospace and U.S. Air Force Research Laboratory launch TITAN-AM programme. 2026-04.
#增材制造 #钛合金 #NatureMaterials #材料研发范式 #机器学习 #高通量实验 #超纳结构 #天津大学 #香港城市大学 #3D打印 #金属材料 #工程化#安徽增材制造科技
