Ai làm in 3D đủ lâu đều có một “nghĩa địa” mẫu in hỏng: chi tiết cong vênh, lớp bị tách, bề mặt rỗ, kích thước lệch nửa milimet. Mỗi mẫu hỏng là một lần thử thông số: nhiệt độ đầu phun, tốc độ, độ dày lớp, quạt làm mát, mật độ điền đầy. Với nhựa thì tốn vài chục nghìn đồng và vài giờ. Với kim loại, mỗi lần thử có thể tốn hàng trăm đô la và cả ngày máy.

Vì vậy, nghiên cứu mới về ứng dụng AI để tìm thông số in hợp kim đồng khiến tôi đọc đi đọc lại mấy lần.

40 thí nghiệm thay vì hàng nghìn: AI và hợp kim GRCop-42

Theo ScienceDaily (nguồn từ Đại học Washington State, đăng ngày 27/8/2026), nhóm nghiên cứu dùng AI để tìm kiếm trong hơn 100 triệu tổ hợp thông số in cho hợp kim GRCop-42, loại hợp kim đồng – crom – niobi mà NASA dùng cho buồng đốt động cơ tên lửa. Chỉ sau 40 thí nghiệm trong ba tháng, họ tìm được 6 cấu hình in thành công, và lần đầu tiên in được hợp kim này ở công suất laser 500 W.

Chi tiết thú vị nhất: mô hình AI được “dạy” từ chính dữ liệu của 37 cấu hình in thất bại trước đó. Tức là mẫu hỏng không vô ích, nó là dữ liệu. Giáo sư Jana Doppa, một thành viên nhóm, cho biết khoảng 90% máy in kim loại thương mại không in được hợp kim này, và kết quả nghiên cứu giúp “dân chủ hóa” việc in nó trên những máy phổ biến hơn.

Đồng là vật liệu khó in bằng laser vì phản xạ mạnh và dẫn nhiệt rất nhanh. Máy công suất thấp thường không nung chảy được đủ sâu. Việc AI tìm ra vùng thông số chạy được trên máy 500 W mở ra khả năng nhiều xưởng hơn có thể làm chi tiết tản nhiệt, cuộn cảm ứng, kênh làm mát bằng đồng.

Từ phòng thí nghiệm đến xưởng: AI đã ở quanh chúng ta

Nghe “AI tối ưu thông số” có vẻ xa vời, nhưng thực ra nó đã len vào công việc hằng ngày. Phần mềm cắt lớp (slicer) của nhiều hãng máy để bàn đã có tính năng tự hiệu chỉnh lưu lượng, bù rung, nhận diện lỗi lớp đầu bằng camera. Ở mảng công nghiệp, các phần mềm thiết kế tối ưu hình học (topology optimization, generative design) dùng thuật toán để đề xuất hình dạng nhẹ hơn mà vẫn đủ bền.

Một ví dụ khác ở quy mô sản xuất hàng loạt: CafeF dẫn thông tin rằng với mẫu điện thoại gập iPhone Duo, AI được dùng để chọn cách ghép từng bản lề với phần vỏ phù hợp nhất, trong khi máy in 3D bồi vật liệu để bù sai lệch vài micromet. Dù vậy, mỗi ngày dây chuyền chỉ lắp được vài trăm máy, cho thấy công nghệ tiên tiến vẫn còn nhiều giới hạn về năng suất.

Máy để bàn đã rẻ, nhưng thị trường đang thay đổi

Ở Việt Nam, in 3D để bàn đang phổ biến nhanh. VnExpress ghi nhận một máy in khổ 330×320×325 mm in được 4 màu có giá khoảng 15 triệu đồng, loại nhỏ hơn từ khoảng 6 triệu đồng. Một mô hình ba màu cao khoảng 30 cm in hơn 5 giờ, chi phí vật liệu khoảng 80.000 đồng. Thời gian làm mẫu rút từ hàng tuần xuống còn vài giờ.

Tuy nhiên, số liệu thị trường toàn cầu quý 2/2026 của hãng phân tích CONTEXT, được 3D Printing Industry đăng tải, cho thấy phân khúc máy giá rẻ có dấu hiệu bão hòa. Bốn hãng lớn chiếm 87% số máy giá rẻ xuất xưởng, còn phân khúc chuyên nghiệp (2.501–20.000 USD) giảm 24% doanh thu. Ngược lại, doanh thu máy công nghiệp tăng 40%, trong đó máy in kim loại chiếm 75%.

Góc nhìn kỹ sư: AI rút ngắn thử–sai, nhưng không thay được quy trình

Sau nhiều năm làm dịch vụ in 3D, tôi rút ra ba điều khi nhìn vào làn sóng AI này:

• Hãy lưu dữ liệu mẫu hỏng. Ghi lại thông số, vật liệu, độ ẩm, kết quả đo kích thước của mỗi lần in, kể cả lần thất bại. Đó chính là “nguyên liệu” để AI, hoặc đơn giản là kỹ sư, tìm ra quy luật.
• AI giúp tìm vùng thông số, con người quyết định tiêu chí. Máy không biết chi tiết của bạn cần bền ở hướng nào, mặt nào cần đẹp, lỗ nào cần chính xác. Kỹ sư phải định nghĩa “thành công” trước.
• Chuẩn hóa và chứng nhận vẫn là rào cản thật. Với chi tiết chịu lực, y tế hay hàng không, một bộ thông số in tốt chỉ là bước đầu. Còn kiểm tra cơ tính, kiểm tra không phá hủy, hồ sơ truy xuất.

Với các xưởng nhỏ ở Việt Nam, cơ hội lớn nhất có lẽ không nằm ở việc tự phát triển AI, mà ở việc biết tận dụng công cụ có sẵn trong phần mềm, đồng thời xây dựng thói quen ghi chép dữ liệu bài bản. Khi đó, mỗi máy in trong xưởng không chỉ làm ra sản phẩm mà còn tích lũy kinh nghiệm cho cả đội.

Lời kết

Tôi tin rằng vài năm tới, câu hỏi “in vật liệu này với thông số gì?” sẽ được trả lời nhanh hơn rất nhiều nhờ AI. Nhưng câu hỏi “chi tiết này có nên in 3D không, và in thế nào để đạt yêu cầu sử dụng?” vẫn cần người kỹ sư hiểu cả vật liệu, máy móc lẫn ứng dụng thực tế.

Nguồn tham khảo: ScienceDaily (27/8/2026), CafeF (10/9/2026), VnExpress (9/9/2026), 3D Printing Industry (16/10/2026).
Nguyễn Cường tổng hợp

Câu hỏi thường gặp

AI giúp gì cho việc tìm thông số in 3D?

Gợi ý và tối ưu thông số theo vật liệu, hình dạng, giảm số lần in thử.

Có thể tin hoàn toàn thông số do AI đề xuất?

Không; vẫn cần in thử và kiểm tra thực tế.

Ứng dụng AI nào phổ biến trong in 3D?

Phát hiện lỗi in qua camera, tối ưu thông số, tạo mô hình từ ảnh hoặc mô tả.