根据市场观察，GE将与橡树岭国家实验室（ORNL）以及施乐旗下的PARC公司合作，以喷气发动机，风力涡轮机和燃气轮机等涡轮机械中的复杂热、流体零部件为切入点，通过人工智能技术、超级计算机将这类3D打印零件的创建与验证时间减少近65%。这一合作项目获得了130万美元的项目资助。

如今，开发设计用于喷气发动机，风力涡轮机和燃气轮机等复杂动力产品的新组件，往往需要涉及到数十位专业人士，共同对组件的结构、热特性、流体特性进行研究。在设计增材制造-3D打印组件时，需要考虑诸多因素，例如材料成分对热量和应力的响应程度，面向增材制造的设计如何影响气流或空气动力学性能等。汇集这些跨界知识，并完成一种3D打印零件验证的过程可能长达2到5年。

该项目将以实现无缺陷、高性能的3D打印组件设计为最终目标，与铸造等传统工艺生产的零部件相比，这些3D打印组件将能够承受高温和高应力，并具有优化的性能。GE研发增材制造业务负责人对于这一项目对3D打印技术的意义做了进一步说明，由此可以看到这一项目对于增材制造的意义。他表示，减少创建和验证无缺陷的3D打印组件设计所需时间，是实现3D打印的广泛使用关键因素之一，使用支持多物理功能的工具和人工智能技术，将使3D打印组件设计整个过程自动化，并使得增材制造过程比某些传统制造工艺更快。3D打印组件结构特性的优化已经实现自动化，但热和流体特性优化还没有实现，这一项目将利用人工智能技术，从增材制造可生产性数据自动生成代理模型，并将设计与多物理场设计优化技术进行无缝集成。

项目团队将使用ORNL实验室的Summit超级计算机，以前所未有的精度创建这些基于人工智能的的代理模型。除此之外，ORNL高通量同位素反应堆将被用于分析增材制造组件，分析数据将用于训练和评估人工智能创建的模型。

人工智能在自动生成3D打印组件设计模型中起到了重要作用。根据项目成员之一PARC，人工智能技术可以加速创成式设计，这是一项能够显著减少设计与制造优质3D打印零件的重要创新性技术。使用机器学习人工智能技术，使得自动生成的功能集成3D打印零部件能够满足现实世界的应用需求，为制造业提供创新性的增材制造解决方案。