3D开发者多年来苦练的物理演算，仅凭一句话就能搞定。 从英语指令生成复杂的3D粒子效果，并能立即输出React或three.js代码的免费工具问世。 数学与物理引擎的壁垒消失，即时将创意转化为实体的时代到来。 体验👇

制造奇点正在逼近：AI + 3D打印将孕育出自我迭代的机器 过去几十年，制造业的进步一直是线性的。工厂更大，机器更精密，效率更高，但本质没有改变：人类设计机器，机器生产产品。现在，这个结构正在发生第一次根本性的改变。 AI和3D打印的结合，正在让制造系统本身成为可以被改进的对象。一旦制造系统能够递归改进自身，制造能力就不再是线性增长，而会转向指数增长。这就是所谓的“制造奇点”。 但这个奇点不会以突然爆发的形式出现，而是通过一系列早期信号逐步显现。我们现在，正处于这个过程的最早阶段。 制造第一次变成“信息问题” 传统制造有一个根本限制：数字设计无法直接变成物理世界。 设计必须经过工厂、模具、供应链，才能成为产品。每一次改进，都需要昂贵的生产准备和漫长的周期。 3D打印改变了这一点。 它第一次让制造变成了一个直接的数字过程： 设计 → 直接制造 没有模具，没有复杂准备，没有规模门槛。这意味着制造第一次成为“信息驱动”的过程，而不是“资本驱动”的过程。 这一步本身已经足够重要，但真正的突破来自AI。 AI让设计本身成为自动化过程。过去，设计速度受限于工程师数量。现在，设计速度受限于算力。 当设计速度和制造速度都变成计算问题时，制造能力就可以像计算能力一样增长。 递归自我改进：制造系统第一次可以改进自身 更深层的变化在于，3D打印机可以制造改进自身的结构。 打印机可以打印： 更稳定的结构件 更轻的支架 更精密的运动组件 当AI参与这个过程时，循环就变成： 设计 → 打印 → 测试 → 改进 → 再打印 → 再改进 这是一个闭环。 过去，系统改进依赖人类。现在，系统本身参与改进。 这是制造领域第一次出现真正意义上的递归自我改进。 类似的循环已经在计算领域发生： GPU训练AI → AI设计更好的GPU → 更好的GPU训练更强AI 制造领域正在进入同样的轨道。 就像vibe coding一样，vibe making将让制造第一次成为普通人的表达工具 过去，要制造一个产品，你必须掌握CAD建模、结构设计和制造知识。 现在，一个想法就足够： 描述结构 → 自动生成模型 → 直接打印 这被称为“vibe making”。 它和vibe coding的本质是一样的，只不过对象从软件变成了物理世界。 这意味着制造能力第一次从工程师扩展到普通人，人类第一次迎来制造平权 这也是为什么制造的核心正在从传统制造公司转向三类公司： 第一类，是提供计算能力的公司。因为计算决定设计速度。 第二类，是提供设计软件和设计平台的公司。因为设计成为核心环节。 第三类，是提供新一代打印系统的公司。因为它们是执行层。 制造正在变成一个计算问题，而不是一个资本问题。 当制造系统可以改进自身，改进速度就不再受限于人类。 制造成本将持续下降。 制造复杂度将持续上升。 创新速度将持续加快。 最终结果是，制造能力将像计算能力一样增长。 我们今天看到的不是爆发，而是爆发前的结构重组。 就像2005年的GPU行业，看起来平静，但已经无法逆转。 制造业正在进入同样的轨道。

库巴姬 VS 幽灵姬 cos 3D VS 2D ，你怎么选？？ 这是我在Instagram上收到图片，谢谢！都是我cos的角色～ʕ •ᴥ•ʔ #Bowsette# #bowsettecosplay# #boosette# #boosettecosplay# #キングテレサ姫# #クッパ姫#

兄弟们！答应你们晚上开源，它来了 image to 3D模型目前只对接了线上： 你们也可以改其他家，或者本地模型 记得点赞关注，用的好GitHub也给一颗小星星👇

半导体封装的“隐形中枢”：inline检测与OSAT的再定价 半导体产业正在经历一次重心转移：性能提升不再只依赖晶体管缩小，而是越来越依赖封装。2.5D、3D、HBM、chiplet，本质上都在把“系统能力”搬到封装环节。这也直接抬高了OSAT（外包封装与测试）的战略地位。 封装重要性的提升，带来了inline检测的快速增长。 OSAT（Outsourced Semiconductor Assembly and Test）负责两件事： 把裸die封装成可用芯片（封装） 验证芯片是否可用（测试） 过去这是一个低技术、低毛利的环节。但在AI时代，情况变了： 多die集成（chiplet） HBM堆叠 nm级对准要求（hybrid bonding） 封装正在变成： 性能瓶颈 + 良率瓶颈 + 成本瓶颈 inline是一种生产方式：所有工序连续完成，并在生产过程中实时检测与反馈（闭环） 对应另外一个环节是offline：做完再测（开环） 先进封装中的inline检测主要分三类： 1）光学检测（主力） bump高度 overlay（对准） 表面缺陷 特点：速度快，可全量inline。 2）X-ray检测 焊点空洞 TSV缺陷 内部结构问题 特点：能看内部，但速度慢，多用于抽检。 3）电性测试 功能验证 性能分档 更接近最终测试，不属于核心inline控制体系。 inline检测的目标不是“最精确”，而是在不降低产线效率的前提下，实现足够精确的实时反馈 核心矛盾：精度 ↑ → 速度 ↓；速度 ↑ → 精度 ↓ 先进设备的价值，就是在这个矛盾中找到最优解。 inline检测的壁垒来自多维叠加： 1）物理极限 nm级对准 μm级结构 工业环境下接近科研精度 2）速度 vs 精度的工程平衡 高throughput + 高精度同时实现 3）算法与数据 缺陷识别、pattern分析 强依赖历史数据与持续训练 4）工艺耦合 测量 → 调整工艺 → 再测 形成闭环系统 5）客户验证 TSMC / Samsung Electronics / Intel 验证周期长（1–3年） 一旦导入，很难替换 所以门槛极高。inline设备不是工具，而是嵌入客户制造系统的一部分。因此这个市场高度集中： 系统级控制 KLA Corporation Applied Materials → 控制数据与闭环 关键测量节点（alpha来源） Camtek Ltd. Onto Innovation Nova Ltd. → 控制关键测量维度 三家核心玩家对比（Onto / Nova / Camtek） 这三家公司虽然同在inline赛道，但本质上卡的是不同位置。 一句话结论 Onto = 广度（平台） Nova = 深度（前道工艺） Camtek = 弹性（先进封装/HBM） 1️⃣ Onto Innovation 定位： 前道 + 封装双覆盖 optical metrology + inspection + litho 优势： 产品线最广 客户最分散 抗周期能力强 劣势： 单点技术不如Nova深 封装不如Camtek极致 2️⃣ Nova Ltd. 定位：前道metrology核心玩家 优势： 技术深度最强 工艺绑定最深 数据壁垒最强 劣势： 封装参与较少 弹性不如Camtek 3️⃣ Camtek Ltd. 定位： 先进封装（HBM / 3D） 优势： 聚焦3D检测 HBM需求直接驱动 使用频率极高 劣势： 产品线较窄 对周期敏感 竞争关系本质 KLA = 控制系统 Onto = 广覆盖 Nova = 深度测量 Camtek = 封装核心检测 这不是单一赢家市场，而是： 每个关键测量维度一个龙头 封装是制造能力，检测是控制能力。区别在于： 封装 → 可扩产、可竞争 检测 → 嵌入流程、难替代 inline检测具备三个核心特征： 高频使用（每一步都测） 强绑定（工艺耦合） 决定良率（直接影响利润） 在这个体系中：谁打通从设备到数据的全节点，掌握“反馈权”，谁就掌握利润分配权。 免责声明：本人持有文中提及的标的，观点必然偏颇，非投资建议dyor