股票冲高！苹果或在使用中国金属3D打印机生产新款Apple Watch组件，引西方警惕...

转载 于 2023-07-18 08:49:36 发布 · 3.2w 阅读 · 0 ·
本内容遵循CC 4.0 BY-SA版权协议
原文链接：https://mp.weixin.qq.com/s?__biz=MzUzNDE4NDQyOQ==&mid=2247528589&idx=1&sn=255e012dd0bd93f66974b249f1bf34ff&chksm=fa9a980fcded11193e6e39c5adfaaa8061a735fad0be9aeae09cc9f4f3b43c23d6d3e66dad8c&scene=126&sessionid=0

9b8bf0248e9721b06dfe7075cade798c.png

7月17日，3D打印技术参考注意到，苹果或正在使用华曙高科和铂力特的金属3D打印设备大批量生产2023款Apple Watch Ultra相关部件。此消息获得报道后，3D打印相关股票多股冲高，甚至部分涨停！

3af1979913d6187d719c87cd346dde54.jpeg

截止发稿前

香港投资银行TF International的苹果金融分析师郭明錤在Medium上发表的一篇文章称，下一代Apple Watch Ultra将采用一些采用增材制造生产的机械钛合金部件。郭明錤在苹果亚洲供应链中的联系人获取数据，包括有关3D打印部件的情报。该网站还指出，该分析师的预测足够准确。

4ba09987b9482ef444f413305e715908.jpeg

第一代 Apple Watch Ultra

在用于生产Apple Watch Ultra机械部件的3D打印机供应链方面，IPG Photonics是激光组件的独家供应商，华曙高科和铂力特则提供3D打印平台。如果出货顺利，相信更多苹果产品将采用3D打印技术，这将有助于改善苹果供应链的生产成本，而上述供应商也将受益于这一新的生产趋势。

据外媒报道，这些组件可能包括数字表冠、侧按钮和其他操作按钮。上述组件是“Apple Watch Ultra”的唯一机械部件，此前采用CNC加工。虽然目前3D打印制造的机械零件仍需经过CNC工艺进行后处理，但该技术仍然可以提高生产效率并降低生产成本。

多股冲高的迹象表明，3D打印技术对于向知名大品牌供应链渗透可极大提升技术认可度，电子3C产品动辄千万级的发货量将为3D打印大批量制造带来极大契机，从而推动该技术向更多产品和行业发展。

苹果公司选择中国本土3D打印品牌制造相关组件，对于提升两家公司的国际市场认可度将起到极大推动作用。长期以来，两家公司着力布局海外市场，并已经取得了一定的品牌认可度。

苹果使用3D打印技术生产电子产品组件，是上周荣耀手机新品中使用该技术的又一重要助推。西门子增材制造副总裁Karsten Heuser通过LinkedIn首次在西方媒体报道了荣耀项目，他表示：“荣耀Magic V2通过设计钛合金铰链，在折叠状态下厚度仅为9.9毫米。根据公告，采用3D打印使其重量减轻了62%，并将铰链部件的数量从92个减少到仅4个。与传统加工的钢和铝部件相比，定制的钛合金部件的强度也得到了提高。”据3D打印技术参考了解，多家中国3D打印相关企业参与了该部件的设计和生产，其中汉邦科技有有渠道商参与其中。

aff82a02733203e3e725e0b960c7a126.jpeg

Heuser最后指出，“虽然欧洲增材制造行业的许多人仍然解释说增材制造只能实现小批量生产，但这些例子清楚的表明了增材制造大批量先进制造的道路。尤其是作为增材制造领域先驱的欧洲金属L-PBF设备公司，需要对这些发展保持警惕。”

注：本文内容由3D打印技术参考整理编辑，转载请点击转载须知。

欢迎转发

主编微信：2396747576（请注明身份）; 硕博千人交流Q群：248112776；网址：www.amreference.com

延伸阅读：

1.荣耀跨界航空工艺，钛合金3D打印首次被批量用于手机行业

2.听专家说 | 核动力、航空、航天3D打印技术应用到哪一步了

3.8月，传统工艺&增材制造：现场碰撞！

4.调查研究：增材制造，打开批量生产的新阶段

676971db39dc57d22636cbbeff5a9d6f.gif

f19200b15d66b60ff662b8a16fdf16b5.gif

CAD+说明书环锭设备普通级升装置设计
08-31
CAD+说明书环锭设备普通级升装置设计
Mcp-Server-Permission-Registry-v1.0-原创源码与文档.zip
08-31
100个独立原创工程工具中的单项资源，具体功能以资源文件名及README为准。每个压缩包均包含可运行源码、可复现合成示例、3项自动化测试、离线HTML/JSON/SVG报告、1080×720真实运行截图、运行说明、MIT License和原创与授权声明。Node.js 18+可直接运行，不包含榜单项目源码、模型权重、品牌Logo、官方截图、论文、生产日志或其他受限素材，适合开发者学习、工程预检和二次扩展。
轮廓中心识别算法-下载即用.zip
08-31
下载代码方式：https://pan.quark.cn/s/957405011bdf 在计算机视觉技术中，轮廓提取与中心识别被视为两项核心的技术，它们对于图像处理及模式识别领域扮演着不可或缺的角色。本文将深入剖析这两种算法，并围绕"轮廓提取(中心识别）算法"这一核心主题，同时结合所提供的压缩包文件"Contour"，对相关知识点进行详尽的阐述。 轮廓提取算法，主要功能在于识别并分离图像中的不同对象。该算法通过探测物体边缘，构建出明确的边界线，从而实现图像内部各组成部分的区分。在多色位图环境下，不同的色彩可能象征着不同的对象或区域，因此，一个性能优越的轮廓提取算法应当具备处理此类复杂场景的能力。常见的轮廓提取算法包括Canny边缘检测、Sobel算子、Laplacian算子和Hough变换等。这些算法各自具备独特的优缺点，究竟选择何种方法，需要依据具体的应用情境以及性能要求来决定。 1. Canny边缘检测：由John F. Canny所研发，这是一种自适应的多级边缘检测方法。Canny算法借助高斯滤波器来降低噪声干扰，随后运用强度梯度和非极大值抑制技术来定位最显著的边缘，最终通过双阈值检测来区分边缘与噪声。 2. Sobel算子：Sobel算子是一种基于梯度的边缘检测工具，它通过计算图像在水平和垂直方向上的梯度来探测边缘。此方法操作简便且效率较高，但可能对图像中的噪声较为敏感。 3. Laplacian算子：Laplacian算子是一种二阶导数算子，能够迅速识别图像中的尖峰（即边缘）。然而，它容易受到噪声的影响，因此通常需要与其他技术结合使用，例如Gaussian滤波。 4. Hough变换：Hough变换是一种在参数空间中进行边缘检测的方法，它能够检测出任意...
Reverse-Analysis-Evidence-Ledger-v1.0-原创源码与文档.zip
08-31
100个独立原创工程工具中的单项资源，具体功能以资源文件名及README为准。每个压缩包均包含可运行源码、可复现合成示例、3项自动化测试、离线HTML/JSON/SVG报告、1080×720真实运行截图、运行说明、MIT License和原创与授权声明。Node.js 18+可直接运行，不包含榜单项目源码、模型权重、品牌Logo、官方截图、论文、生产日志或其他受限素材，适合开发者学习、工程预检和二次扩展。
工业车间刀具刃口状态锋利顿口检测数据集VOC+YOLO格式1529张3类别.md
08-31
【重要提示】本资源设置为0积分下载，若非0积分请勿轻易下载 亲爱的CSDN用户： 首先感谢你点进这个资源页面。我需要提前说明一个重要情况： **本资源原本已设置为“0积分下载”**，即作者希望完全免费共享。但CSDN平台有时会根据文件的下载热度、文件大小、用户权限等因素，**自动将部分资源的积分调整为非0数值**（如1积分、2积分、5积分等）。这是平台系统的自动行为，而非作者本人的设定。 **因此，如果你当前看到该资源的下载所需积分不是0（例如显示为1、2、3……），请谨慎决定是否下载。** 如果你按照非0积分支付并下载后发现资源内容不符合预期、链接失效，或者实际上该资源本应是免费的，作者无法为此承担积分损失或退还操作。**强烈建议：仅在页面显示为0积分时进行下载。** 另外，本资源描述中**并未直接提供具体的下载地址或外部链接**，因为它本身是一个通过CSDN官方上传通道提交的文件/内容包。如果你看到描述中没有外部网盘地址，这是正常的——资源文件应通过CSDN内置的“下载”按钮获取。若因平台积分显示异常导致你支付了积分，请优先联系CSDN客服咨询积分退还政策，作者没有权限修改平台自动设定的积分值。 感谢你的理解与支持。技术分享本应开放，但受限于平台规则，特此提醒如上。祝学习进步！
RAG 知识库实战项目：文档切片+Embedding预处理+检索评估工具脚本（零依赖可跑）
08-31
一套零第三方依赖、开箱即跑的 RAG 知识库检索管道工具。使用方法三步：① python chunker.py sample_docs -o chunks.jsonl 对 Markdown 文档做标题感知切片（滑动窗口+重叠，输出 JSONL）；② python embed_prep.py chunks.jsonl --mode local -o vectors.jsonl 清洗分块并生成向量——mode=requests 可产 OpenAI 兼容批量 Embedding 请求体接任意模型服务，mode=local 用内置 n-gram 哈希向量零依赖离线联调；③ python eval_retrieval.py vectors.jsonl --queries queries.jsonl -k 3 对标注查询集计算 Recall@K 与 MRR 并输出逐条明细和调优提示。附样例文档与 4 条标注查询，样例集实测 Recall@3=75%、MRR=0.583（哈希向量基线，接真实 Embedding 后同套标注复测对比即得提升幅度）。Python 3.8+ 标准库即可运行，适用于企业文档检索最小管道搭建与 RAG 课程设计实验链条。
xmind安装包安装包安装包安装包安装包
最新发布
08-31
xmind安装包安装包安装包安装包安装包
hbm_write.xpu
08-31
hbm_write.xpu
搓牌的对应的预制体，prefab
08-31
搓牌的对应的预制体，prefab
解决Android Studio导入项目卡在“building gradle project info”问题
08-31
源码链接： https://pan.quark.cn/s/432c36f9786d ### 解决Android Studio 导入项目停滞在“building gradle project info”阶段的问题 #### 问题背景 在运用Android Studio进行开发活动时，开发者常常会遭遇在导入项目的过程中出现停滞现象，特别是在“building gradle project info”这一阶段。该问题的存在显著降低了开发效率，给开发者带来了诸多困扰。本文将深入阐述该问题的成因、应对策略及其内在机制。 #### 问题概述 当我们在Android Studio中尝试启动一个项目时，集成开发环境（IDE）会自动执行一系列初始化操作，其中包括构建Gradle项目信息（即“building gradle project info”）。这一过程主要是为了加载项目的依赖关系并解析项目结构，以便让开发者能够顺利开展后续的编码任务。然而，在某些特定情形下，这个过程可能会因为多种因素而陷入停滞状态，导致开发者无法继续进行工作。 #### 原因分析 1. **Gradle版本不匹配**：如果项目的`build.gradle`文件中指定的Gradle版本与Android Studio所支持的版本不一致，可能会引发兼容性问题。 2. **网络连接障碍**：构建过程中需要下载远程依赖或Gradle分发包，如果网络环境不稳定或传输速度过慢，则可能导致构建过程长时间处于等待状态。 3. **配置文件配置不当**：如`gradle-wrapper.properties`文件中的`distributionUrl`配置存在错误，或者文件缺失等。 4. **系统资源瓶颈**：例如内存不足...
电力场景变电站火灾检测数据集VOC+YOLO格式564张2类别.md
08-31
【重要提示】本资源设置为0积分下载，若非0积分请勿轻易下载 亲爱的CSDN用户： 首先感谢你点进这个资源页面。我需要提前说明一个重要情况： **本资源原本已设置为“0积分下载”**，即作者希望完全免费共享。但CSDN平台有时会根据文件的下载热度、文件大小、用户权限等因素，**自动将部分资源的积分调整为非0数值**（如1积分、2积分、5积分等）。这是平台系统的自动行为，而非作者本人的设定。 **因此，如果你当前看到该资源的下载所需积分不是0（例如显示为1、2、3……），请谨慎决定是否下载。** 如果你按照非0积分支付并下载后发现资源内容不符合预期、链接失效，或者实际上该资源本应是免费的，作者无法为此承担积分损失或退还操作。**强烈建议：仅在页面显示为0积分时进行下载。** 另外，本资源描述中**并未直接提供具体的下载地址或外部链接**，因为它本身是一个通过CSDN官方上传通道提交的文件/内容包。如果你看到描述中没有外部网盘地址，这是正常的——资源文件应通过CSDN内置的“下载”按钮获取。若因平台积分显示异常导致你支付了积分，请优先联系CSDN客服咨询积分退还政策，作者没有权限修改平台自动设定的积分值。 感谢你的理解与支持。技术分享本应开放，但受限于平台规则，特此提醒如上。祝学习进步！
中央企业如何快速引入数智化服务支持技术创新？.docx
08-31
中央企业如何快速引入数智化服务支持技术创新？
电力场景架空输电线路杆塔锈蚀鸟巢防震锤检测数据集VOC+YOLO格式199张3类别.md
08-31
【重要提示】本资源设置为0积分下载，若非0积分请勿轻易下载 亲爱的CSDN用户： 首先感谢你点进这个资源页面。我需要提前说明一个重要情况： **本资源原本已设置为“0积分下载”**，即作者希望完全免费共享。但CSDN平台有时会根据文件的下载热度、文件大小、用户权限等因素，**自动将部分资源的积分调整为非0数值**（如1积分、2积分、5积分等）。这是平台系统的自动行为，而非作者本人的设定。 **因此，如果你当前看到该资源的下载所需积分不是0（例如显示为1、2、3……），请谨慎决定是否下载。** 如果你按照非0积分支付并下载后发现资源内容不符合预期、链接失效，或者实际上该资源本应是免费的，作者无法为此承担积分损失或退还操作。**强烈建议：仅在页面显示为0积分时进行下载。** 另外，本资源描述中**并未直接提供具体的下载地址或外部链接**，因为它本身是一个通过CSDN官方上传通道提交的文件/内容包。如果你看到描述中没有外部网盘地址，这是正常的——资源文件应通过CSDN内置的“下载”按钮获取。若因平台积分显示异常导致你支付了积分，请优先联系CSDN客服咨询积分退还政策，作者没有权限修改平台自动设定的积分值。 感谢你的理解与支持。技术分享本应开放，但受限于平台规则，特此提醒如上。祝学习进步！
glibc中文文档-下载即用.zip
08-31
源码链接： https://pan.quark.cn/s/ecbf8f3df655 glibc的中文文档表述明晰，glibc是由GNU组织所推出的libc库，也就是C语言运行时库。 glibc构成了Linux系统中最基础的应用程序接口，几乎所有其它的运行时库都会基于glibc进行构建。 glibc不仅对Linux操作系统所提供的系统服务进行了封装，同时它自身也实现了众多其他不可或缺的功能服务。 考虑到glibc几乎涵盖了所有UNIX通行的标准规范，可以预见其内容将非常丰富详尽。
学生学业风险预测数据集（10万条合成学生记录）
08-31
本数据集包含10万条合成学生记录，专为构建早期学业风险预测机器学习模型而设计，文件大小约6MB。数据基于真实统计分布和相关性生成，涵盖出勤率、日均学习时间、历史不及格次数、作业完成率、父母教育水平、家庭收入、课外活动参与、互联网接入、上学期成绩和模拟期末分数等字段。目标标签为风险类别（安全、有风险、高风险）。数据集故意包含缺失值用于数据清洗练习。适用于教育数据挖掘研究者、学生预警系统开发者、分类建模学习者，以及使用逻辑回归、KNN、决策树、随机森林和XGBoost的机器学习实践。
Speech-Consent-Expiry-v1.0-原创源码与文档.zip
08-31
100个独立原创工程工具中的单项资源，具体功能以资源文件名及README为准。每个压缩包均包含可运行源码、可复现合成示例、3项自动化测试、离线HTML/JSON/SVG报告、1080×720真实运行截图、运行说明、MIT License和原创与授权声明。Node.js 18+可直接运行，不包含榜单项目源码、模型权重、品牌Logo、官方截图、论文、生产日志或其他受限素材，适合开发者学习、工程预检和二次扩展。
Tokenizer-Template-Mismatch-v1.0-原创源码与文档.zip
08-31
100个独立原创工程工具中的单项资源，具体功能以资源文件名及README为准。每个压缩包均包含可运行源码、可复现合成示例、3项自动化测试、离线HTML/JSON/SVG报告、1080×720真实运行截图、运行说明、MIT License和原创与授权声明。Node.js 18+可直接运行，不包含榜单项目源码、模型权重、品牌Logo、官方截图、论文、生产日志或其他受限素材，适合开发者学习、工程预检和二次扩展。
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值