瑞典增材制造过程监控与质量保证软件供应商Interspectral近日宣布，加入由瑞典国家创新署（Vinnova）资助的TRUSTAM研究联盟。该联盟旨在开发一种用于增材制造质量保证的联邦人工智能框架，重点面向航空航天与国防领域。项目名称TRUSTAM全称为“增材制造可信联邦智能”（Trusted Federated Intelligence for Additive Manufacturing），获得Vinnova数百万瑞典克朗的资金支持。联盟成员包括防务与航空集团萨博（Saab）、增材制造服务提供商AMEXCI，以及机器学习基础设施公司Scaleout Systems。

技术核心：联邦学习实现跨站点智能协同

TRUSTAM项目的技术核心是联邦学习——一种让AI模型在多个生产环境中集体改进的方法，而原始过程数据无需离开生成数据的工厂。只有模型更新在各站点之间交换，从而允许制造商共享运营智能，同时保留对专有工艺数据和知识产权的完全控制。Interspectral在项目中担任技术主导角色，负责开发本地AI模型（从每台机器的过程数据中学习的现场组件），并领导跨设施的监控、分析与决策工作流架构。

行业痛点与项目目标

Interspectral首席执行官Isabelle Hachette表示：“我们加入这一合作，是因为它解决的挑战是我们每天与客户一起遇到的：如何在不损害数据安全或IP所有权的前提下，将AI驱动的质量保证扩展到多个生产站点和不同的机器环境？这个问题需要协作回答，而这个联盟具有独特的优势来交付答案。”TRUSTAM项目的预期成果包括：针对特定机器和生产条件校准的本地AI模型；一个经过验证的安全跨站点AI协作框架；以及在真实航空航天和国防环境中测试的工作演示器。Interspectral表示，该项目还将直接反馈到其计划中的AM Explorer平台功能中，包括本地AI训练和多模态过程分析。Hachette补充道：“被信任担任该项目的技术核心，反映了合作伙伴对我们平台和能力的信心。”

该项目将持续至2028年初，以演示器阶段和向更广泛增材制造社区公开传播成果作为收尾。分析人士指出，联邦学习为多生产基地、多设备类型的增材制造质量统一管理提供了可行路径，尤其适用于对数据主权要求严格的国防供应链。若成功落地，有望减少因“数据孤岛”导致的工艺不一致问题，加速AI质量模型在不同工厂间的泛化能力。