消费品的未来是生成性的。
如今，链上生成算法主要用于视觉艺术领域，艺术家编写代码来创建数字和交互式作品、动画和印刷品。然而，艺术可能只是这种新的链上创作过程的第一个适用媒介。我们相信，链上生成媒体将在所有其他消费品和奢侈品垂直领域激增，而这种艺术过程将通过生成制造以独特的方式实现新型物理生产。
生成系列的吸引力是显而易见的：消费者渴望能够反映他们独特身份的独特产品，同时也将他们与更大的社区联系在一起。通过 1/1/x 模型，生成算法通过在更广泛的集合中创建具有凝聚力美学的单一作品来实现这一目标。这些独特的创作迎合了个人的特定品味，允许在部落内进行细粒度的表达，PFP 市场的迅速普及和围绕特定生成性状萌芽的利基社区证明了其在这方面的成功。
有趣的是，生成算法和 1/1/x 稀有度分布也解决了大规模生产和定制之间的紧张关系。在传统制造中，大规模制造定制产品通常不切实际且成本高昂。然而，生成算法可以直接集成到 3D 打印机、数控机床、激光打印机、自动织机和其他设备等制造硬件中，提供生产和分销方面的可行性，同时提供稀缺性和独特性。
社会动态与稀有性、数字创作与实体生产之间的相互作用，为新型消费品和奢侈品奠定了基础，这些消费品和奢侈品结合了算法随机性、最终用户参数化和可验证的独特性，以满足消费者的需求。
生成式制造的历史
艺术家们一直将技术作为探索创造力新维度的手段。随着时间的推移，这种关系发生了显着的演变，从纯粹的艺术努力转变为艺术与制造业的融合。
- 20 世纪 60 年代 - 早期生成艺术：艺术家开始尝试使用算法流程来创作艺术品。使用早期的计算机和编程语言以及笔式绘图仪等工具，曼弗雷德·莫尔（Manfred Mohr）、维拉·莫尔纳尔（Vera Molnár）和哈罗德·科恩（Harold Cohen）等艺术家开始创作算法驱动的艺术作品。
- 20 世纪 80 年代 - 个人电脑和软件革命：个人电脑的出现使数字工具变得更容易使用。这使得更多的艺术家能够尝试这些新颖的艺术过程。
- 20 世纪 90 年代至 2000 年代 - 增材制造的诞生和扩张：随着 3D 打印的出现和发展，艺术家看到了新的机遇。生成艺术家开始尝试使用这些工具，直接根据软件驱动的设计创作雕塑和装置。
- 2000 年代至 2010 年代 - 数字艺术遇见数字制造：随着这两个领域的成熟，数字艺术家将与制造商、建筑师和设计师合作，实现大型装置。The Living 的 Hy-Fi 塔等项目使用了由玉米秆和蘑菇培育的有机砖，在其构思中融入了生成设计原则，并使用现代制造方法进行创作。大约在这个时候，为艺术家量身定制的软件工具（例如Processing）使他们能够创建复杂的程序化艺术，而无需深厚的编程知识。
- 2010 年代 - 工具和方法的成熟：生成艺术平台和框架（例如 openFrameworks 和 TouchDesigner）越来越受欢迎。这些工具与更易于使用和先进的 3D 打印、激光切割和 CNC 铣削技术相结合，实现了无缝生产。例如，像 Nervous System 这样的艺术家使用生成算法来设计独特的珠宝和服装，然后进行 3D 打印。
- 2020 年代 - 融合与协作：艺术、设计和制造之间的界限变得越来越模糊。艺术装置、建筑结构，甚至日常物品现在都展示了这种组合可以产生的独特美学和功能。值得注意的是，此时链上艺术重新燃起了人们对生成艺术领域的兴趣，使用加密输入作为链上收藏的随机种子。加上数字物理空间中的新基元，我们正在数字创作和物理生产的结合中取得新的滩头阵地。
当今的生成艺术家不仅在创作艺术，而且在创作。他们正在重新定义消费品，将美学价值与功能设计融为一体，并推动艺术和工业的前沿发展。
Web3 实验
在 web3 中，有各种关于生成式制造的早期实验。
Trame x CPG 的Craft Nouveau是一系列专注于将传统工艺与生成艺术相结合的系列，展示了生成代码保存全球文化艺术风格的能力。Alexis André 的 Navette是 Craft Nouveau 的首个系列，其中 Alexis 编写了一种算法，可以生成旨在由 Neolice Loom 自动编织的图像 - Neolice Loom 是一种自动织布机，可以提取代码来编织实体作品。
fx (hash)生态系统在制造方面进行了大量实验——可能是由于其无需许可的自我发布方法。Klangteppich 是一种不断发展的动态 NFT，为织机提供指令，并允许收集器接收任何生成帧的物理片段。Mini Dahlias 在 NFT 的元数据中包含用 14 层激光切割 α-纤维素垫板创建 3.5 x 2.0 袖珍雕塑的说明。Nuages 可能会在 Joanie Lemercier 的云系列上创造出一些变化，其中的输出是由物理空间中的绘图机重新创建的代码。
除了工艺和艺术之外，时尚是衍生制造探索最多的途径之一。9dcc 生产的 Iteration-002 是生成设计与物理产品相结合的早期例子。Iteration-002 衬衫是使用插入 SnowFro 的 Squiggles 算法的打印机实时生产的。打印机依靠源代码的算法随机性来确定衬衫上打印的设计的特征，并且遵循与原始 10k 系列相同的特征分布。
Tribute Brand 最近还重新混合了 Chromie Squiggle 算法来制作服装。Chromie Squiggle 持有者可以使用其独特的 Chromie Squiggle 生成个性化毛衣，而其他人则可以通过原始的 Chromie Squiggle 算法生成独一无二的毛衣。此次掉落包括源自 Chromie Squiggle 源代码的数字和实体 ODDS 毛衣。这些数字对象可以作为未来毛衣版本的蓝图，并可以在沉浸式环境中用作皮肤，每个独特的 ODDS 数字对象都可以兑换相应的 ODDS 实体毛衣，由 Waste Yarn Project 手工制作。
其他著名的生成时尚项目包括 mmERCH 和 RSTLSS，这两个项目都计划围绕算法随机性和设计进行实验。
Deep Objects 对生成产品采取了稍微不同的方法，使用社区策展引擎将其 GAN AI 模型生成的一百万个设计削减为单个设计。这最后一件作品现在将在社区驱动的生成产品创作展示中进行 3D 打印。
生成式制造堆栈
衍生式制造堆栈可分为 5 层：
- 创建：使用算法或人工智能流程生成设计或概念的初始阶段。
- 策展：选择和完善生成的设计以实现期望的结果或规格的过程。
- 翻译：将数字设计转换为制造设备使用的机器可读指令或代码。
- 制造：使用各种材料和设备进行设计的物理生产或制造过程。
- 身份验证/链接：验证制造产品的真实性并将其链接到其数字孪生以确保来源。
创建层
创造商品从代码开始。p5.js 和 Processing 等库为艺术家和设计师提供了创作生成艺术的强大工具。这些库使用从 tx 哈希、令牌数据、块头等生成的种子通过链上随机性进行扩展。ArtBlocks Engine 和 fx(hash) 等链上艺术引擎允许艺术家轻松地将这些随机种子插入他们的代码中，并直接在链上铸造艺术品。
对于人工智能艺术家来说，这一层专注于模型开发和微调，以创造所需的美感。他们通常首先选择一个预先存在的人工智能模型，例如生成对抗网络（GAN）作为基础。通过反向传播，模型权重逐渐提高，以生成符合所需风格的艺术作品。艺术家通过策划最具吸引力的输出并将其合并回训练数据集来提供反馈。这个迭代过程继续进行，完善模型的性能并允许艺术家探索不同的可能性。除了自定义模型或稳定扩散 LoRA 之外，还有一些工具可以简化此过程，例如 Scenario.gg。
管理层
在创建层之后，可以进一步细化代码的输出以匹配用户的偏好。在创意编码环境中，这通常采用多人参数化的形式，就像 fx(hash) 的 fx(params) 所提供的那样。
在人工智能生成模型的背景下，管理通常是通过更广泛的代币持有者社区来完成的，就像 Botto 的生成算法和 Deep Objects 的社区设计流程一样。
工作室或自行出版是策展过程的最后一步。这就是像 Trame 和 ArtBlocks 这样的生成工作室向公众展示作品的地方，或者 fx(hash) 作为自助出版商的地方。
翻译层
一旦设定了算法和设计，生成的产品就必须转换为用于制造硬件的机器可读指令。翻译是一个相对简单的过程，其目标是在物理空间中尽可能准确地再现原件。
翻译可以通过几种不同的方式完成，包括：
- 艺术家/收藏家解读。翻译对象的最简单方法是将物理设计规范留给艺术家或收藏家。他们将决定一件作品的制作方式、使用的材料、具体尺寸等。
- 嵌入特征。一种更具可扩展性和有趣的方法是将制造所需的物理信息嵌入到 NFT 本身中。NFT 元数据中的特征定义了解释区域（例如挂毯的线数、线大小、编织指令等）。
- 直接实例化。第三种方法是直接生成可解释资产：生成算法已经适用于制造硬件，或者算法的输出是 3D 打印文件或 3D 网格的顶点。
制造层
翻译后，生成的商品被制造出来。制造阶段是将虚拟设计转换为物理对象的关键步骤。3D 打印、数控铣削、激光切割、机器人打印机和自动编织等多种技术可用于创建不同材料和形状的物体。
对于上面提到的 Trame 与 Alexis Andre 的第一次合作，Neolice Loom 被用作制造硬件。Neolice Loom 接收艺术家的自定义脚本，并通过编织将代码重新解释到 3D 空间中。Trame 也正在扩展到新的媒介 - 上图突出显示了生成陶器的实验。
虽然 Artmatr 专门针对当今的生成艺术制作，但它强调了先进的制造工具可以为数字产品的物理生产发挥什么作用。艺术家与 Artmatr 团队合作提交各种数字文件格式，例如代码、3D 模型、PSD 文件 (Photoshop)、矢量和动画。接下来，他们定义物理“线程”，包括介质（油、紫外线、丙烯酸）、基材、尺寸等参数。最后，这是通过使用机械臂和六轴打印机等机器来实现的。利用喷墨打印、喷枪和挤压等不同技术，所得拓扑可以是 2D、2.5D 或 3D。
认证/链接层
创建物理对象后，需要将其链接回其数字孪生。这类似于时尚等其他空间的数字物理过程。使用Kong 和 IYK 制造的近场通信芯片、速记和 QR 码只是连接数字与物理并提供来源认证的一些技术。
请查看我们最近关于数字物理基础设施的文章，或者我们关于数字时尚的文章，其中深入探讨了时尚特有的数字物理策略。
未来的可能性
展望未来，我们预计现有的链上生成艺术将充当衍生品的程序。我们通过在各种时尚项目中使用 Squiggles 看到了这一点，另一个早期的例子是 Terraflows，这是一个建立在 Terraforms 艺术程序之上的流场研究。这种网络艺术可以在物理空间中对生成艺术进行令人着迷的重新诠释。例如，可以使用 Fidenza 艺术脚本为 3D 打印房屋创建建筑布局。
未来另一个有趣的可能性是分散制造设施的代币化，用于在某种物理基础设施网络中大规模生产生成品。拥有适当设备的爱好者和商业制造商可以通过竞标收藏家或艺术家发布的工作来打印或创作作品。令牌可以计量该硬件网络并帮助引导制造设施的初始成本。这与带有链上代码的 CC0 范例配合得特别好。
更进一步来看，合成生物学和/或化学制造对于生成质量来说也可能是一个有趣的途径：例如，生成代码可用于通过算法确定实验室生长的晶体的特征、植物的表型等。
—
我们坚信在线网络接入物理空间的数字物理未来。生成式设计，包括算法随机性、最终用户参数化和可验证的唯一性，是我们期望移植的一个这样的程序——现有的制造硬件能够实现这一目标。
如果您正在艺术与技术+数字与物理的交叉点进行建筑，请联系我们。
文章声明：以上内容(如有图片或视频亦包括在内)除非注明，否则均为谈天说币原创文章，转载或复制请以超链接形式并注明出处。