150位制造高管：AI先动了报价单

工厂主们嘴上聊的是黑灯工厂，钱包投票的却是报价单。

Xometry最近做了一份覆盖150位制造高管的调研，结论有点反直觉：AI对制造业影响最大的领域，不是大家想象中机器臂挥舞的产线，而是可制造性分析和成本核算——说白了，是图纸进厂之前、钱花出去之前的那两步。与此同时，企业AI和自动化工具的采用率在持续上升，但配套的人却是最难招的。

这一冷一热之间，藏着制造业智能化真实的落地逻辑。

📊 一份问卷里的行业风向

看一家工厂的智能化水平，别看它展厅的大屏，看它报价的速度。

场景是这样的：一家做精密机加工的中小厂，客户扔过来一张图纸，问“多久能交、多少钱”。传统流程是老工程师看图、估工艺、查材料价、拍脑袋加个利润率，快则半天，慢则两三天。客户早就把同样一张图发给了五家供应商，谁先报价谁先赢。

Xometry的这份150人高管调研，指向的正是这个环节。受访高管普遍认为，AI影响力最集中的两个领域是可制造性——图纸能不能高效率地造出来、怎么造更优——以及成本核算，也就是报价与成本测算的准确性。

这组数据背后的逻辑并不复杂。产线改造动辄千万级投入，试错成本高、回收周期长；而可制造性分析和成本核算是纯数字环节，输入图纸和参数，输出判断和数字，AI天然适配。高管们不是不想上黑灯工厂，而是先用小投入的环节验证AI，把风险锁在最小范围。

据多位接近制造业数字化转型项目的人士反馈，这两年工厂立项AI项目的普遍思路已经从“整线改造”转向“单点突破”，报价和工艺评审是最常被点名的切入点。

💰 为什么是报价单，而不是机器臂

AI进厂的第一站，往往是离机器最远、离钱最近的地方。

拆开看这两个被点名最多的领域。

可制造性分析，行话叫DFM，本质是回答一个问题：这张图纸，按我现有的设备、刀具、工艺，能不能造？哪里会出问题？公差太紧怎么办？薄壁件会不会变形？过去这活完全靠老师傅的经验，一个合格的工艺评审工程师要养五到十年。而AI可以基于历史加工数据，在几分钟内给出风险点提示，把老师傅从重复评审中解放出来，去处理真正棘手的疑难件。

成本核算则是另一门学问。一件零件的成本由材料、工时、设备折旧、良率损耗等一长串变量构成，人算得慢，还容易算错。报价慢丢单，报价错亏钱——很多中小制造商的利润，就是在草率的报价里一点点漏掉的。AI把成本模型固化下来，报价又快又稳。

注意一个关键点：这两个领域都不直接碰产线。它们改的是“决策层”而非“执行层”，出错的代价是慢一点、错一单，而不是停线报废。这是制造业对AI信任建立的第一步——先让AI当参谋，再让它当操作工。

这也是对过去几年PPT智造的一记回调。喊了多年无人工厂，真正让老板掏钱的，是那些能算清账的应用。

🏭 从报价到车间：一条务实的落地路径

先算得清，再造得出，最后才谈得上无人。

把调研结论放进工厂全流程，能看出一条清晰的AI渗透路径：

这条路径的妙处在于闭环。前端AI做的可制造性判断和成本测算，其准确性依赖历史生产数据的喂养；而每一次生产执行的结果，又反过来校准前端的模型。数据在报价端和车间端之间流动，越转越准。

同样的逻辑可以用成熟度来表述：

多数企业现在卡在第一级到第二级之间。工具买了、用起来了，但报价数据、工艺数据和车间MES里的执行数据各管各的，模型吃不到好数据，效果自然打折。这也是为什么Xometry调研里“采用率上升”和“人招不到”会同时出现——工具的普及快于组织的进化。

从ROI视角看这条路径也非常直白：报价环节的AI化投入，通常是一个软件订阅或一个轻量模型，不涉及设备改造，回收周期以月计；而产线级自动化动辄以年计。企业不是不懂大局，是先活下来再谈理想。

⚠️ 最贵的不是AI，是招不到的人

智能化的天花板，正在从技术问题变成人力问题。

这份调研里最扎眼的一条发现是：企业越来越拥抱AI和自动化工具，但相关的人类角色却是最难填补的。

这句话值得琢磨。表面上矛盾——都用AI了为什么还要人？实际上恰恰相反。AI工具不是买来就自动产生价值，它需要有人把工艺经验翻译成模型能理解的数据结构，需要有人判断AI输出的工艺建议靠不靠谱，需要有人把报价模型和生产系统接起来。这些岗位是复合型的：懂制造、懂数据、还得懂业务。

一位在长三角做MES项目的顾问私下说过一句话：“工厂不缺买软件的钱，缺的是能把软件用起来的人。”这类岗位的候选人，既要下过车间、看得懂图纸，又要会摆弄数据和模型，培养周期长，中小企业在薪酬上也拼不过互联网大厂。

由此得出的判断是：未来两三年，制造企业智能化的竞争分水岭，不在谁买了更多AI工具，而在谁能搭建出“老师傅+AI工程师”的混编团队。工具同质化会越来越快，人和组织的差异会越来越贵。对个人而言，这也是一个明确的职业信号——工艺经验叠加数据能力的复合型人才，会成为工厂里的硬通货。

结语：账算得清的AI，才进得了厂门

回到Xometry这份150人的调研，它的真正价值不在具体结论，而在它照出了制造业对AI的务实态度：高管们把票投给了可制造性和成本核算这两个“算得清账”的环节，把警惕留给了大而全的产线改造，把焦虑留给了招不到的人。

AI进厂的顺序，正在被ROI重排——先动报价单，再动车间的路线图会越来越清晰。而那些提前解决人才瓶颈的企业，将在这轮智能化洗牌中拿到最稀缺的入场券。