Nate Evans 负责创建客户体验，以便世界各地的团队能够发挥出他们的全部创造潜能。他还领导 Fictiv 的商业策略。在创立 Fictiv 之前，Nate 在 Seven Hills Partners 开始了他的职业生涯，Seven Hills Partners 是一家精品投资银行，曾为企业和高增长技术公司提供咨询。Nate 主修国际关系，并在斯坦福大学获得了中国研究的硕士学位。
以下是关于物理对象如何制造的真相：几乎没有人知道物理对象如何制造，除了制造业的人员。他们知道大致的过程。有人设计某物。有人 else 建造它。卡车到达。但是中间部分，从概念到规格，从规格到采购决策，从采购决策到生产运行，从生产运行到您订购的东西，这部分基本上是不可见的，并且非常复杂，并且已经以相同的方式运作了很长时间。这种情况正在发生变化。生成式 AI 正在以难以夸大的方式重写制造周期。让我试着准确地描述它。这种变化主要不是关于速度，尽管它会使事情更快。它主要不是关于成本，尽管它会显著改变成本结构。它是关于更根本的东西：在过程中哪里应用智能，谁来应用，以及何时应用。我们正处于一个变革的开始，这将像电气化或计算机化一样重塑工业经济，了解这一点的公司将是为其他人制定规则的人。制造业中最昂贵的问题不是你想象的那样大多数人会告诉你制造业出了问题的地方是在工厂。但是，一些最昂贵的失败发生得更早，在产品创意开始凝固成一套要求的无形阶段。并且，这是大量时间和金钱消失的地方。问题是对齐。需求通过电子邮件、半读的文档和会议收集，在这些会议中，似乎达到了对齐，但实际上并没有。它们在几周后到达工程简报中，带有嵌入的模糊性，没人注意到——这些模糊性只在原型返回错误、供应商报价不符或生产团队意识到他们收到的设计无法大量生产时才浮现。生成式 AI 正在干预这一阶段，影响波及后续的所有事情。这些系统可以处理大量非结构化输入——客户反馈、监管文件、故障数据、竞争对手拆解——并将其合成结构化、交叉引用的需求，速度和连贯性超过人类团队。曾经需要几周的系统工程现在可以在几小时内完成。当需求更早、更准确地到达时，交接也会改变。采购团队可以在设计的同时开始识别供应商，而不是等到设计完成后。生产规划可以在图纸完成之前开始。曾经是顺序的阶段现在开始同时运行。对于制造定制机械零件的公司，每个订单都是一个新的工程问题，报价速度往往是赢得业务或失去业务的区别，这是一种战略转变。老工程师知道什么有一种知识存在于最好的制造工程师内部，几乎无法从外部描述。哪些公差可以在规模上实现。哪些合金在特定组合的热和压力下会失败。哪些设计决定在纸上看起来很优雅，但会为工具团队制造灾难。它需要几十年才能积累，基本上是不可转移的，每当一位高级工程师退休时，它就会随之离开。AI 辅助驾驶员正在改变这种情况。正在处理新部件几何的工程师现在可以询问系统关于大规模可制造性的问题，接收多个负载场景的故障分析，并评估更换材料的成本影响。所有这些都发生在设计环境中，在任何物理原型存在之前，在信息真正有用的时刻。为了澄清：这不是对工程判断力的替代。涉及上下文知识、专业责任和约束下的创造性问题解决的决策仍然需要一个人。AI 辅助驾驶员正在做的事情是扩展工程师可以在提交之前探索的解决方案空间，并将高级制造直觉的方面分配给更多的人，早期。采用它们的团队将会做出更好的设计，因为他们会在物理和经济生产约束关闭他们的选择之前评估更多的选项。两种 AI 正在合并，工厂将永远改变这里有一个很重要的区别。有一种是数字 AI——帮助设计、文档、采购分析和决策支持的生成系统。这些系统在信息上运行。还有一种是物理 AI——感知、规划和控制系统，为工业机器人、自主物流、自适应制造设备提供动力。这些系统在物质上运行。它们感知世界、计划行动和移动事物。在过去的十年中，这两个类别基本上是在两个独立的世界中发展的。但现在，生成模型越来越多地被用于编程、指导和解释物理系统。机器人可以接收自然语言指令并将其转换为运动序列。视觉语言模型允许检查系统用人类可以采取行动的术语来描述他们所看到的内容。生成设计工具正在直接连接到 CNC 机器和增材制造系统，因此模型设计的东西，工厂可以建造。对于气候技术来说，影响是显著的。生成式 AI 正在加速材料发现，找到更好的电池化学性质、更高效的催化剂、减少工业碳强度的结构材料。对于制造业来说，收敛意味着工厂正在成为真正的适应性系统，能够在需求变化或供应中断时几乎实时地重新配置。数字工厂模型和物理工厂之间的界限正在消失。取而代之的是一个学习、适应和在设计和生产之间闭合循环的工业基础设施，以前不可能做到这一点。劳动力问题在任何关于 AI 和制造业的诚实文章中，必须谈论人。焦虑是真实的，且不无道理。制造业就业已经经历了四十年来的剧烈动荡。AI 驱动的转型又一轮对这些行业的人来说不是抽象的。早期数据显示，最显著的近期影响不是取代，而是提升。使用 AI 辅助驾驶员的工程师正在进行更有意义的工程，花费更少的时间在常规文档上，更多的时间在决定产品是否成功的判断上。供应链经理正在使用更好的信息来处理更大的复杂性。运营领导者正在将 AI 生成的洞察应用于仍然由人类负责的环境中。主要由常规数据处理、重复协调任务或机器人当前能力范围内的物理工作定义的角色将面临真正的压力。这需要公司和机构的真诚关注。未来的制造业劳动力将由与 AI 有效合作的能力来定义。了解其输出，质疑其假设，并将其建议应用于需要人类判断的决策。这是一个与制造业建立的技能配置不同。按时、公平地在规模上建立它，是当前的一个真正困难的问题。窗口制造业不是一个整体。航空航天、消费电子、定制工业部件、医疗设备中的...
