戴夫·埃文斯，Fictiv 的 CEO 和联合创始人 – 采访系列

戴夫·埃文斯，Fictiv 的 CEO 和联合创始人，领导公司的使命是通过简化定制机械部件的采购和生产来解锁世界的创造潜力。凭借硬件工程背景和在福特硅谷创新实验室的早期经验，他联合创立了 Fictiv 以简化硬件开发流程。在他的领导下，Fictiv 已经成长为数字制造领域的关键玩家，生产了数百万个精密零件，并推动了各个行业的创新。

Fictiv 是一家全球制造和供应链公司，通过一个整合的全球合作伙伴网络来简化定制机械部件的生产。提供如 CNC 加工、3D 打印和注射成型等服务，该平台结合即时报价、AI 驱动的反馈和端到端的订单管理来简化工程师和制造商的复杂供应链。

当你在 2013 年创立 Fictiv 时，你试图解决制造业中的什么核心问题？在过去的十年中，这个问题是如何演变的？

当我的兄弟，Nate Evans，我在 2013 年创立 Fictiv 时，我们想要打破制造业的瓶颈，像软件一样快速地构建硬件。作为福特汽车公司的首席硬件工程师，我亲眼见证了获取定制零件的困难——通常需要 8 到 12 周的时间来等待原型，处理零散的供应商关系，并且要处理电子邮件和电子表格才能获取报价。很明显，如果我们想要在硬件方面加速创新，我们需要一个更好、更现代的方法——一个能像软件开发一样快速和敏捷的方法。

这个问题并没有消失——事实上，在过去的十年中，它变得更加紧迫，因为各个行业的公司都在努力更快地创新，以应对更加动荡的全球市场。变化的是期望：企业现在需要更快地推出产品，更灵活地扩大规模，并实时响应需求、法规和供应的变化。

这就是全球、财富 500 强级别的供应链的真正力量所在。通过创建数字基础设施，将工程师和供应链团队与全球范围内的合作伙伴网络连接起来——跨越美国、中国、印度和墨西哥——我们为公司提供了以前只对大型玩家开放的那种采购、速度和执行力的获取机会。并且，我们使其变得容易获取：一个平台，完整的可见性，快速的 DFM 反馈和快速的交货时间。

使命是：通过打破传统采购和制造的瓶颈来赋予创新者创造的能力。但今天，我们正在以一种规模和复杂性来实现这一使命，这使得甚至最复杂的项目也感觉可以实现。

Fictiv 将自己描述为“数字制造生态系统”。对于那些不熟悉的人来说，这到底是什么意思？它与传统的合同制造有什么不同？

当我将 Fictiv 描述为“数字制造生态系统”时，我是指我们已经建立了一个技术驱动的平台，将客户与一个高度经过验证的全球制造商网络连接起来——同时，技术专家指导项目并直接与客户合作。可以把它看作是将现代数字工具的速度和透明度与财富 500 强级别供应链的规模和质量相结合，并且有一支专家团队指导客户从开始到扩大规模。

传统的合同制造通常涉及直接管理供应商，通常通过电子邮件、电话和长时间的交货期。这是一个高度手动和孤立的过程，使得快速扩大规模或获取实时洞察变得困难，以便快速做出决定。

数字制造生态系统则颠倒了这种模式。使用我们的平台，客户可以获得即时报价、自动化的 DFM 反馈和对每个生产步骤的可见性。更重要的是，我们对质量、交货和成本效率承担责任，同时利用分布在美国、中国、印度和墨西哥的全球制造中心。结果是原型开发更快、生产更顺畅、与传统供应链管理相比，风险和开支也更少。

但是，像 Fictiv 这样的数字制造生态系统并不独立于我们的专家指导，他们与客户密切合作，从产品开发和设计到原型和全面的生产。

随着美国经历数十年来最大的工厂投资浪潮，你为什么认为人才——而不是机器或资本——现在是最紧迫的瓶颈？

美国正在看到前所未有的工厂投资浪潮——数十亿美元投入新工厂、自动化和先进技术。但是，没有合适的人才来运行和优化这些系统，这一切都毫无意义。你可以购买世界上最先进的机器，但如果没有懂得如何有效使用它们的工程师、操作员和供应链专业人员，它们就毫无用处。

在过去的十年中，我们已经看到制造业中技能差距的扩大。许多最有经验的专业人员正在退休，而年轻一代并没有以相同的速度进入这个领域。此外，现代数字制造需要新的技能——数字素养、数据分析和人工智能和自动化的熟悉度——传统的培训计划并没有跟上这些需求。

这就是为什么人才是当前最大的瓶颈。资本可以被部署，机器可以被购买，但建立和维持一支熟练的劳动力需要时间、投资和重视好奇心和创新的文化。我相信，解决这个人才挑战——通过培训、提升技能和技术与制造业之间的更好合作——对于解锁这次工厂投资浪潮的全部潜力至关重要。

你曾警告说，到 2033 年，可能会有 190 万个熟练制造业工作岗位短缺。是什么系统性问题导致了这一缺口？私营部门现在应该做出什么不同的反应？

到 2033 年可能会有 190 万个熟练制造业工作岗位短缺的预测来自国家制造商协会。我认为这个缺口是几十年来积累的深层次系统性问题的结果。制造业在美国长期被低估为一个职业路径，我们也没有投资于培养下一代熟练工人。与此同时，行业本身已经迅速演变——转向先进技术、数字化和自动化——这就要求新的技能，这些技能传统的教育和培训体系并没有被设计来解决。

一些原因包括：

• 老龄化劳动力：大量熟练劳动力即将退休，没有足够的年轻工人接受培训来填补这些职位。
• 认知问题：制造业经常被视为过时或不如技术驱动的行业那么创新，即使现代制造业和软件一样创新。
• 技能差距：雇主需要的高级技术技能——如数据分析、机器人和人工智能集成——与学校和职业培训计划所教授的内容之间存在脱节。

私营部门需要在解决这个问题上发挥更积极的作用。这意味着：

• 投资学徒制和提升技能：公司应该创建全面培训计划，以便为工人提供传统和数字制造技能。
• 与学校和大学合作：早期宣传和教育可以帮助改变人们对制造业的看法，并为学生准备好从事高科技、实践性的职业。
• 利用技术：像 Fictiv 这样的数字平台使制造业专业知识的获取民主化，使团队能够更快、更聪明地工作，而无需数十年的现场经验。

你曾倡导实践性 STEM 教育和学徒制作为解决方案。你能分享 Fictiv 或其合作伙伴中这种做法的例子吗？

作为一名斯坦福大学的工程学生，我从实践教育（以及我在福特的时间）中受益，所以我深深致力于 STEM 教育和学徒制。我认为它们对于弥合技能差距至关重要，因为它们允许人们通过实践学习——不仅仅是理论，还有真实的机器和真实的项目。我在 Fictiv 和我们的合作伙伴中都看到了这种力量。

在 Fictiv，我们与大学和 STEM 组织合作，以支持实践学习。例如，我们曾与 Formula SAE 学生团队 合作，为电动赛车提供精密零件，同时指导他们进行设计可制造性和快速原型开发。它为学生提供了一个机会，让他们看到 CAD 模型如何转化为真实组件，了解不同制造工艺的权衡，并接触到行业领袖使用的相同数字工作流程。

我相信制造业的未来取决于这样的计划。它是关于为学生和初级专业人士提供真实世界的现代、技术驱动的制造环境的实践经验。这种实践经验、指导和数字工具的结合是激励下一代建设者的关键，并让他们准备好投入工作。

你如何看待 Z 世代与制造业的关系与前几代人有何不同？Fictiv 如何解决这种文化脱节？

Z 世代与制造业的关系从根本上不同，因为他们在一个完全数字化、按需的世界中长大，在那里速度、透明度和目的都是常态。传统的制造业——通常被视为缓慢、不透明和高度手动——与他们对即时信息和无缝数字体验的期望不符。还有文化脱节：虽然老一辈可能将制造业视为稳定和体力劳动的工作，Z 世代经常将其与过时的设施而不是高科技创新联系起来。

一些代际差异包括：

• 数字优先的心态：Z 世代期望所有事情都能实时可见和数字化——无论是跟踪包裹还是构建产品。
• 对目的的渴望：这一代人优先考虑可持续性、创新和影响力。他们希望知道自己的工作为有意义的事情做出了贡献，例如推进清洁能源或机器人技术。
• 对低效率的容忍度低：手动流程、长时间的交货期和孤立的沟通系统对他们来说感觉很陌生。

我们正在重新构想制造业，使其看起来和感觉起来更像 Z 世代重视的数字体验。我们的平台提供即时报价、自动化的 DFM 反馈和实时生产跟踪，所有这些都在基于云的环境中。我们还强调可持续性和影响力——强调我们的工作如何使电动汽车、气候技术和救命的医疗设备成为可能——以便与 Z 世代的价值观产生共鸣。

文化上，我们试图弥合这一鸿沟：制造业不仅仅是关于机器；它是关于解决世界上一些最大的挑战。通过将制造业框定为一个技术驱动、使命导向的职业路径，我们使其对下一代更具吸引力。

自动化通常会引发对工作岗位流失的担忧。Fictiv 的技术实际上如何帮助提升工人，而不是取代他们？

制造业中的自动化通常被视为对工作岗位的威胁，但我认为它是不同的。Fictiv 的技术旨在提升工人，而不是取代他们。我们不是将人们自动化，而是自动化重复、低价值的任务——如报价、调度或跟踪零件——这样，工程师、供应链团队和操作员就可以专注于真正需要他们专业知识的工作：解决复杂问题、设计更好的产品和推动创新。

通过为工人提供实时可见性、即时 DFM 反馈和全球合作伙伴网络的访问，我们实际上是在发挥倍增作用。就像给团队一个数字化的指挥中心，让他们可以做出更明智、更快速的决策，减少瓶颈。这样不仅提高了生产力，还提升了劳动力——因为人们可以参与更高层次的决策、先进的数字工具和数据驱动的解决问题，而不是追逐文书工作或供应商电话。

Fictiv最近推出了Materials.AI，一款基于ChatGPT的助手。它在实践中如何工作，以及它如何帮助工程师更有效地做出什么样的决定？

Materials.AI的设计目的是像每个工程团队都希望拥有的材料专家一样——24/7随时可用。实际上，它使用Fictiv10多年的制造数据、工艺知识和AI能力——由ChatGPT提供支持——来指导工程师做出关于材料和可制造性的关键决策。

工程师可以向Materials.AI提问，如“哪种铝合金最适合在高温应力下使用？”或“哪种塑料树脂在注射成型中提供了最佳的冲击强度与成本的平衡？”

与其依赖试验和错误或等待供应商的反馈，工具会根据机械性能和实际制造结果提供立即的建议。

更广泛地说，你如何在整个平台中使用AI和机器学习——从报价和DfM分析到生产监督和质量控制？

AI驱动即时报价，通过分析CAD文件来实现，考虑到零件几何、材料和历史数据，以提供准确的成本和交货时间估算。它驱动自动化的设计可制造性（DfM）反馈，标记出潜在问题，如薄壁或复杂特征，同时建议实时改进。

Fictiv支持六种不同类型的工业3D打印，某些情况下提供次日交货。你如何建立基础设施以实现这种速度和规模？哪些行业从中受益最多？

我们通过结合数字编排平台和高度验证的全球合作伙伴网络来构建我们的3D打印基础设施，考虑到速度和规模。每个订单都经过我们的基于云的系统，使用AI分析CAD文件，自动选择最佳技术和材料，并根据容量、位置和质量性能将作业路由到合适的合作伙伴。这种编排——结合美国、中国、墨西哥和印度的区域化生产中心——使我们能够在某些部件上实现次日交货，同时保持严格的质量标准。

最能从中受益的行业是那些需要快速迭代和精度的行业，例如航空航天、电动汽车、医疗设备、机器人和消费电子。这些行业依赖于我们快速提供功能性原型和生产零件的能力，因此他们的工程师可以测试设计、减少上市时间并应对快速变化的客户需求。

作为在软件开发和工厂运营中都有经验的人，你认为云软件和物理制造之间的关系将如何在未来五年内演变？

我相信我们正处于一个基本转变的前沿，云软件将成为制造业的中央神经系统，弥合数字设计和物理生产之间的差距，展现出我们才刚刚开始看到的变化。在接下来的五年里，我预计三个关键趋势将定义这一演变：

数字制造平台将连接生产的每个阶段——从设计到交货——到一个单一的、透明的数据层。工程师和供应链团队将对零件状态、质量指标和物流有即时的可见性，就像跟踪软件构建或代码部署一样。

就像云计算改变了公司部署软件的方式一样，数字制造将使“启动”生产能力按需成为可能。这将为公司提供前所未有的灵活性，使他们能够在全球范围内扩大运营而无需大量资本投资。

数字平台将集成先进的AI模型，这些模型将不断从材料、机器和工艺中的数据中学习。这将自动化关键决策——从材料选择到成本优化——使团队能够更快、更自信地迭代。

最后，当你展望下一个十年时，你对AI、机器人和制造业的交叉点最感到兴奋的是什么？你认为下一个重大突破将来自哪里？

我对下一个十年最感到兴奋的事情之一是AI和机器人如何融合，使制造业比以往任何时候都更具适应性、智能性和可扩展性。我们正在迈向一个工厂可以“自我思考”的未来——使用AI分析实时数据、预测问题在发生之前并在不需要人为干预的情况下持续优化生产线。这不会取代人类，而是提升人类的创造力——让工程师和操作员专注于创新，而不是解决问题。

在我的看来，下一个重大突破将来自完全自治、由AI驱动的生产单元，它们可以在最少的重新编程或停机时间的情况下在产品类型之间切换。将其与机器人和先进的增材制造结合起来，你将看到超个人化的产品和在全球范围内快速、按需生产的产品。

AI和机器人的融合将解锁按需、超个人化的制造，在全球范围内实现规模化，减少浪费，推动创新前所未有。

感谢这次精彩的采访，希望读者能够通过访问Fictiv来了解更多信息。