Vaidy Raghavan，Xometry 首席产品与技术官 – 专访系列

Vaidy Raghavan 是 Xometry 的首席产品与技术官，一位成就卓著的全球技术高管和工程师，负责领导公司的产品和技术战略，重点扩展连接企业买家与制造供应商的 AI 驱动市场能力。他在人工智能、供应链管理、SaaS 和数据分析领域拥有深厚的专业知识，此前曾在 Wayfair、Microsoft 和 Groupon 等公司担任高级领导职务，开发了大规模数字平台和市场技术。在 Xometry，他负责将复杂的制造工作流程转变为智能、数据驱动的系统，以提高效率、韧性和全球供应链连接性。 Xometry 是一个由人工智能驱动的数字市场，通过将买家与全球经过审查的供应商网络连接起来，涵盖 CNC 加工、3D 打印和注塑成型等多种生产方法，使企业能够按需采购定制制造的零件。公司成立于 2013 年，总部位于马里兰州北贝塞斯达，利用机器学习根据上传的设计文件提供即时定价、交货时间估算和供应商匹配，从而简化了传统上复杂的采购流程。凭借全球数千家供应商和数万家买家，Xometry 通过数字化供应链和实现大规模、更敏捷的分布式生产，在现代化制造业中发挥着核心作用。 您在 Microsoft、Groupon 和 Wayfair 的经历非常精彩。哪些早期经历——无论是个人还是专业方面的——塑造了您对技术的兴趣，并最终引导您加入 Xometry 和 AI 驱动制造领域？ 我对技术的兴趣始于职业生涯早期。我一直以来都受到艰巨挑战的激励，并渴望构建能在现实世界中真正产生影响的解决方案。 在我职业生涯所处的快速发展的行业中，必须在快速将想法变为现实与构建持久有效的系统之间取得平衡。制造业很好地体现了这一点。这是一个高度实体化和模拟化的行业，但它也驱动着我们一些最具创新性的系统。 Xometry 正处于所有这些领域的交汇点，我们正在将一个传统的模拟行业转变为现代化产业，并对未来发展路径有着清晰的规划和纪律。对我来说，这是时机与目标的罕见结合，正是我整个职业生涯都在为之准备的挑战。 您曾将制造业描述为最后一个“模拟化堡垒”。目前，人工智能正在解决制造业中的哪些最大挑战？ 我将制造业描述为最后一个“模拟化堡垒”，是因为其结构复杂性，制造生命周期漫长且涉及许多交接环节。例如，在制造过程中，设计和生产工程与采购、寻源、质量、物流、交付后组装以及整个供应链的财务对账协同工作，每个阶段都会引入新的风险和潜在的延迟。 核心挑战在于摩擦。在制造链的每个环节，都存在不同的格式、系统，有时甚至是度量单位。想法经过一次又一次的交接，每一次交接都可能成为潜在的故障点。历史上，管理这种风险的唯一方法是人工审查。 人工智能目前正在通过对抗这种摩擦创造最大价值。它在这个碎片化的系统中充当协调者：检测差异、将零件匹配给合适的供应商，甚至动态建模成本和交货时间。它利用历史生产数据来预测可能出现问题的地方，并在浪费时间和材料之前迅速标记出来。 供应商获得了更清晰的意图和更少的意外，这意味着我们可以与我们的网络建立信任，并帮助制造商生产我们所需的物品。 Xometry 通过哪些方式与供应商和买家建立信任，以采用 AI 驱动的工作流程？ 在制造业中，信任很难获得，因为风险很高，结果不可逆转，报废的材料、错过的截止日期或质量故障都可能导致公司的经济损失。这就是为什么在 Xometry，我们通过持续提供可靠性和清晰度来赢得信任。 供应商和买家依赖 Xometry 的速度和透明度。他们知道，当他们上传 CAD 文件时，我们的 AI 会快速分析零件并生成关于定价和潜在风险的估算。预测基于真实的生产数据，这进一步建立了可靠性和可见性。定价反映真实的市场状况，供应商会持续获得关于如何提高绩效和在平台上发展业务的见解。系统还会执行独立检查以发现差异。当出现不一致时，我们会及早发现并让团队随时了解情况。 生成式 AI 究竟如何将产品想法转化为可制造的零件——这对开发时间线有何影响？ 制造业一直难以弥合意图与可制造性之间的差距。早期的产品想法往往不完整，将其转化为可制造的设计需要多次交接。这个过程很慢，而且常常容易返工，从而导致延迟或短缺。 生成式 AI 压缩了这个循环。在实践中，它将部分结构化的输入转化为可制造的特征。它可以揭示潜在风险、建议材料和工艺，并及早标记约束条件。AI 正在减少通常拖慢生产的摩擦，通过更少的迭代和更少的报废零件或材料来大幅缩短开发时间线。 当流程变得更加自动化时，您如何确保质量和控制保持高水平？ 一个关键原则是将质量检查转移到生产流程的最早阶段。AI 可以分析数百万个几何数据点，以帮助确定制造的可行性、成本以及最佳的供应商匹配。这提供了精确性和一致性，而无需仅仅依赖人工的细致检查，而后者长期以来一直是质量控制过程中防范风险的唯一手段。 话虽如此，在这些增强流程中保持人工参与仍然是必要的。我们部署 AI 来识别问题和在需要时提供替代方案，但最终是否干预的决定权在于拥有经验做出这些决策的人类操作员。 我们在航空航天和国防等任务关键型领域尤其看到这一点，在这些领域，保持“人在回路中”是在不牺牲质量控制的前提下实现大规模自动化的唯一途径。 考虑到多变的制造成本和供应链复杂性，Xometry 的 AI 驱动动态定价是如何运作的？ 制造定价本质上是可变的，因为每个零件都不同，并且成本会基于材料、产能、关税等外部因素以及其他约束条件不断变化。静态定价模型在这种环境下无法成立。 在 Xometry，动态定价是一个学习系统。我们的模型基于数百万份历史报价进行训练，并不断用实际生产结果进行更新。这个反馈循环使定价立足于现实。 当工程师上传 CAD 文件时，我们的即时报价引擎会立即分析文件，并根据影响定价的外部因素和约束条件进行检查，从我们数千家合作伙伴的网络中识别出最佳的制造商。