AM易道分享

一台金属3D打印机还没开机,订单的利润,可能已经损失在报价表里了。

客户临时加了CT检测,或者工程师拿到的模型和采购手里的图纸差了一个版次。

外协热处理还没回价,销售已经答应了交期。

等零件打出来才发现,机器完成了任务,生意却是亏的。

后续不断的扯皮。。。

现在,Anthropic把Claude推到了这些环节面前。

打开网易新闻 查看精彩图片

就在不久前,Anthropic发布面向制造团队的插件Claude for Manufacturing。

它提供17项技能,连接 Autodesk Fusion、Infor、Microsoft 365 和 Oracle NetSuite,参与报价、质量分析、故障诊断、供应商比价、设计比较和生产日报。

通用AI开始把工厂里的具体岗位、文件和审批流,做成可以直接调用的产品。

AM易道关心的是,当AI开始参与一家工厂怎么接单、怎么算账、怎么解释质量问题,3D打印企业靠什么保住自己的利润和判断权?

先看这17项技能

这次发布没有造新设备,也没碰打印工艺。

它的入口,是工厂手里现成的图纸、邮件和业务系统。

公开代码仓库显示,这17项能力由12个基础技能和5条流程链组成。

基础技能负责单项案头工作,流程链把上下游动作串起来。

按制造企业熟悉的部门来看,它主要干六件事。

业务上,提取客户要求、找缺项,起草报价单。

质量上,汇总不合格记录,梳理候选原因和纠正措施草案。

设备上,汇总日志、维修记录和手册,给出排查顺序。

采购上,整理询价包、对齐供应商回标,或在来料异常时筛选替代货源。

工程上,基于参数化模型生成尺寸变体,整理数据供比选。

生产上,汇总产出、停机和损耗,在早会前生成日报。

对应的五条流程分别是:

从询价到报价、从检验到纠正措施、晨间生产简报、从故障到交接报告,以及从供应商质量异常到替代寻源。

到了最后一步,拍板签字的依然是估价师、质量工程师、维修人员、采购和生产负责人。

真正改变的是工作顺序。

过去,人要把邮件要求抄进表格,再查历史订单、翻图纸,拼成一份讨论材料。

现在AI先把整理活干完,把带出处的草稿递到负责人手边。

四类连接器分工明确,Fusion提供设计入口,Infor和NetSuite提供订单与库存底账,Microsoft 365承接文档和邮件,老系统也能靠定期导出表格接入。

但支持四个连接器,不等于装上就能一键打通全厂数据。

公开仓库里目前只有Fusion写进了默认配置,还要求本地桌面软件开启服务。

其余系统的权限、字段含义和文件版次,还得靠工厂自己逐项对齐。

打开网易新闻 查看精彩图片

官方展示的报价工作簿示例。

3D打印的第一站,在报价台

把这套工具放进增材制造车间,最先用得上的是报价台。

不妨看一家金属打印服务商收到的支架订单。

图纸要求某种热处理状态,STEP模型却是旧版,采购又要求增加CT检测。

接到这种单子,最先要回答是到底要交付什么。

按官方询价技能的设计,AI会先把零件号、版次、材料、数量、公差、后处理和检测要求逐条提取出来,每项都指向原始文件。

没说清的列为缺项,前后矛盾的列为待确认。

工程师不用再翻遍所有附件,直接处理这些冲突点就行。

理清交付边界后,才轮到增材制造比较容易失真的成本核算。

按体积乘固定单价,几秒就能出数字,却解释不了真实成本差异。

同一个零件,摆放角度不同,构建高度和支撑量就不同。

单独开一炉,和拼进现有任务一起打,成本分摊完全两样,而能不能拼板,又受交期和工艺限制。

管用的报价助手应当把差异摊开。

打印时间依据哪里,设备费率更没更新,去支撑和机加工算没算漏,热处理与检测拿没拿到最新回价,预计报废率用了什么样本。

对服务商来说,真正的进步是少漏算一项成本、少答应一个兑现不了的交期。

还要警惕一个商业后果。

如果全行业都能更快报价,响应速度的溢价就会下降。

最终还是看你有没有过硬的工艺和交付能力。

第二站管质量,但AI必须只当副手

再看质量场景。

设想一批打印件在射线检测中出现异常,质量工程师需要搞清的远不止报告怎么写。

哪些零件和它共用粉末批次?哪些排在同一基板?是否进过同一炉热处理?

如果记录能按零件、批次、设备和时间关联,AI就能缩短锁定范围的时间,把候选原因、正反证据和优先验证动作摆在一起。

这比自动写一篇通顺的归零分析更有价值。

官方质量流程里有一条硬约束。

8D质量报告需要现场实施和验证的第六步、需要闭环确认的第八步,AI不会自动补齐,给人类留着填空。

打开网易新闻 查看精彩图片

官方质量报告示例。

考核这类AI质量助手,关键的是能不能对应到准确的零件、批次和问题原因?有没有独立检测做参照?不同缺陷下漏检与误报是多少?换了材料、设备或结构后还准不准?

制造企业真正需要的AI,应当允许报告暂时不完整。

它要清楚标出还差哪项测量、谁得去现场、哪个判断现在还不清晰。

最危险的质量报告,恰恰是一切都已被AI工整的写完填好只等人类签字。

设计需要认清物理边界

Fusion连接让这次发布与3D打印产生了直接联系。

公开的设计探索技能,是对已有参数化模型调整变量生成变体,不负责从零设计,也不自己跑仿真。

打开网易新闻 查看精彩图片

官方壁厚方案比较示例。

比生成几十个设计更有价值的,是把一个设计怎么变成实物的全过程记清楚。

零件号和CAD版次对应哪个切片文件?

用了哪批原料、哪个工艺版本,走过哪批后处理,最终检测和出货记录在哪里?

制造履历能在出问题是帮助企业迅速锁死问题范围,也决定经验能否被AI下次复用。

AI很适合在这里做跨记录核对,找出图纸与工单版次冲突或漏批的工艺变更。

前提是企业先建好编号和关联规则。

另一处容易被误读的,是把制造业插件与设备控制混为一谈。

官方明确说明,Claude for Manufacturing不操作物理设备,也不运行生产控制。

Anthropic推进硬件连接的是另一项工作,早在2026年8月公布的模型硬件标准,简称MHS。

它用统一格式描述设备能测量什么、调节什么及安全限制,方便AI编排带接口的各类仪器。

但这不是本次发布的内容。

未来或许会两者结合。

打开网易新闻 查看精彩图片

Genentech实验案例中的MHS连接结构。

打开网易新闻 查看精彩图片

华盛顿大学合作实验演示AI控制设备。

守住工厂自己的判断权

回头看Anthropic这次没有发布一台新设备,也没有发明一种新工艺。

仅仅是17项技能、四个软件接口,把触角伸进了报价单、质量报告、设计评审和采购台账。

它不碰激光器,也不碰铺粉刮刀,却直接坐到了工程师和厂长的办公桌前。

过去十几年,增材制造一直在关注谁的激光束更稳,谁的成形仓更大,谁能把传统工艺造不出来的复杂拓扑结构变成现实。

但大家其实不怎么谈论工厂的生产管理水平。

公网上那些写进手册的材料牌号和通用参数,大模型很快就会全部学完。

唯独藏在车间深处的经验,它凭空推演不出来。

那是无数次学费堆出来的。

当AI开始替工厂写下第一份报价草稿、第一版质量报告,它靠近的是制造业的定价权与判断入口。

未来的牌局正在变得清晰。

如果一家3D打印企业只剩下按图开机,利润迟早会被更懂算账的AI接入通用产能所抢走。

未来3年,把无数次扯皮和打印失败的因果,沉淀成自己说得清的工程判断,AI才不会喧宾夺主。

当然,我们的判断是,AI成为工厂厂长,也只是时间问题。