上月，全球知名零部件制造平台Fictiv被日本制造龙头米思米（MISUMI）集团以25亿人民币收购，这不仅仅是一次跨国收购，更像是对“AI制造”商业模型的一次验证。
Fictiv被认为是推动零部件制造在线化、自动化的重要平台，其背后的技术核心之一正是以AI为基础的智能定价和制造辅助系统。这桩收购释放出一个明确信号：制造业的AI应用已不再只是概念或宣传口号，而是正在深度嵌入实际业务流程，并具备了可量化的商业价值。
01. AI走到哪一步了？
为了帮助业内人士更直观地理解市场格局，看看AI在零部件制造领域的进展走到了哪一步，我们选取了三家具有代表性的在线制造平台——Fictiv、Xometry，以及国内服务商Leanplans（立谱智造），围绕“设计环节、报价交易、DFM评估”三大核心流程进行了横向测评。
具体方法包括：分别在三家平台的AI报价系统上传同一批2D和3D图纸，随后记录系统反馈的报价结果、用时和界面操作体验，并对比其与人工预估的偏差；最后结合DFM（Design for Manufacturing）评估报告，对各平台的工艺可行性、材料选择和公差合理性给出客观判断。
- 测评维度（从阶段对比AI能力）：
- 设计环节
-外观设计（效果图、3D建模生成能力） - 交易环节
-自动报价（支持图纸格式、成本计算原理）
-下单支付（报价是否真实可用） - DFM评估
-制造工艺可行性
-材料加工可行性
-公差合理性 - 实操对比
-体验从设计到报价到下单的流畅度
02. 设计支持对比
在“设计环节”部分，Fictiv和Xometry目前都尚未推出一键效果图或CAD建模功能，客户仍需自行准备图纸和所有的技术参数，才可以进入下一步报价环节。
而Leanplans则提供了图文生成3D模型的早期功能，可支持从简单手绘图、结构描述或已有2D工程图生成标准3D模型，并支持人工干预修改。这项功能虽仍在打磨中，但已在多个打样项目中实现了“从草图到3D模型”的快速转化。
这一能力在样机验证阶段尤其受欢迎：用户只需描述零件用途和尺寸要求，十几分钟内便能得到效果图和模型，大大缩短了产品开发周期。
| 阶段 | 服务 | Fictiv | Xometry | Leanplans |
|---|---|---|---|---|
| 设计 | 外观设计 | 无 | 无 | 微调训练行业图像模型，支持手绘和纯文本生成高质量效果图及3D模型 |
| 设计 | CAD建模 | 无 | 无 | 自主研发行业大模型，支持纯文本或CAD图生成工业级3D模型 |
| 交易 | AI自动报价 | 1. 基于深度学习特征估算，未充分考虑实际工艺；2. 仅支持3D格式图纸自动报价 | 1. 基于深度学习特征估算，未充分考虑实际工艺；2. 仅支持3D格式图纸自动报价；3. 自动报价可用于直接下单 | 1. 基于设备，工序规划计算的报价，符合真实工业环境；；2. 支持2D+3D双格式解析报价；（支持单独2D图纸自动报价）；3. 自动报价可用于直接下单 |
| DFM评估 | DFM评估 | 基础规则校验＋人工审核建议 | 基础规则校验＋人工审核建议 | 自研大模型覆盖8大维度（工艺可行、材料可加工、公差合理等），一次输出详细分析报告且支持下载 |
从这里可以看出，Fictiv与Xometry目前更强调生产执行能力，而 Leanplans在设计环节引入AI，试图在前端节省工程沟通与建模时间，这对于研发初期的客户尤其友好。
03. 实操流程
1. 报价准确度
- 样本选择：3种典型零部件各3款（CNC加工件、3D打印件、钣金件）
- 对比结果：
- Fictiv与人工离散估算平均偏差在+100%左右；
- Xometry与人工离散估算平均偏差在±40%左右；
- Leanplans与人工离散估算平均偏差在±20%以内。
AI自动报价是在线制造平台的一大核心竞争力。Fictiv与Xometry均使用深度学习算法对上传的3D模型进行特征分析，再结合历史订单数据和人工审核来输出价格。
据我们的数次测试数据显示，平台的报价平均与人工离散估算偏差较大，fictiv的报价偏差约在+100%，且给出的报价为浮动区间，而Xometry也是在±40%左右，且两家平台都需要等待40秒到1分多钟才能拿到最终结果。
Leanplans基于对自身工厂设备、工序和材料价格的精细化建模，可同时解析2D和3D文件，完成报价计算仅需约5秒，平均偏差在±20%以内。
如此高效和精准的表现，不仅提高了客户下单的决策速度，也显著降低了因价格不确定带来的谈判成本。
2. 响应速度
| 平台 | 平均报价用时（秒） |
|---|---|
| Fictiv | 60（9款中6款无法报价） |
| Xometry | 40（9款中2款无法报价） |
| Leanplans | 5（9款中1款无法报价） |
Leanplans在模型轻量化与并行计算架构上做了优化，报价响应速度是Fictiv的12倍以上。
3. 易用性
- 上传方式：
- Fictiv/Xometry仅支持3D格式自动报价，2D格式需人工介入；
- Leanplans支持2D/3D一键上传，格式自动识别并解析。
用户体验方面，Fictiv和Xometry目前仅支持3D文件自动报价，遇到2D图纸需先自行建模3D图纸，增加了使用门槛。其报价界面虽能显示基本的价格明细，但缺乏工序拆分与可视化对比。
Leanplans则实现了2D&3D一键上传，系统自动识别并解析；报价结果页不仅列出了各种成本，还通过图表形式直观展现不同材料和处理方式的价格对比；点击报告中的可疑项，可立即呼出详细说明和优化建议。这种“所见即所得”的交互方式，极大提升了操作效率和决策体验。
04.优缺点总结
| 平台 | 优势 | 缺点 |
|---|---|---|
| Fictiv | – 全球制造网络：北美、欧洲、亚洲多地分布式工厂，支持跨区域快速交付- 成熟的运营体系：多年积累的质量管控和订单管理流程，SLA 保证较高- 行业认可度高：大客户案例丰富，有较强品牌背书 | – AI功能偏浅：主要用于特征提取与参考报价，2D文件不支持报价- 响应速度相对较慢：平均60秒才出结果，大部分无法自动报价- DFM报告零散：仅有基础规则提示＋人工审核，缺少一键优化建议- 成本透明度有限：工序细节与材料价差异不够可视 |
| Xometry | – 全球制造网络：北美、欧洲、亚洲多地分布式工厂，支持跨区域快速交付- 成熟的运营体系：多年积累的质量管控和订单管理流程，SLA 保证较高- 行业认可度高：大客户案例丰富，有较强品牌背书 | – AI 深度不足：同样依赖规则引擎＋人工干预- 报价精度波动：复杂件偏差过大，部分无法自动报价- 支持性：仅支持3D图纸报价，复杂件无法报价 |
| Leanplans | – AI 原生设计：图文/草图→3D模型；- 超快响应：支持2D/3D一键报价，平均5秒完成报价- 深度DFM：8大分析维度＋自动可视化报告；落地建议可直接执行- 数据飞轮：用户反馈驱动模型持续迭代；精准度随订单量提升 | – 设计渲染性能：复杂曲面渲染与大文件处理速度尚需优化- 供应链覆盖有限：目前主要依托国内自营工厂- 高阶建模深度：极复杂装配件仍需人工校正- 生态集成：与第三方接口尚在开发中 |
从整体评测来看，Fictiv和 Xometry作为全球领先的数字化制造平台，其核心优势在于对全球制造资源的高效整合能力。
两家平台通过多年积累，构建起覆盖北美、欧洲与亚洲的分布式供应链体系，能够为客户提供更具地理弹性和规模效率的制造方案，尤其适用于跨国企业的批量订单或多地交付需求。这类全球制造网络，是目前Leanplans仍需提高的。
与此同时，Fictiv和Xometry的AI功能主要用于提升效率而非全面决策支持，仍大量依赖人工审核与运营经验。我们的实测显示，其AI报价系统在应对复杂工艺、2D图纸解析等方面存在一定局限。
Leanplans在本地化深度工艺建模、2D/3D图纸解析、DFM自动化评估等 AI 功能上走得更远，具备了工业级自动判断和推荐能力，并且在响应速度、准确率和用户交互体验方面都有较大优势。
通过这次实测可以明显感受到，AI在制造业的角色正发生质变。从早期的“图纸分析工具”或“估价参考系统”，正逐渐变成覆盖设计、决策、成本控制、工艺规划等环节的“全链路中枢”。
特别是在Leanplans提供的一站式解决方案中，AI不仅提升了效率，更在诸多场景中真正替代了经验型人工操作，从而在打样、试产、快速定价等高频、低单值场景中表现出强大的商业潜力。
05.基因差异
在深入分析之后，我们发现三家平台之间最本质的差异，其实不在功能点，而在“基因”和“起点”。
Fictiv与Xometry本质上是制造供应链平台出身，AI是作为工具嵌入其核心能力中的一环，目的是提升整个制造网络的接单效率。
他们的系统强调的是对接上游制造端，比如如何快速调度合适产线、平衡成本和交期、实现全球制造资源的最优分配。在这套思路下，AI是一种“增强接单能力”的手段，本质是围绕制造资源进行匹配优化。
而Leanplans的起点则完全不同。Leanplans是典型的“AI原住民”，从一开始就是以“客户为中心”构建产品与系统。
它的AI系统不是附加在已有的供应链上，而是直接面向客户的设计、图纸、价格、加工反馈这些“交互入口”设计的。从建模到报价、从DFM分析到工艺建议，它的技术目标是从产品研发环节切入，通过AI加速原型设计并帮助客户快速获取成品，以大幅缩短产品开发周期。
这种路径差异也决定了平台的发展逻辑：
- Fictiv/Xometry重“背后的人和产能”，AI是流程优化器，是工具；
- Leanplans重“前端的决策和体验”，AI是问题解决者，是交付结果。
从行业趋势来看，这两种路径最终可能会交叉融合。但在现阶段，它们代表了制造AI两种不同的成长方向：一种是AI服务供应链，一种是AI重塑客户体验。
前者依托产业互联网时代的网络飞轮积累规模与弹性，后者则在AI时代以数据驱动为核心中枢，将效率与精准度提升到新高度。未来，谁能在海量制造数据的沉淀与快速反馈中建立起更高效的数据飞轮，并持续升级专有模型，就能在未来AI+制造的竞争中占得先机。
关于我们
作为人工智能领域的高成长型企业，立谱智造专注于垂直行业大模型研发，核心技术团队来自哈工大国际人工智能研究院团队，已获得多项专利及自主知识产权。
我们基于人工智能大模型，结合制造场景，推出了立谱智造AI多智能体，旨在帮助客户在设计产品外观和结构、评估可制造性、核算成本等方面实现智能化升级。通过数字化系统和云工厂的结合，立谱智造提供了从设计、报价、接单到加工交付的一站式多品种零部件柔性生产智能解决方案。
如有进一步的行业合作、资本合作意向，欢迎后台联系交流。