Xometry
上傳 3D 檔就出價，用神經網路算出製造難度與交期
做過硬體的人都懂那種痛：畫完一個零件，要問價得把檔案寄給三家廠商，然後等。快的兩天，慢的一週，回來的報價還可能因為看錯公差而差一倍。專案進度就這樣被詢價流程綁架。
Xometry 做的是把這段時間壓到幾秒。上傳 3D CAD 檔，系統直接回報價格、交期，以及可製造性（DFM）的回饋。
功能特色與適用場景
它的商業模式是雙邊市場：一邊是需要零件的工程師與設計師，另一邊是全美（以及全球）的製造工廠網路。服務涵蓋 CNC 加工、3D 列印、鈑金、射出成型與金屬成形。
AI 在其中做兩件事，官網講得很明確。第一是定價演算法：「我們的資料科學家運用最新的神經網路式機器學習技術，安全地訓練我們的定價與媒合演算法。」第二是計算幾何：演算法「分析上傳的 3D CAD 檔，以準確產生可製造性（DFM）回饋並評估零件的複雜度」。
這件事之所以做得起來，關鍵在資料。官網稱擁有「史上最大的客製零件製造工作資料集之一」，而系統會隨時間改善，給出更好的交期與價格。這是典型的資料飛輪——報價越多、資料越多、報價越準、越多人用。
具名產品包括 Xometry Instant Quoting Engine（即時報價引擎）、Workcenter，以及提供 eProcurement 整合與批量上傳的 Xometry Enterprise。
適用場景：硬體新創的原型開發、產品設計公司、企業採購的長尾零件、學術與研究單位。台灣讀者可能會說「台灣的加工廠報價本來就很快」——這是事實，台中一帶的供應鏈密度全球少見。但 Xometry 的價值不只在速度，在於可程式化：它有 API、能接進採購系統、能批量處理。當你要買的不是 10 個零件而是 500 種零件，這個差別就出來了。可以對照 Fictiv 與 Protolabs ProDesk 的類似做法。
TheAI學院 編輯建議
編輯實測後的真心話我一直覺得 Xometry 真正賣的不是製造，是「確定性」。硬體開發最消耗心力的是那些等待——等報價、等打樣、等回覆。把報價變成即時的，等於把專案排程從被動變主動。台灣的讀者可能對「幾秒出價」沒那麼驚豔，畢竟我們的供應鏈太強了。但把它當成成本試算工具用，我覺得很有價值，尤其在案子還在提案階段、不好意思一直麻煩廠商報價的時候。
主要功能
- Instant Quoting Engine 即時報價引擎
- 神經網路式機器學習訓練定價與媒合演算法
- 計算幾何分析 3D CAD 產生 DFM 回饋
- 零件複雜度自動評估
- CNC 加工、3D 列印、鈑金、射出成型、金屬成形
- Xometry Enterprise 支援 eProcurement 整合與批量上傳
- 全球製造工廠網路媒合
- Workcenter 工作管理
適用場景
- 硬體新創的快速原型製作
- 產品開發階段的成本可行性試算
- 企業長尾零件的採購自動化
- 小批量生產的產能尋源
- 設計階段的可製造性檢查
Xometry 的優點與缺點
優點
- 上傳檔案幾秒出價，比傳統詢價快上數個量級
- 定價模型建立在龐大的歷史製造工作資料上，隨時間更準
- DFM 回饋在報價階段就給，設計端能即時修正
- 有企業級採購整合與 API，適合規模化使用
缺點
- 報價準確度仰賴上傳模型的完整度，公差與表面處理標註不清會失準
- 實際製造由網路內的第三方工廠執行，品質一致性取決於媒合結果
- 亞洲客戶的交期與運費成本較高
- 複雜或高精度需求的零件，仍需人工工程審查
價格方案
報價依零件與數量即時計算；平台使用免費，付費對象為實際下單的製造費用。
Xometry 常見問題
什麼是 DFM（可製造性設計）？
Design for Manufacturability，指在設計階段就考慮「這個東西做不做得出來、好不好做」。例如內角半徑太小 CNC 刀具進不去、拔模角不夠射出件脫不了模。傳統上這要靠工程師經驗，Xometry 用演算法在報價時就給回饋。
AI 在報價裡扮演什麼角色？
官網說明兩處：用神經網路訓練定價與媒合演算法，以及用計算幾何分析 CAD 檔評估零件複雜度。簡單說，AI 負責判斷「這個東西多難做」，然後換算成價格與交期。
台灣工程師用得上嗎？
可以下單，但要考量國際運費與交期。比較實際的用法是拿它當「價格基準線」——先用 Xometry 得到一個即時的成本量級，再去跟本地供應鏈談，談判時心裡有底。
使用者評價
還沒有足夠評價，搶先分享你的使用心得！
寫下你的評價
Xometry 的替代方案
查看相似的 AI 工具 →相關 AI 工具
猜你也想看的AI 生成3D
更多美國的 AI 工具
同樣來自美國的 AI 工具，一起看看。