Digital Manufacturing

Записали новый эпизод подкаста Цифровое Производство по мотивам этого сериала про AI на заводе:

Yandex Music

Apple Podcasts

Спасибо слушателям и читателям за внимание, вовлечённость и обратную связь!

#БИЗНЕС

СЕРИАЛ ПРО AI НА ЗАВОДЕ

На Хабре у нас уже получился целый сериал про внедрение AI в ПСМ. Пишем подробно: как собираем команду, выбираем железо, тратим деньги и пытаемся получить от всего этого пользу для бизнеса. Со всеми нашими ошибками, переделками и историями, когда задачу планировали на три недели, а прошло уже три месяца.

Сейчас вышло пять статей. Собрал все ссылки в одном месте, читать лучше по порядку:

1. Домик для ИИ: как завод пришёл к идее AI ready для бизнеса⁠

2. AI ready: почему дата-центр для ИИ сложнее обычного модульного ЦОДа⁠

3. AI без контура - это демо. Как мы собираем промышленную среду для корпоративного ИИ⁠

4. От подписки к корпоративному AI: как мы собирали команду ИИ-разработчиков и преодолевали скепсис сотрудников⁠

5. Самое сложное в AI: как RAG-пилот на три недели затянулся на три месяца⁠

Мне в начале казалось, что самое сложное будет разобраться с моделями, серверами и разработкой. А потом выяснилось, что придётся разбираться с самой компанией. Где лежат данные, почему документы противоречат друг другу, кто вообще понимает, как должен работать процесс. AI очень быстро вскрывает бардак, с которым до этого все годами как-то справлялись.

Судя по количеству того, что ещё предстоит переделать, сериал будет длинным 😎

Думаю, для большинства это всё пока ещё белый шум, но для саморазвития советую почитать. Считаю, что мне очень повезло с базовым ИТ-шным образованием: легче разбираться в новых технологиях и понимать, какие возможности они дают. Хотя сейчас даже мне очень тяжело успевать за происходящими изменениями.

Провёл небольшой анализ производственной системы Tesla Cybercab — гораздо интереснее не само роботакси, а то, как Tesla перепроектировала продукт и фабрику одновременно.

Ключевые цифры:
— основной последовательный поток сокращён с более 150 до примерно 25 рабочих станций;
— размер производственной линии уменьшен примерно на 50%;
— цикл изготовления наружных кузовных панелей сокращён с часов до минут за счёт RIM и отказа от отдельной окраски;
— новый электропривод стал на 18% компактнее и на 25% легче, а цикл его автоматизированной сборки занимает менее 10 секунд;
— производство Supermanifold V3 автоматизировано примерно на 80%;
— установленная мощность производства Cybercab на Giga Texas — более 125 тыс. автомобилей в год;
— целевое время цикла всей линии — менее 10 секунд, в перспективе около 5 секунд между двумя последовательно выпущенными автомобилями. (Telegraph)

Главный вывод: радикальный рост производительности начинается не с покупки более быстрых роботов, а с перепроектирования продукта так, чтобы заводу вообще приходилось выполнять меньше операций. Выполняется ли этот принцип у вас?

Полный анализ с фотографиями, цифрами и источниками:
Cybercab: Tesla перепроектирует не только автомобиль, но и способ его производства

Цифровое производство

Мы ускоренно движемся к точке невозврата. Не будем поддаваться панике, но сегодня нужно твердо усвоить факт того, что нейросети все активнее проникают во все сферы нашей жизни. Например, последняя модель GPT 6 Astra (выпущена 3 сентября 2026) дает качественный прорыв в создании 3D LLM (нам, инженерам, хочется говорить уже именно так).

Инженеры из nTop протестировали Astra, использовав ее API для создания модели ДВС. Причем всего за 2 часа удалось построить параметрическую сборку и провести работы по созданию 100 двигателей разной мощности!

Источник: Bradley Rothenberg, CEO nTop

😎 { Синтезиум. Подписка }

Добрый день.

Читатели нашего канала спрашивают - куда пропали новости и публикации о цифровых производствах. Дело в том, что авторский коллектив занят созданием подарка, который создаст ценность для многих из вас и скоро вы его получите.

А пока - наш канал попал в интересную подборку технологических каналов.

Мы подписались почти на все каналы из папки, рекомендуем и вам: Инженеры в деле

Возвращаясь к моему тексту осени 2022 года.

Если смотреть на историю советской микроэлектроники через закон Эшби, СССР проиграл не просто гонку за чипами. Он проиграл новой сложности отрасли, на которую пытался ответить старыми методами управления.

Микроэлектроника была создана не приказом министерства и стала не отдельным производством и не набором заводов, а глобальной экосистемой. В ней одновременно должны были работать массовый гражданский спрос, военные задачи, инженерная свобода, международная специализация, быстрые циклы улучшений, поставщики материалов, оптики, литографии, химии, оборудования, программных инструментов, сборки и тестирования. Это была распределённая, быстро обучающаяся система с новым уровнем сложности.

Советская модель пыталась управлять этой новой реальностью привычными инструментами: директивой, дисциплиной, секретностью, военным заказом, административной мобилизацией и копированием готовых решений. Но эти инструменты были слишком бедны и просты для отрасли, которая требовала разнообразия рынков, поставщиков, инженерных школ, технологических экспериментов и международной кооперации.

С точки зрения закона Эшби проблема была именно в этом: разнообразие внешней среды оказалось выше разнообразия системы управления. Мир микроэлектроники становился сетевым, специализированным и быстрым, а советская система оставалась вертикальной, закрытой и медленной.

Система управления СССР могла создать исследовательский центр, выделить бюджет, поставить задачу, усилить контроль и потребовать дисциплины. Но она не могла приказом создать рынок, экосистему поставщиков, конкуренцию идей, быстрый промышленный цикл обучения и международную производственную специализацию.

Поэтому поражение было не только технологическим. Оно было системным. Система пыталась догнать микроэлектронику как продукт, но проиграла системе с новой сложностью. Старая управленческая логика пыталась подчинить новую сложность, но сама оказалась проще мира, которым хотела управлять.

Где она теперь, эта старая система управления?

На фотографии: всесоюзный научно-исследовательский институт материалов электронной техники (ВНИИМЭТ) в г. Калуге был создан в 1964 году как стратегический центр советской оптоэлектроники. Основным направлением института являлось выращивание сложных полупроводниковых монокристаллов и создание на их основе высокоэффективных гетероструктур. Во ВНИИМЭТ должны были создавать материальную и технологическую базу для микро-, опто-, СВЧ-, квантовой и вакуумной электроники: новые полупроводниковые материалы, гетероструктуры, материалы для светодиодов, лазерных диодов, СВЧ-приборов, оптики, связи и других электронных компонентов.

Сегодня в здании ВНИИМЭТ пивная, магазины мебели и одежды. Барельефы на фасаде остались как напоминание о несбывшемся будущем — времени, когда старая система ещё верила, что сможет создать новую индустрию.

Цифровое производство

Сильные проигрывают тем, кто раньше понял: прежняя сила уже стала инерцией.

Моя новая колонка в Forbes — о том, как технический прогресс учит вовремя меняться.

Сегодня это особенно важная тема. Система управления может быть сильной: с опытом, оборудованием, людьми, брендом, рынком, регламентами, связями и большими заказчиками. Но именно эта сила иногда мешает увидеть момент, когда меняется сама логика конкуренции.

Раньше преимущество давали масштаб, капитальные активы, доступ к сырью и управленческая дисциплина.

Сегодня к ним добавляются другие факторы:

— скорость обучения;
— способность видеть данные в реальном времени;
— короткий цикл от идеи до бизнес-результатов;
— цифровая связность цеха, офиса и проектирования;
— готовность пересобирать процессы, а не только улучшать старые.

Технический прогресс редко уничтожает сильных сразу. Он сначала делает их методы чуть менее точными, решения чуть более медленными, структуру чуть менее гибкой. А потом оказывается, что новый лидер, новая компания, новая технология или новая производственная модель уже работают быстрее, экономнее и ближе к заказчику.

Вопрос не в том, нужно ли меняться.
Вопрос в том, достаточно ли рано мы начинаем это делать — и достаточно ли мы быстро меняемся.

Прочитать полностью

🔸 Слушать

Китай разгоняется

За первые четыре месяца 2026-го производство 3D-принтеров в Китае выросло на 51% к прошлому году. Экспорт — более чем вдвое: 2,46 млн единиц за четыре месяца. Девять из десяти бытовых принтеров в мире сделаны там.

Видно невооруженным взглядом, как Китай затмевает прототипирование оборудованием для серийного производства продукции. И пусть эти серии будут малыми. Пока.

Раньше принтер стоял у конструкторов в НИОКР-отделах. Теперь же он стоит в цехе и серийно производит вполне себе ответственные детали.

Новые точки роста — робототехника и потребительская электроника. Не авиастроение (там уже никому ничего доказывать не нужно — все понятно) с его длинными циклами и жёсткой сертификацией, а быстрые, итерационные производства, где гибкость дороже стабильности. Там китайские машины с китайскими материалами по китайским ценам попадают в самую точку.

Для тех, кто привык смотреть на Китай как на поставщика дешёвых копий, — стоит обновить картину мира.

Отдельное спасибо каналу @skmfg за эту новость.

Логика 👂 слоя
◖ Быть в курсе АП ◗
◖ Прислать новость ◗

🏭 Как искусственный интеллект спасает глобальные цепочки поставок: передовой опыт Siemens

Знаете ли вы, что почти 80% компаний даже не представляют, сколько у них поставщиков второго (tier-2) и третьего (tier-3) уровня? Именно в этих глубоких, непрозрачных зонах логистики рождаются самые масштабные кризисы, такие как недавний глобальный дефицит полупроводников.

Чтобы решить проблему таких слепых зон, исследователи из Siemens в публикации "A Knowledge Graph Perspective on Supply Chain Resilience" предложили инновационный подход: объединить логистику с графами знаний и алгоритмами машинного обучения.

Вот как это работает на практике:

🔹 Построение мега-сети: объединив разрозненные внутренние базы данных с внешними источниками (например, таможенными декларациями), инженеры создали единый граф, в котором прозрачно отображаются более 100 000 поставщиков вплоть до 3-го уровня.

🔹 Предсказание скрытого (Link prediction): логистические данные всегда неполны и децентрализованы. Поэтому система использует графовые нейросети и передовые модели обучения (лучше всего себя показала математическая модель RotatE), которые улавливают закономерности и с высокой точностью предсказывают ранее неизвестные, скрытые связи между компаниями.

🔹 Автоматический поиск "узких горлышек": алгоритмы аналитики графов анализируют кратчайшие пути в сети поставок и вычисляют метрики центральности (например, betweenness centrality) для каждой компании. Центральность — это метрика в графовой аналитике, которая используется для вычисления показателя важности узла (например, поставщика) в сети на основе анализа количества его связей и расположения на кратчайших путях между другими участниками. В реальном кейсе Siemens система автоматически выявила 988 критически важных поставщиков, перебои у которых могут обрушить всю цепь.

🔹 Защита бизнес-сфер: визуализация таких графов позволяет находить крайне уязвимые бизнес-направления, зависящие всего от одного уникального поставщика, что дает возможность заранее подготовить запасные варианты.

💡 Главный вывод: технологии машинного обучения на графах позволяют промышленным гигантам навсегда уйти от реактивного тушения пожаров по факту сбоя и перейти к проактивному управлению рисками.

🎧 Хотите узнать больше?
Мы подробно разобрали (за 12 минут) этот впечатляющий кейс в свежем эпизоде нашего подкаста "Цифровое производство". Обсуждаем, как графовые сети превращают хаос данных в предсказуемую систему и почему благодаря этому подходу вы можете управлять вашими цепочками поставок более эффективно. (А GNN с использованием индекса Херфиндаля-Хиршмана (HHI) - это просто космос!)

Слушать наш увлекательный диалог:
👉 Yandex Music | Apple Podcasts

#ЦифровоеПроизводство #ИИ #Логистика #Siemens #МашинноеОбучение #УправлениеЦепямиПоставок #Нейросети

Мы живем в удивительное время, когда барьеров для входа в сложное инженерное творчество и производство больше нет. Сегодня ученик седьмого класса способен самостоятельно создать полноценную лабораторную установку для исследования аэродинамических явлений.

Еще недавно создание подобных испытательных стендов требовало промышленных ресурсов. Сейчас же CAD-моделирование, 3D-печать, лазерная резка, гравировка и даже настольная ЧПУ-обработка металлов, становятся доступны каждому.

Отличным примером служит проект модульной аэродинамической трубы для изучения обтекания макетов болидов F1. Используя современные инструменты, семиклассник изготовил функциональную установку всасывающего типа. В ней реализованы грамотные инженерные решения: от напечатанных на 3D-принтере сотовых выпрямителей с гексагональным заполнением для гашения боковых завихрений потока до системы визуализации с дымовой гребенкой и лазером. Использование технологий цифрового производства позволило снизить стоимость оборудования в десятки раз по сравнению с коммерческими учебными аналогами.

Собранная установка позволяет на практике наблюдать поведение ламинарного потока, возникновение прижимной силы на профиле Жуковского, турбулентные следы за неаэродинамическими телами и даже эффект слипстрима при продуве двух машин.

Это наглядно доказывает: доступность технологий радикально меняет подход к инженерным исследованиям, превращая сложные концепции в реализуемые настольные проекты.

🎞 Судите сами: YouTube | RuTube

Digital Manufacturing

AMSupplyCheck или почему мы платим в 50 раз больше просто потому, что ленимся искать

Каждый раз, когда нужно заказать серию деталей на стороне, закупщики предприятий пишут десяток писем, прикрепляют STEP-файлы, и ждут ответ по три дня. Половина производств вообще может не ответить, а у оставшихся цены могут гулять в космосе. Сейчас для аддитивки появился инструмент, который хотелось бы иметь многим.

Называется он AMSupplyCheck. Суть его проста: загружаешь STL, выбираешь материал и количество. Система сама стучится к 97 поставщикам по всему миру и возвращает тебе сводную таблицу. Вот такая вот полезная автоматизация.
Опытный промышленник привык доверять цифрам, а не красивым описаниям. И что интересно, данный сервис для примера рассчитал варианты изготовления детали. Минимальная цена получилась 27 евро, а максимальная — 1378 евро. Разница в 51 раз. Это не опечатка. Одна и та же модель, одни и те же требования. Просто кто-то из поставщиков сидит на потоке заказов и может позволить себе давать честную цену, а кто-то вписывает в смету стоимость Aurus директору.

Есть ли здесь параллель с логистикой? Давайте разбираться. Помните, как раньше мы возили грузы одной и той же транспортной компанией годами, потому что «так исторически сложилось»? А потом появились агрегаторы вроде «Деловых линий» или СДЭК, и выяснилось, что можно отправлять ту же коробку в три раза дешевле. С 3D-печатью та же история. Мы прирастаем к одному-двум проверенным подрядчикам и даже не подозреваем, что рынок уже ушёл далеко вперёд.

Этот сервис — не серебряная пуля. Он не решит проблему качества, если поставщик криворукий. Он не напишет за вас ТЗ. Но если вы заказываете печать хотя бы раз в месяц и ваш бюджет превышает пару десятков тысяч рублей, не попробовать сравнить цены — это профессиональное преступление. Даже если в итоге вы останетесь у старого подрядчика, у вас появится железный аргумент для торга.
И да, на сайте есть карта, где можно просто посмотреть, кто печатает металлом или полиамидом в ближайшем к вам регионе. Для общего развития и поиска альтернатив на случай форс-мажора — штука полезная.

Но самое отталкивающее российского пользователя здесь — это то, что сервис зарубежный и ищет за пределами России.

Источник вдохновения: amsupplycheck.com/browse

P.S. Единственное, чего не хватает — это фильтра по компаниям, которые не теряют файлы клиентов и не выкладывают их на Thingiverse. Но это уже совсем из области фантастики.

Синтезиум. Подписка

Видео: "мы доказали, что производство в США может быть дешевле, чем в Китае"

Роботизация 3D-печати кардинально меняет глобальную систему разделения труда и традиционные цепочки создания ценности, переводя их от массового стандартизированного производства к локальному и кастомизированному. Эти изменения проявляются в ключевых направлениях:

Децентрализация и локализация производства (решоринг): традиционная модель поставок опирается на централизованное производство огромных объемов продукции на фабриках в Азии с последующей долгой транспортировкой через океан. Роботизированная 3D-печать делает производство децентрализованным, позволяя создавать товары «точно в срок» и максимально близко к потребителю. Это снижает риски, связанные с хрупкостью глобальных цепочек поставок, задержками доставки и геополитической напряженностью. Сегодня фабрика — это не массивный комплекс за границей, а автоматизированная ферма машин по соседству (в странах, где это позволяет сделать финансовая модель).

Новая экономика и устранение логистических издержек: раньше главным препятствием для внедрения 3D-печати была высокая стоимость по сравнению с азиатскими фабриками. Однако роботизация меняет математику: расчеты показывают, что производство на полностью автоматизированной 3D-ферме в США позволяет выпускать пару обуви примерно за $15,42. Эта цифра успешно конкурирует с традиционным зарубежным производством, если учесть растущие расходы на логистику, высокие таможенные тарифы (до 37%), затраты на растаможивание и хранение товарных запасов.

Отказ от физической оснастки и минимальных партий (MOQ): классическое производство требует инвестиций в дорогостоящие металлические пресс-формы для каждого размера изделия. В 3D-печати роль формы выполняет цифровой файл, что сводит затраты на переоборудование к нулю и позволяет вносить изменения в дизайн мгновенно. Печать по требованию и под заказчика исключает необходимость заказа огромных минимальных партий товара (MOQ) и устраняет риск затоваривания складов нераспроданной продукцией.

Массовая кастомизация: из-за отсутствия физических форм производство тысячи уникальных изделий теперь стоит столько же, сколько производство тысячи одинаковых. Цепочка создания ценности смещается в сторону персонализации: покупатели могут с помощью LiDAR-сканера на смартфоне создать точную биомеханическую карту своей стопы и отправить её напрямую производителю для создания идеально подходящего продукта. На выставке TCT Asia, на которой мы работали в марте и писали ранее, мы встретили несколько компаний, которые оказывают такие услуги — и сразу печатают обувь.

Переосмысление продукта и экологичность (цикличность): главный урок индустрии заключается в том, что нельзя просто автоматизировать старые процессы (например, поручать роботам шнуровку или сшивание деталей — заводы Speedfactories Adidas закрыл ещё в 2019) — необходимо перепроектировать сам продукт под робототехнику и аддитивное производство. Переход на печать из мономатериалов (которым ничто не мешает быть многоцветными), либо использование многоэкструдерных 3D принтеров, позволяет отказаться от клея и сборки. Это создает замкнутую (циркулирующую) цепочку создания ценности: старые изделия можно измельчать и бесконечно перепечатывать в новые, что существенно сокращает отходы, снижает выбросы и экономит воду.

Обратите внимание — видео к этому тексту показывает, что роботизация ферм 3D печати актуальна как никогда. Даже для небольших производств.
Источник видео: youtube.com/@dhrengineering

Digital Manufacturing

Тотальный контроль или шаг в будущее? Зачем рабочие носят камеры и при чем здесь опыт РЖД.

В сообществах активно обсуждают практику индийских заводов: рабочих носят налобные камеры, непрерывно фиксирующие визуальные данные от первого лица.

Многие видят в этом в первую очередь сбор данных для обучения роботов. Но на самом деле цели гораздо прагматичнее и шире.

Индустрия использует носимые камеры для решения (как минимум) трех важных задач:

1. Обучение физического ИИ (Physical AI)
Это действительно важный тренд. Массивы видео ручного труда нужны, чтобы роботы нового поколения учились через Imitation Learning (обучение с подражанием). Сотрудники тренируют алгоритмы, которые учатся понимать контекст, силу захвата и реагировать на нестандартные ситуации на конвейере, у станка, за швейной машиной.

2. Анализ производительности
Камеры позволяют проводить микротрекинг каждого действия рабочего. ИИ анализирует кадры и выявляет ограничения производительности: где сотрудник делает лишние движения, насколько эргономично организовано рабочее место, почему падает скорость сборки к концу смены. Это позволяет оптимизировать процессы с математической точностью.

3. Контроль безопасности и качества
Система в реальном времени следит, надел ли рабочий защитные очки, соблюдает ли регламент при работе со станком и не пропускает ли брак.

🚝 Российский опыт: практика, проверенная годами

Для производственного сектора это звучит как киберпанк, но в других отраслях носимые регистраторы — давно стандарт. Отличный пример внедрения подобных технологий — РЖД.

Эксперименты с персональными видеорегистраторами на железной дороге в России начались еще в 2014–2015 годах (сначала их тестировали контролеры пригородных поездов). К 2018 году крупнейшие операторы электричек снабдили камерами почти 100% кассиров-контролеров, а с 2020 года началась массовая выдача устройств начальникам поездов дальнего следования и проводникам.

Какие результаты это дало РЖД?

Радикальное снижение конфликтов: сам факт записи дисциплинирует как пассажиров, так и сотрудников. Градус агрессии при общении падает моментально.

Объективность при разборах: камеры свели к нулю споры в стиле «слово против слова». Видео и звук дают четкую картину при жалобах на сервис, отказах оплачивать проезд или хулиганстве.

Защита персонала: сотрудники получили инструмент правовой и физической защиты от необоснованных претензий и агрессивного поведения.

Что в итоге?

То, что РЖД давно использует для безопасности и сервиса, промышленность сейчас адаптирует для тотальной оцифровки физического труда.

Видео от первого лица человека в цеху становится ключевым источником данных о том, как именно работает предприятие.

Как считаете, станет ли обязательное ношение камер стандартом для каждого рабочего на заводе к 2030 году? Или раньше? Или к этому году рабочих в цехах уже не останется? Пишите мысли в комментариях

#цифровоепроизводство #робототехника #AI #автоматизация #РЖД #инновации #индустрия40

Digital Manufacturing

🇨🇳 29 марта в Китае запущена первая полностью автоматизированная линия по производству человекоподобных роботов

Эра массового производства гуманоидов официально наступила. В районе Наньхай города Фошань (провинция Гуандун) заработала фабрика, которая переводит индустрию робототехники от лабораторных прототипов к промышленным масштабам, сравнимым с производством электромобилей и смартфонов. Проект реализован в партнерстве между разработчиком роботов Leju Robotics (создающим "мозг" и дизайн) и контрактным производителем Dongfang Precision.

📊 Главные цифры и факты о новом производстве:
10 000 роботов в год — заявленная производственная мощность новой линии.
1 робот каждые 30 минут сходит с конвейера, что повышает эффективность на 50% по сравнению с традиционными методами сборки.
100% цифровая сборка с использованием автоматизированных тележек (AGV), позволяющая линии гибко переключаться между разными моделями без полной перенастройки оборудования.
24 процесса высокоточной сборки и 77 этапов всестороннего контроля качества на каждого робота.
41 тест в рабочих условиях: перед отгрузкой машины проходят жесткие испытания для работы в режиме 24/7.

💡 Почему это важно?
Пока многие западные компании всё ещё фокусируются на создании впечатляющих демо-видео для инвесторов, Китай активно выстраивает инфраструктуру для массового производства и контроля качества (QA). Эксперты отмечают, что отрыв Китая в готовности к массовому производству роботов уже составляет 2-3 года. Для страны это не просто технологическая гонка, а экономическая необходимость на фоне стареющего населения и сокращения рабочей силы.

Глобальная гонка тоже набирает обороты:
Конкурент Unitree Robotics нацелился на выпуск 75 000 единиц в год (планируется IPO на $580 млн).
Компания UBTECH масштабирует производство до 5 000 единиц в этом году, стремясь снизить стоимость одного робота ниже $20 000.

По прогнозам Bank of America, к 2060 году в мире может появиться 3 миллиарда человекоподобных роботов. Главный вызов для индустрии теперь — доказать, что для этих "металлических сотрудников" найдется достаточно реальной работы и полезного программного обеспечения.

Источник

HR = Humanoid Robotics

Подводим итоги выставки аддитивных технологий TCT Asia 2026

TCT Asia 2026: 5 технологических прорывов, которые изменят производство
telegra.ph/TCTAsia2026-03-28-2

В аудиоформате - 15 минут в лёгком диалоге, с шутками и эмоциями - в новом эпизоде подкаста "Цифровое производство":
Yandex | Apple

В 2027 выставка пройдёт 27-29 мая, в пяти павильонах нового выставочного центра Shanghai New International Expo Center.

Скорость развития промышленных технологий захватывает дух! 📈

Синтезиум на TCT Asia 2026
Часть 1

Команда Синтезиум вместе с предпринимателями экспедиции, организованной Клубом производственников Сколково, побывала в Китае: трудилась на заводах заводах лидеров аддитивных и композитных технологий, а также три дня провела на выставке TCT Asia 2026. Эмоции и личные впечатления оставим для отдельного материала, который уже готовится. Здесь мы поговорим только о конкретике.

Итак, куда движется сфера аддитивного производства?
Коротко, как вы любите: 527 компаний, 55 000 м². Мы не просто праздно ходили по стендам с широкого окрытыми глазами, а собирали данные и вели аналитику по каждому участнику — по направлениям, технологиям, географии. Вот несколько цифр, которыми мы хотели бы с вами поделиться:
⚙️ 32,3% экспонентов — производители 3D-принтеров по металлам и сплавам
⚙️ 30,6% — центры аддитивного производства и сервисные бюро
⚙️ 95,6% участников — компании из Китая. Из России — одна вышла с собственным стендом, ещё одна интегрировалась на стенд известного китайского бренда настольных FFF-принтеров.

📍Промышленный треугольник Гуандун — Цзянсу — Шанхай дал более половины всех компаний выставки. За этой географией стоит производственная экосистема, которой сегодня нет аналогов нигде в мире.

#Синтезиум #аддитивныетехнологии #TCTAsia2026 #Китай #производство