DVIRC“展望 2026”峰会的基本见解

“展望 2026 年”的主要要点

2025 年 12 月 12 日，一百多名制造业领袖、企业家和创新者齐聚联邦联盟自由山，参加 DVIRC 的“展望 2026”活动——对未来一年将塑造美国制造业的趋势、政策和劳动力动态进行发人深省的审视。

该活动汇集了行业资深人士和新兴声音，讨论四个关键主题：政治和政策、劳动力继任、技术和经济前景。以下是与会者学到的知识，以及这对您的业务意味着什么。

DVIRC 总裁兼首席执行官 Chris Scafario 通过为当天的对话设置背景来拉开活动序幕。 Scafario 发表讲话后，Sentinel Process Systems 所有者 Paul Tramo 重点介绍了 Travis Manion 基金会 (TMF)，这是一个由退伍军人和阵亡者家属领导的组织，共同服务并相互支持。

此次活动的所有收益都将用于支持 TMF 的使命和计划。

政治格局：关税、法规和制造战略

MJC Consulting 创始人、前美国海军中校 Mike Conallen 在上午的实质性会议中开诚布公地讨论了政治环境及其对制造业的直接影响。科纳伦并没有回避尖锐的问题：谁是关键的政策制定者？政府机构如何影响我们的行业？也许最重要的是，制造商如何才能有意义地参与政治进程？

此次讨论的背景意义重大。特朗普总统的第二任期带来了明确的制造业议程，其中结合了保护主义、监管放松和战略回流。具体细节很重要：普遍基准关税已经在讨论中，目标是对中国商品征收 60% 或更高的关税。这些不是假设的贸易理论——它们是直接影响供应链、材料成本和竞争定位的政策驱动因素。

科纳伦还强调了立法背景。自 20 世纪中叶以来，国会颁布了重大的制造业投资：《CHIPS 法案》、清洁能源制造补贴、“购买美国货”采购激励措施、制造业和研发税收抵免以及基础设施驱动的需求。两党一致的主题是：重建美国工业能力，减少对外国供应链的依赖。

对于宾夕法尼亚州和新泽西州的制造商来说，了解国会的组成很重要。宾夕法尼亚州的 17 席众议院代表团倾向于共和党（10 比 7），而新泽西州的 12 席则倾向于民主党（9 比 3）。该州参议院代表团包括前桥水公司首席执行官、海湾战争老兵大卫·麦考密克（宾夕法尼亚州共和党）；前布拉多克市市长约翰·费特曼 (D-PA)；科里·布克（新泽西州民主党），罗德学者，纽瓦克人；和安迪·金（新泽西州民主党），前国务院顾问和众议院议员。

底线 ：理解政策不需要政治学学位，但确实需要参与。那些袖手旁观的人将影响力拱手让给那些出现的人。

劳动力演变：应对“灰色浪潮”和代际过渡

对于上午的观众来说，没有什么话题比劳动力继任和制造业面临的人口挑战更相关的了：如何将婴儿潮一代创始人创建的企业过渡到下一代，特别是当技术工人老化的速度快于被取代的速度时？

由贝克员工持股中心的凯文·麦克菲利普斯 (Kevin McPhillips) 以及企业主肯·贝克 (New Age Industries)、马克·史蒂芬斯 (Mark Steffens) (航空液压) 和卡特里娜·萨马林 (Katrina Samarin) (Kreischer Miller) 组成的小组探讨了这一微妙的挑战。 “灰色浪潮”——经验丰富的制造商即将退休——并不是抽象的。这是一个涉及招聘、知识转移、公司文化和所有权模式的结构性现实。

谈话揭示了一个核心矛盾：传统制造业长期以来一直通过越来越不常见的蓝领途径吸引人们。学徒制和技术教育需要新的投资和知名度。所有权过渡可以采取多种形式：家族继承、管理层收购、ESOP 结构（员工持股计划）或出售给私募股权公司。每种模型对公司文化和长期生存能力都有不同的影响。

显而易见的是，继任计划并不是退休前最后五年需要解决的问题。最成功的转型始于有目的的战略、诚实的对话以及潜在继任者的早期参与——无论他们是孩子、冉冉升起的管理者还是机构合作伙伴。

底线 ：现在正在决定下一代制造商。等待解决继任问题的企业会发现自己做出了意想不到的妥协。

学术创新：人工智能、自动化和加速学习曲线

德雷克塞尔大学赫斯家族讲座教授兼系主任 Jonathan Spanier 博士指出，制造业正在发生根本性转变：人工智能正在颠覆传统的学习曲线。

从历史上看，制造商依赖于“赖特定律”，即重复生产与人力和流程学习相结合，可以在数月或数年内实现渐进式改进。人工智能改变了这一点。现在，知识和优化可以在几周或几天内出现，使制造能够在部署之前通过人工智能辅助建模预先解决规划、产能、路线、质量控制和成本优化问题。

这种加速带来了并行的挑战：软件和人工智能专业知识的技能半衰期已缩短至 2-3 年。五年前接受过培训的工人可能会发现他们的专业知识已被弃用。这就是灵活的学术机构作为以制造速度运行的创新合作伙伴不可或缺的地方。

德雷克塞尔并没有等待多年的行业问题渗透到课程中，而是将学生部署为快速原型师，将教师实验室部署为设计优化的转化引擎。实际项目说明了该方法：

费城海军造船厂自动驾驶航天飞机是一个跨学科项目，学生们设计并推出了大费城地区第一辆无人驾驶航天飞机。实验室开发的预测机器学习模型持续跟踪工业生产线的传感器数据，在灾难性故障发生之前检测到异常情况。涡轮技术迷你实验室是一个实验室规模的涡轮喷气发动机系统，加强了喷气推进、燃烧和热力学方面的实践教学。

人工智能加速时代的成功取决于人工智能与人类判断、领域专业知识和治理的结合。能够弥合这一差距的大学将成为制造商的合作伙伴。

底线 ：创新优势属于将学术合作伙伴关系纳入其战略的制造商。大学现在是创新引擎，而不仅仅是劳动力供应者。