西门子工业AI跑通物理世界

来源：商学院杂志

面向新一轮科技革命和产业变革，加快推进工业AI的广泛应用，已成为产业界的一道必答题，在这方面西门子正给出自己的解题方案。

文｜钱丽娜

ID | BMR2004

在过去数年对全球制造业高管的调研中，几乎所有人都在思考：为什么在消费互联网领域迅速应用的AI技术，进入工厂后却屡屡碰壁？

原因其实很简单，工业场景强调确定性、安全性与物理机理约束，而这恰恰是通用大模型的短板，不过，正是这种不匹配，催生了对工业AI的强烈需求，从而为工业AI创造了大量的机会。西门子股份公司董事会成员、首席技术官兼首席战略官Peter Koerte曾表示：“工业AI这项颠覆性技术将对现实世界中的各行各业产生积极影响，它将释放工业环境中海量数据的价值，并转化为能够推动业务发展的深刻洞察。”

对西门子而言，全球有数以万计的设备在运行，每天产出海量的数据，足以助力公司领先一步构建起全新的工业时代的AI范式。

01

物理世界与数字世界的融合

当AI走入现实世界时，其定位不是替代工程师，而是把人力释放到系统架构、工艺创新等高价值决策环节。

2023年，西门子提出让人工智能触手可及的愿景。西门子股份公司董事会成员、西门子数字化工业集团首席执行官奈柯（Cedrik Neike）预言：人工智能从概念走向规模化落地是一场颠覆性变革，已经远超工程制造和工业运营范畴，可帮助企业应对劳动力短缺和气候变化等挑战。

西门子中国董事长、总裁兼CEO肖松今年指出，工业AI落地的结构性痛点集中体现在模型训练与数据供给衔接不畅，大量工艺知识沉淀在工艺规范与一线工程师的隐性经验之中，零散无序的数据无法直接喂给大模型。破局的关键不是追求全域覆盖，而是以真实业务场景作为牵引，完成“场景—数据—模型—执行”的闭环循环。

工业世界运行在物理定律、工艺约束、设备硬件、人员操作交织的复杂环境中，容错空间极低。目前大多数AI辅助工具仅能生成建议，交由工程师人工校验、手动部署，而西门子Eigen Engineering Agent(Eigen工程智能体，以下简称“Eigen”)可在真实的工程系统中运行，实现端到端的任务规划、执行和验证。它能够理解项目需求、编写自动化代码、完成硬件网络配置，并持续迭代优化，输出高质量的执行结果。通过自动完成重复性工作，提供经验证后可直接应用的成果，Eigen让工程师得以聚焦更具价值的系统级挑战。

在覆盖19个国家、逾百家企业的试点应用中，Eigen所做的项目包括可编程逻辑控制器（PLC）、人机界面（HMI）可视化开发及设备配置等。

Eigen工程智能体已经走上了中科摩通的电动汽车电子机械制动系统装配产线上。在设备开发过程中，工程师只需要用日常语言说出想要什么，智能体便可以独立完成相应工程作业，实现端到端的工业自动化工程任务规划、执行和验证，相当程度上解放了工程师的“人手”。数据显示，产线的编程耗时缩短约30%，现场设备调试周期减少30%，原材料与人工损耗降低约10%。

在工程人才紧缺的压力下，Eigen的执行效率可将整体解决方案质量提升高达80%，工程效率提升50%。Peter Koerte认为，这是工业AI发展的标志性时刻，这项技术可如消费级AI那般简单易用，同时影响更为深远。Eigen有望从根本上改变设计、构建及运行工业系统的模式。

智能体调度是工业AI中的一个难题。西门子另一个关键产品是Intelligence Center X工业AI编排软件，它承担智能体的调度底座角色，打通数据孤岛，整合工程、生产、供应链、服务全链条的工业数据，让AI有“燃料”可用；嵌入业务流程，将AI智能体直接融入日常工作流程，成为工作伙伴；全程可管可控，提供审计能力和策略管控。

Intelligence Center X解决了多代设备并存、协议繁杂的工厂环境下单一智能体无法覆盖全部业务的难点，编排软件作为统一底座，统一治理企业数据、模型、工作流，实现多智能体协同、人机混合作业，帮助企业把零散AI试点转化为生产级可管控、可扩展的应用，在客户实践中可将重复性手工作业负荷降低95%，生产问题处置效率提升85%，数据摄取准确率达到100%。

巴西大型平板玻璃制造企业Vivix用Intelligence Center X 打造了“AI虚拟工程师”，其带来的成果是生产问题处置效率提升85%，全年节省6000小时人工工时，质量问题排查效率最高能提升4倍。

但值得注意的是，工业智能体并非是一键改造工厂。普华永道对德国、奥地利和瑞士的247家制造企业调研显示，89%企业认可生成式AI的价值，但仅7%企业完成系统性规模化推广；数据质量不足、专业人才缺口、基础设施短板是工业AI落地的前三大障碍。工业智能体必须坚持可追溯、可验证、可控制的底线，不能完全脱离人的监督。例如南京一家工厂部署数十项 AI应用，生成式AI故障助手给出现场维修方案，但依然保留工程师复核环节；AI视觉检测输出缺陷识别结果，也设置人工复核通道，规避模型误判带来生产事故风险。简言之，当AI走入现实世界时，其定位不是替代工程师，而是把人力释放到系统架构、工艺创新等高价值决策环节。

02

战略竞合：IT与OT巨头共生

工业AI落地不是单一模型部署的问题，而是复杂系统工程，需要与工业软件、边缘计算设备、执行装备以及工艺流程深度结合。

工业AI极为复杂，没有任何一家厂商可以独立包揽全部技术栈。OT厂商（自动化、工业软件巨头，通常指提供工业控制系统、PLC、传感器等的公司）掌握工艺机理、设备硬件、现场实施经验，但在通用大模型训练、云原生算力、大规模分布式软件能力上存在短板；IT科技巨头拥有大模型、算力、云平台的技术优势，但极度缺乏产线工艺知识，直接下场做工业应用极易出现技术先进但业务无效的困境。由此催生IT、OT巨头深度共生的竞合格局：既有市场层面的竞争，又存在技术、生态层面的强依赖，是典型的竞合关系。

西门子的对外合作布局充分体现了这一逻辑。一方面，西门子作为OT巨头持续构建自有技术底座，斥资10亿欧元进行工业AI专项投资，内部拥有超过1500名AI专家，持有2000余项AI相关专利家族（该指标反映技术的“全球含金量”，指的是一个核心发明，在全球多市场同时申请保护），自主研发Eigen工程智能体、Intelligence Center X编排平台、Flamingo工艺AI控制器等产品，收购Altair、Dotmatics补强仿真与生命科学软件能力，夯实自身工业知识与软件壁垒。另一方面，西门子又深度绑定英伟达、微软等巨头，补齐算力与大模型能力。

在2026 CES大会上，西门子与英伟达拓展的战略合作，覆盖AI原生电子设计、AI原生仿真、AI驱动自适应制造与供应链、AI工厂设计等方向，把GPU算力融入工业仿真与模型训练链路，弥补自身通用算力短板。同时，在今年3月的中关村论坛上，西门子也和北京国际大数据交易所达成战略合作，探索工业数据要素流通机制，试图解决行业普遍存在的数据孤岛难题。

这种共生模式，不同于简单的采购外包，而是能力边界的清晰划分：OT巨头守住工业域的“责任边界”——工艺规则、自动化控制、安全合规、现场落地验证；IT巨头提供基础层能力——基础大模型、算力基础设施、云架构。基础大模型经过OT方导入行业知识库、工艺约束、设备协议，完成领域化改造之后，封装成工业智能体对外交付。肖松曾谈到，工业AI落地不是单一模型部署的问题，而是复杂系统工程，需要与工业软件、边缘计算设备、执行装备以及工艺流程深度结合，尤其在多代际设备并存、多协议交织的工业现场，人工智能如果不能嵌入复杂异构系统，就很难真正发挥作用。

在机器人产业领域，西门子与成立于2024年的工业机器人公司Humanoid合作。Humanoid已将英伟达完整物理AI技术栈集成至HMND 01平台，包括面向边缘计算的NVIDIA Jetson Thor、用于仿真的NVIDIA Isaac Sim，以及用于强化学习与策略训练的NVIDIA Isaac Lab，大幅缩短了开发周期。

目前，HMND 01轮式Alpha人形机器人，已在位于德国埃尔兰根的西门子电子工厂完成运行测试，可以成功执行自主物流任务。需要注意的是，人形机器人的真正价值在于成为工厂车间中完全集成、协同工作的资产，这意味着它需要与生产系统及其他自动导引车（AGV）实现实时数据交互，与各类设备及操作人员同步作业流程，并具备动态适应环境变化的自主行为能力。如无法实现这样的深度集成，即便再精密的机器人也难以发挥其应有的全部潜力。在这方面，西门子的Xcelerator 产品组合能够提供工业现场的全面技术支持，包括全面的数字孪生、AI感知、集成控制、PLC-机器人接口、机群管理、工业通信网络以及高性能驱动装置。这些技术共同构成了工业机器人的数字化基础架构与自动化基础设施，以确保其能够高效运行，并与整体工厂环境协同作业，最终形成可部署于各类工业场景的工厂级人形机器人应用范式。

在这一合作中，西门子提供工业集成核心支撑，Humanoid搭载英伟达完整物理AI技术栈，检验了人形机器人在真实工厂环境中达成生产目标的能力。

工业AI的高价值用例大量集中在研发、供应链、生产等企业核心业务职能，而不仅仅是IT、HR等后台支持职能。而这些核心职能的落地，恰恰最需要IT算力能力与OT工艺经验的深度融合，单独任何一方都很难实现。

03

构建开放式数字商业平台

将开放式数字商业平台Xcelerator作为关键引擎，将前沿技术无缝集成到工业领域。

当技术产品逐步成熟，下一个核心命题就是商业规模化变现。工业AI过去长期困在项目制陷阱，客户习惯定制化开发，项目周期长、成本高昂，难以复制，边际成本无法下降，即便试点效果亮眼，也很难大规模推广。

在推进“ONE Tech Company”计划、加速数字化增长的过程中，西门子将开放式数字商业平台Xcelerator作为关键引擎，将前沿技术无缝集成到工业领域。该平台结合西门子自身强大的能力与资源，第三方独立软件开发商、集成商的解决方案，将标准化、模块化，让客户可以按需组合，成为在全球范围内加速新兴技术规模化落地、推动工业转型迈向新阶段的关键力量。

作为“ONE Tech Company”计划的重要支柱，平台历史上经历过多次迭代，是西门子应对数字化时代的核心战略平台，具体来看，该复用逻辑可以拆解为三层。

第一层：产品资产可模块化复用。在传统工业项目中，软件、硬件、AI算法高度耦合在定制项目包，做完A客户，B客户几乎需要重新开发。西门子Xcelerator推动平台内软硬件产品做模块化改造，支持API开放、订阅式交付。以Eigen工程智能体为例，它不是针对某一家客户单独开发项目版本，而是标准化订阅组件；不同行业客户（冶金、汽车、装备）可以复用同一个智能体底座，只需要导入本行业工艺知识库与场景配置，就可以适配不同产线，大幅降低新项目交付成本。

第二层：知识资产的沉淀复用，把隐性经验转化为平台可调用资产。工业最大的稀缺资产是行业工艺知识、一线专家经验。过去这类知识存储在工程师大脑或者零散文档中，人员流动就会造成知识流失。西门子Xcelerator配套工业AI智能体开发平台，支持合作伙伴把行业工艺、案例、规则沉淀为平台内可复用知识库，不需要从零重新做知识萃取。第四届西门子Xcelerator公开赛专门聚焦Eigen工程智能体应用开发，就是鼓励生态伙伴基于平台底座，面向细分行业开发复用型智能体应用，拓展场景边界。

第三层：生态角色的能力复用，重构供需匹配链路。西门子Xcelerator平台的一端持续连接基础大模型、工业数据及垂直行业伙伴，将前沿AI能力与产业价值链深度结合，为研发设计与管理、智能质量控制、生产过程优化、智能物流与供应链、预测性维护等核心场景提供切实价值，面向制造企业客户，提供统一入口完成方案评估、试用、采购；另一端，西门子Xcelerator工业AI智能体开发平台专为工业场景打造，实现智能体开发、工业知识库迭代并匹配相应的算力资源，帮助开发者让创新更快地从想法走向产品。

目前，西门子Xcelerator在中国拥有超60万注册用户、500余家生态伙伴，并汇聚超 800款产品与解决方案，支持用户探索、评估与应用工业AI方案，拓展应用落地场景，以供需高效匹配的产业生态加速工业AI规模化落地。

肖松指出，今年以来，以深度融合人工智能与物理世界为特征的“物理AI”，成为全球科技和产业发展的热点。人工智能正加速走向生产现场，走进工厂、车间和产线，赋能以制造业为代表的实体经济。

面向新一轮科技革命和产业变革，加快推进工业AI的广泛应用，已成为产业界的一道必答题，在这方面西门子正给出自己的解题方案。

来源｜《商学院》杂志9月刊