工業AI規模化破局曙光初現，何以勾勒工業未來

澎湃新聞記者 夏貝貝

人工智能（AI）熱潮席捲全球的當下，大語言模型作為其中最耀眼的明星大放異彩，橫掃千行百業。然而，在大眾場景、商業領域光芒四射的AI技術一旦直抵機械轟鳴的工業生產現場，卻會遭遇前所未有的水土不服。高複雜度、低容錯率的工業世界，容不得「差不多」。愈演愈烈的「百模大戰」映襯下，工業大模型的浩瀚藍海才初泛漣漪。

「消費級AI創造流量，工業級AI則真正產生價值。但工業AI又是一個難啃的骨頭。」談及工業AI的規模化落地前景，西門子全球執行副總裁、西門子中國董事長、總裁兼首席執行官肖松是位樂觀篤定者。他不諱談工業AI蹣跚前行背后的困擾與阻礙，認為工業是新一輪AI技術應用含金量最高的場景：從窄域的單點應用到如今大模型帶來泛化突破口，工業AI迎來黃金窗口期，有望引爆新一輪生產力躍遷。

數十年來，AI技術的發展歷程充滿了曲折與突破。早在1973年世界還在激辯AI價值時，西門子就獲得了第一個AI專利。1995年的AI「寒冬」中，西門子推出了第一個基於神經網絡的控制優化鋼鐵焊接解決方案。AI技術的每一輪更迭，西門子未曾缺席，時至今日已擁有1500多名AI專家，累計超過3700項AI專利申請，數量居歐洲之首。

AI再次潮起，為此積澱多時的工業巨擘義無反顧。

工業AI，為何叫好難叫座？

與通用大模型的叫好又叫座不同，市場對工業大模型的看法呈兩極分化。一派對此寄予厚望，認為工業是大模型應用的主戰場，應該積極擁抱全面探索。另一派則認為，大模型在工業落地難，不看好在工業場景中的應用，更多持謹慎觀望態度。

這是工業AI理想與現實落差的集中體現。在第25屆中國國際工業博覽會期間，由西門子與至頂科技聯合發佈的《2025工業智能體應用現狀與趨勢展望報告》顯示，參與深度調研的200余家工業企業中，雖然近八成企業認可工業領域AI智能體提升生產效率和降低運營成本的價值，但實際部署仍面臨挑戰：43%的企業尚未部署工業智能體，僅8%實現多場景應用。制約因素集中體現在部署成本高、專業人才缺乏和技術成熟度不足三大方面。此外，企業在考慮是否應用工業智能體時，普遍將穩定性與可靠性作為核心考量。

大模型擅長基於海量互聯網文本、圖像、視頻和代碼「養料」與人類流暢對話，但工廠語言有其獨特的語法和口音——不止於設備的低頻噪聲、儀表面板上跳動的數字、隱晦的維護經驗。面對工業場景中秒級甚至毫秒級的温度、壓力、流量等強時序、強耦合、高干擾的數據流，大語言模型無能為力。要在工業現場「聽懂」，並非把通用的語言模型搬到工廠就能奏效。

「將大模型的通用智慧真正落地到嚴謹、複雜、高要求的工業生產環境中，絕非一蹴而就。」肖松認為，如何將大模型的強大能力與工業現場的實際需求、操作邏輯、安全規範無縫結合，構建出真正能創造價值的解決方案，這仍是一個充滿挑戰的探索過程，也是一場需要持續投入、不斷試錯、迭代優化的「打怪升級」之旅。

工業AI落地的最大制約並非算法本身，而在於數據、行業知識和場景複雜性。

數據是工業大模型的燃料。肖松分析稱，海量的工業數據仍處於「沉睡」狀態。據統計，全球約80%的工業數據因設備未聯網或系統孤立，無法被有效利用。其次，工業AI對行業知識積累的門檻高，需要藉助深厚的行業知識和經驗，實現專業的採集、清洗、標註、結構化等一系列動作，才能真正釋放數據價值，孕育出真正強大且可靠的算法。另外，工業現場對AI的可靠性要求極高，一個錯誤參數可能帶來安全、成本等風險，「能用、可靠」比「看起來聰明」更重要。

「工業的問題恐怕不是一個大模型能解決的。它的每一個細分場景可能都需要一個垂直模型，這些模型需要理解機器語言，比如温度、壓力、振動、轉速。」他説道。

數據碎片、場景複雜、需求隱蔽，工業AI註定不可能是花哨的炫技，也無法成為熱鬧的趕場。西門子正在做的，是用深度行業know-how喚醒沉睡數據，真正有價值的工業AI必須「聽得懂工業語言、看得清生產流程、做得準分析決策，搞得定現場執行」。這更像是，數字時代的工廠「老師傅」。

「工業AI如果想要實現生產力的躍遷，需要底層的託舉能力，西門子希望將服務40多個垂直行業的40余萬家客户的經驗形成底座，真正為AI在工業的落地鋪平道路。這就是我們正在積極打造的工業基礎模型。」肖松強調，只有在一線車間「練出來」的AI，纔有價值。從離散製造到流程工業，數十年來，西門子在自動化硬件和工業軟件中積累了豐富的多模態工業數據，更沉澱了對製造現場和工藝機理的深入理解。隨着今年對Altair和Dotmatics兩家全球軟件企業總價值達150億美元的收購，又進一步擴充了在數據科學、電磁仿真、生物醫藥等關鍵領域的AI能力。

依託這些關鍵要素，身為工業自動化時代與數字化時代先鋒的西門子，在工業AI時代依然立於潮頭。該公司的全球AI專家正和客户團隊以及全球AI領軍企業攜手合作，基於150PB的高質量工業數據，加速跨模態的工業基礎模型的研發，並以此為底座，賦能更多聚焦細分場景的垂直模型和應用，加速工業AI的規模化落地。

工業AI的未來，不屬於某一類公司

中國市場，對於跨國工業巨頭們而言向來獨具魅力。這一效應正在放大：全球規模最大、產業鏈最完整、應用場景最豐富的中國製造業，為工業AI蓬勃生長提供了最具生命力的沃土。

中國工程院院士、紫金山實驗室榮譽主任兼首席科學家劉韻潔曾表示，中國作為世界上工業門類最全的工業製造國家，擁有行業數據的完整性和系統性是最全的，充分利用好這些行業數據，中國在行業大模型將大有可為。中國工程院院士鄔賀銓認為，大模型的出現給工業數字化轉型和高質量發展帶來了很好的技術支撐，但難題在於基礎大模型如何與行業緊密結合。

夯實工業AI技術底座的同時，西門子的AI智能體已經投入實戰。

鍊銅過程中的半成品冰銅，是足以直接影響成品質量和爐體壽命的關鍵。傳統模式下，冰銅品位依賴老師傅「把關」，是鍊銅業轉型發展的一大「瓶頸」。西門子與中國十五冶金建設集團有限公司合作，整合11個工藝段的設備數據，以及來自行業文獻、工藝規範和「老師傅」口口相傳的經驗，打造了鍊銅行業首個下沉到邊緣的智能體。在1200度高温下，它能解讀實時參數變化，給出調優建議。自「上崗」以來，智能體推薦參數的採納率已達到94%以上，冰銅品位的穩定性提升了15%。從「經驗鍊銅」到「AI鍊銅」，實現了質量和效率的雙雙提升。

中國十五冶聯合西門子開發出業內首個融合「垂類模型+邊緣智能」的AI智能體

在今年的工博會現場，西門子攜手中科摩通打造的新一代新能源汽車EMB智能裝配設備正式揭幕。這是西門子生成式工業人工智能助手Industrial Copilot在中國市場的首次試點應用。在該設備的調試過程中，Industrial Copilot輔助工程師進行自動化程序開發，大幅減少重複工作，有效提高程序開發效率、降低因設備錯誤操作造成的生產損失。結合西門子標準化解決方案及機器人庫，Industrial Copilot助力中科摩通將程序開發時間減少30%，產線現場調試周期縮短30%，人工與物料損耗降低10%，充分證明了工業AI在複雜製造環境中的真實價值。

西門子與中科摩通攜手打造AI賦能的EMB裝配設備首次亮相2025工博會

從初露真容到持續升級，不到兩年時間里，全球範圍內已有200多家企業、超過15萬名工程和生產人員在與西門子Industrial Copilot緊密協作。

這是工業AI的未來之窗：以基礎模型為底座，大大小小的工業AI將以智能體的形態活躍在千行百業。它們各有專長，又彼此協作。

「工業AI的時代窗口已經打開，而中國正是工業AI最具活力的應用場景，是孵化工業智能體的熱土。」受訪時，肖松以四個「度」暢想中國工業AI的未來。

首先是「廣度」，中國擁有全世界最完整的工業體系，覆蓋了聯合國41個工業大類666個小類，為AI的基礎模型研發提供了多樣化的訓練樣本和應用場景。

其次是「深度」，中國擁有600多萬家製造型企業，其中絕大部分是中小型企業，它們活躍在工業價值鏈上下游的各個環節上，在細分領域、專用設備、定製場景中藴藏着巨大的AI應用潛力，為工業AI的垂直深化提供了豐富空間。

第三是「速度」，在7月舉辦的WAIC現場，算法、算力等不同領域都有非常多的中國創新企業，中國AI的發展速度和實力令世界矚目。從大模型研發到智能體系統落地，已有一批企業走在世界前列。

最后是「態度」，AI時代，最重要是開放的態度，比如在數據共享、場景共創等方面，中國企業的開放度更高，這都為AI應用創造了先機。

國家級「小巨人」中科摩通，其CEO親自掛帥成立AI研究院，以AI為創新引擎力求解決非標設備規模化難題。中科摩通通過採用西門子生成式工業人工智能助手Industrial Copilot，成功將新能源汽車EMB智能裝配設備的程序開發與現場調試周期均縮短30%，彰顯了工業AI在複雜製造環境中的真實價值。

工業AI再次潮起，哪類企業將佔據主導權？肖松坦言，AI時代，不會是贏家通吃，而是攜手共贏。誰也無法取代誰，工業AI甚至會促使彼此更緊密的合作。「工業AI的未來，不屬於某一類公司，而屬於懂產業、懂技術、願協同的企業羣體。誰能整合行業know-how、數據、AI能力和OT基礎設施，誰就能在工業AI時代佔據主動。」

從19世紀發明指針電報機與直流發電機，點亮全球的通信與電力網絡，到20世紀力推電氣化與工業自動化、引領電子通信與醫療影像革新，再到數字化時代領銜「數字孿生」，賦能全球工廠轉型升級，西門子是每個時代的科技公司，不斷以創新鐫刻時代印記。工業AI的新一輪浪潮中，這家科技企業再次選擇了匠心之路。