摘要：
... 人工智能（AI）热潮席卷全球的当下，大语言模型作为其中最耀眼的明星大放异彩，横扫千行百业。然而，在大众场景、商业领域光芒四射的AI技术一旦直抵机械轰鸣的工业生产现场，却会遭遇前所未有的水土不服。高复杂度、低容错率的工业世界，容不得“差不多”。愈演愈烈的“百模大战”映衬下，工业大模型的浩瀚蓝海才初泛涟漪。
“消费级AI创造流量，工业级AI则真正产生价值。但工业AI又是一个难啃的骨头。”谈及工业AI的规模化落地前景，西门子全球执行副总裁、西门子中国董事长、总裁兼首席执行官肖松是位乐观笃定者。他不讳谈工业AI蹒跚前行背后的困扰与阻碍，认为工业是新一轮AI技术应用含金量最高的场景：从窄域的单点应用到如今大模型带来泛化突破口，工业AI迎来黄金窗口期，有望引爆新一轮生产力跃迁。
数十年来，AI技术的发展历程充满了曲折与突破。早在1973年世界还在激辩AI价值时，西门子就获得了第一个AI专利。1995年的AI“寒冬”中，西门子推出了第一个基于神经网络的控制优化钢铁焊接解决方案。AI技术的每一轮更迭，西门子未曾缺席，时至今日已拥有1500多名AI专家，累计超过3700项AI专利申请，数量居欧洲之首。
AI再次潮起，为此积淀多时的工业巨擘义无反顾。
工业AI，为何叫好难叫座？
与通用大模型的叫好又叫座不同，市场对工业大模型的看法呈两极分化。一派对此寄予厚望，认为工业是大模型应用的主战场，应该积极拥抱全面探索。另一派则认为，大模型在工业落地难，不看好在工业场景中的应用，更多持谨慎观望态度。
这是工业AI理想与现实落差的集中体现。在第25届中国国际工业博览会期间，由西门子与至顶科技联合发布的《2025工业智能体应用现状与趋势展望报告》显示，参与深度调研的200余家工业企业中，虽然近八成企业认可工业领域AI智能体提升生产效率和降低运营成本的价值，但实际部署仍面临挑战：43%的企业尚未部署工业智能体，仅8%实现多场景应用。制约因素集中体现在部署成本高、专业人才缺乏和技术成熟度不足三大方面。此外，企业在考虑是否应用工业智能体时，普遍将稳定性与可靠性作为核心考量。
大模型擅长基于海量互联网文本、图像、视频和代码“养料”与人类流畅对话，但工厂语言有其独特的语法和口音——不止于设备的低频噪声、仪表面板上跳动的数字、隐晦的维护经验。面对工业场景中秒级甚至毫秒级的温度、压力、流量等强时序、强耦合、高干扰的数据流，大语言模型无能为力。要在工业现场“听懂”，并非把通用的语言模型搬到工厂就能奏效。
“将大模型的通用智慧真正落地到严谨、复杂、高要求的工业生产环境中，绝非一蹴而就。”肖松认为，如何将大模型的强大能力与工业现场的实际需求、操作逻辑、安全规范无缝结合，构建出真正能创造价值的解决方案，这仍是一个充满挑战的探索过程，也是一场需要持续投入、不断试错、迭代优化的“打怪升级”之旅。
工业AI落地的最大制约并非算法本身，而在于数据、行业知识和场景复杂性。
数据是工业大模型的燃料。肖松分析称，海量的工业数据仍处于“沉睡”状态。据统计，全球约80%的工业数据因设备未联网或系统孤立，无法被有效利用。其次，工业AI对行业知识积累的门槛高，需要借助深厚的行业知识和经验，实现专业的采集、清洗、标注、结构化等一系列动作，才能真正释放数据价值，孕育出真正强大且可靠的算法。另外，工业现场对AI的可靠性要求极高，一个错误参数可能带来安全、成本等风险，“能用、可靠”比“看起来聪明”更重要。
“工业的问题恐怕不是一个大模型能解决的。它的每一个细分场景可能都需要一个垂直模型，这些模型需要理解机器语言，比如温度、压力、振动、转速。”他说道。
数据碎片、场景复杂、需求隐蔽，工业AI注定不可能是花哨的炫技，也无法成为热闹的赶场。西门子正在做的，是用深度行业know-how唤醒沉睡数据，真正有价值的工业AI必须“听得懂工业语言、看得清生产流程、做得准分析决策，搞得定现场执行”。这更像是，数字时代的工厂“老师傅”。
“工业AI如果想要实现生产力的跃迁，需要底层的托举能力，西门子希望将服务40多个垂直行业的40余万家客户的经验形成底座，真正为AI在工业的落地铺平道路。这就是我们正在积极打造的工业基础模型。”肖松强调，只有在一线车间“练出来”的AI，才有价值。从离散制造到流程工业，数十年来，西门子在自动化硬件和工业软件中积累了丰富的多模态工业数据，更沉淀了对制造现场和工艺机理的深入理解。随着今年对Altair和Dotmatics两家全球软件企业总价值达150亿美元的收购，又进一步扩充了在数据科学、电磁仿真、生物医药等关键领域的AI能力。
依托这些关键要素，身为工业自动化时代与数字化时代先锋的西门子，在工业AI时代依然立于潮头。该公司的全球AI专家正和客户团队以及全球AI领军企业携手合作，基于150PB的高质量工业数据，加速跨模态的工业基础模型的研发，并以此为底座，赋能更多聚焦细分场景的垂直模型和应用，加速工业AI的规模化落地。
工业AI的未来，不属于某一类公司
中国市场，对于跨国工业巨头们而言向来独具魅力。这一效应正在放大：全球规模最大、产业链最完整、应用场景最丰富的中国制造业，为工业AI蓬勃生长提供了最具生命力的沃土。
中国工程院院士、紫金山实验室荣誉主任兼首席科学家刘韵洁曾表示，中国作为世界上工业门类最全的工业制造国家，拥有行业数据的完整性和系统性是最全的，充分利用好这些行业数据，中国在行业大模型将大有可为。中国工程院院士邬贺铨认为，大模型的出现给工业数字化转型和高质量发展带来了很好的技术支撑，但难题在于基础大模型如何与行业紧密结合。
夯实工业AI技术底座的同时，西门子的AI智能体已经投入实战。
炼铜过程中的半成品冰铜，是足以直接影响成品质量和炉体寿命的关键。传统模式下，冰铜品位依赖老师傅“把关”，是炼铜业转型发展的一大“瓶颈”。西门子与中国十五冶金建设集团有限公司合作，整合11个工艺段的设备数据，以及来自行业文献、工艺规范和“老师傅”口口相传的经验，打造了炼铜行业首个下沉到边缘的智能体。在1200度高温下，它能解读实时参数变化，给出调优建议。自“上岗”以来，智能体推荐参数的采纳率已达到94%以上，冰铜品位的稳定性提升了15%。从“经验炼铜”到“AI炼铜”，实现了质量和效率的双双提升。
中国十五冶联合西门子开发出业内首个融合“垂类模型+边缘智能”的AI智能体
在今年的工博会现场，西门子携手中科摩通打造的新一代新能源汽车EMB智能装配设备正式揭幕。这是西门子生成式工业人工智能助手Industrial Copilot在中国市场的首次试点应用。在该设备的调试过程中，Industrial Copilot辅助工程师进行自动化程序开发，大幅减少重复工作，有效提高程序开发效率、降低因设备错误操作造成的生产损失。结合西门子标准化解决方案及机器人库，Industrial Copilot助力中科摩通将程序开发时间减少30%，产线现场调试周期缩短30%，人工与物料损耗降低10%，充分证明了工业AI在复杂制造环境中的真实价值。
西门子与中科摩通携手打造AI赋能的EMB装配设备首次亮相2025工博会
从初露真容到持续升级，不到两年时间里，全球范围内已有200多家企业、超过15万名工程和生产人员在与西门子Industrial Copilot紧密协作。
这是工业AI的未来之窗：以基础模型为底座，大大小小的工业AI将以智能体的形态活跃在千行百业。它们各有专长，又彼此协作。
“工业AI的时代窗口已经打开，而中国正是工业AI最具活力的应用场景，是孵化工业智能体的热土。”受访时，肖松以四个“度”畅想中国工业AI的未来。
首先是“广度”，中国拥有全世界最完整的工业体系，覆盖了联合国41个工业大类666个小类，为AI的基础模型研发提供了多样化的训练样本和应用场景。
其次是“深度”，中国拥有600多万家制造型企业，其中绝大部分是中小型企业，它们活跃在工业价值链上下游的各个环节上，在细分领域、专用设备、定制场景中蕴藏着巨大的AI应用潜力，为工业AI的垂直深化提供了丰富空间。
第三是“速度”，在7月举办的WAIC现场，算法、算力等不同领域都有非常多的中国创新企业，中国AI的发展速度和实力令世界瞩目。从大模型研发到智能体系统落地，已有一批企业走在世界前列。
最后是“态度”，AI时代，最重要是开放的态度，比如在数据共享、场景共创等方面，中国企业的开放度更高，这都为AI应用创造了先机。
国家级“小巨人”中科摩通，其CEO亲自挂帅成立AI研究院，以AI为创新引擎力求解决非标设备规模化难题。中科摩通通过采用西门子生成式工业人工智能助手Industrial Copilot，成功将新能源汽车EMB智能装配设备的程序开发与现场调试周期均缩短30%，彰显了工业AI在复杂制造环境中的真实价值。
工业AI再次潮起，哪类企业将占据主导权？肖松坦言，AI时代，不会是赢家通吃，而是携手共赢。谁也无法取代谁，工业AI甚至会促使彼此更紧密的合作。“工业AI的未来，不属于某一类公司，而属于懂产业、懂技术、愿协同的企业群体。谁能整合行业know-how、数据、AI能力和OT基础设施，谁就能在工业AI时代占据主动。”
从19世纪发明指针电报机与直流发电机，点亮全球的通信与电力网络，到20世纪力推电气化与工业自动化、引领电子通信与医疗影像革新，再到数字化时代领衔“数字孪生”，赋能全球工厂转型升级，西门子是每个时代的科技公司，不断以创新镌刻时代印记。工业AI的新一轮浪潮中，这家科技企业再次选择了匠心之路。
