摘要：“工业AI的真正落地，始于对需求场景的精准捕捉，成于将技术、数据与行业机理的深度融合。”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博士如此说道。

文｜白 鸽

编｜王一粟

“工业AI的真正落地，始于对需求场景的精准捕捉，成于将技术、数据与行业机理的深度融合。”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博士如此说道。

当前，AI大模型正加速在千行百业中落地。但在其中，工业成为了AI落地最难的场景，也成为了AI大模型应用落地含金量最高的战场之一。

据《2025工业智能体应用现状与趋势展望报告》，对200余家工业企业展开深度调研的数据显示，虽然近八成企业认可AI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。

而这背后的制约因素，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。

从技术角度来说，工业行业普遍存在数据壁垒，通用大模型往往由于缺乏专业数据而答非所问。

“当前，大家通过ChatGPT、豆包、通义千问等，可以检索向公众公布的基于互联网公共数据的知识。但是对于工业知识，尤其是西门子技术领域范畴内的，如工厂自动化领域的知识，恐怕无法依托于ChatGPT、豆包等通用型的AI，因为它们在工业领域的数据库不够完整和准确。”西门子（中国）有限公司执行副总裁、西门子大中华区数字化工业集团总经理王海滨说道。

在工业场景中，需要给客户更加专业、更加靠谱、更加准确的答案，“这也正是西门子累积百年行业KNOW-HOW（行业知识）可以发挥作用的地方。”

9月底，在2025中国国际工业博览会上，西门子这家拥有近180年历史的工业巨头，集中展示了其AI大模型技术产品和应用落地案例，并通过这一系列的案例，撕开了AI与工业融合的口子。从老师傅的经验数字化，到非标设备的快速研发，西门子正在用AI重新定义工业生产的效率边界。

在工业场景中，编程是设备运行的基础，但传统模式下，工程师不仅要掌握复杂的代码逻辑，还要应对不同设备的适配问题，一个小错误可能导致整条产线停工。

西门子将百年工业KNOW-HOW融入至生成式工业AI助手Industrial Copilot中，可以通过自然语言交互，使工程人员无需深厚的编程背景也能完成设备组态、PLC编程等专业任务，这极大地缓解了企业对专业人才的依赖。

更关键的是，这款AI助手解决了工业知识“断代”的痛点。

过去，工厂里核心工艺往往掌握在老师傅手里，他们凭借几十年经验调整参数、优化流程，但这些经验难以标准化、数字化。西门子的AI助手却能将这些隐性知识转化为显性模型，通过分析老师傅操作背后的海量数据，提炼出工艺优化的规律，再将这些规律转化为可执行的程序。

比如某汽车零部件工厂的热处理工序，过去全靠老师傅凭手感调整温度和时间，产品合格率波动在5%左右。引入西门子AI工艺寻优后，AI分析了过去三年的生产数据，找到了温度、时间与合格率的最优函数关系，将波动范围控制在1%以内。

在另一个落地案例中，中科摩通作为一家非标设备制造商，过去接的订单都是“一次性定制”，客户需求不同，设备设计、调试、生产的流程就得重来，常常因为一个小错误，导致样机重做，工期延误、成本超支是家常便饭。

但这一次，他们与西门子合作的新能源汽车EMB装配设备项目，却创造了行业纪录，仅用2个月就完成了从设计到交付的全流程，且一次调试成功。

背后的核心，正是西门子AI驱动的“一次正确”理念。通俗来说，以前是边做边改，现在则是先仿真训练验证、后进行实践落地。

具体来说，项目启动前，团队先在西门子的虚拟仿真环境中搭建设备模型，AI根据客户需求自动生成了核心代码，并模拟了生产过程中可能出现的问题，如某个部件的安装角度偏差、电路兼容性问题，这些在过去要到实际装配时才会发现的问题，在虚拟环境中就被逐一解决。

这个案例的意义，远不止一个项目的成功。

对于非标设备行业来说，“定制化”与“高效率”一直是矛盾体，而西门子用AI找到了平衡点，即将试错成本转移到虚拟环境，让现实中的生产环节“一次就对”。正如王海滨所说：“‘一次正确’不是不犯错，而是让错误在虚拟世界里提前结束，让工业生产少走弯路。”

从代码生成到设备研发，从维护优化到合格率提升，西门子的AI应用已经渗透到工业生产的全流程。它不仅解决了单个环节的效率问题，更在帮助整个行业跳出“低价内卷”的怪圈，通过AI创造更多价值，让工业竞争回归“技术驱动”的本质。

正如工博会上“钻耀之心2.0”所展示的那样，AI就像工业的“心脏”，它让数据流动起来，让设备智能起来，让生产高效起来。

当更多企业开始用AI重构生产时，工业的下一个“效率革命”，或许才刚刚开始。

以下是与西门子（中国）有限公司执行副总裁、西门子大中华区数字化工业集团总经理王海滨对话内容（经光锥智能编辑）：

Q：今年在我们的展位上看到最吸引观众眼球的就是“钻耀之心”，能否为我们介绍下西门子展台最亮眼的"钻耀之心"？请您用一句话总结本次西门子展台的核心价值？

A：“钻耀之心2.0”是我们今年展台上的亮点之一，围绕“钻耀之心2.0”，我们展示了135款来自西门子数字化工业和基础设施集团的几个产品事业部的各种产品。

其次是工业人工智能专区，展出了工业AI的几个应用场景。首先是在知识管理、知识问答、知识检索方面，主要产品形态是西门子知识库的AI助手。

当前，大家通过ChatGPT、豆包、通义千问等，可以检索向公众公布的基于互联网公共数据的知识。但是对于工业知识，尤其是西门子技术领域范畴内的，如工厂自动化领域的知识，恐怕无法依托于通用型的AI，因为它们在工业领域的数据库不够完整和准确。

在工业场景中，我们需要给客户更加专业、更加靠谱、更加准确的答案。这也正是西门子累积百年行业know-how（行业知识）可以发挥作用的地方。

第二个场景是自动化工程的开发环境，比如说TIA博途，在这样的工程开发环境中我们嵌入了AI助手。过去，PLC编程工程师需要一条条指令去写PLC的代码，而现在通过用AI不仅能直接生成一个PID调节程序，并且还可以自动验证程序的准确性等。

第三，在工厂运营环境中，一台设备需要进行工艺寻优，过去是凭老师傅的经验，现在把老师傅经验背后的海量数据进行整合，找到规律，然后运用规律来达到工艺的进一步优化，这是另一种工业场景中AI的应用。

第三大亮点是中科摩通案例。这个案例全面体现了我们向市场推出的“一次正确”的理念。

中科摩通是一个非标设备制造商，每一个工程，每一个客户的要求都不一样，都需要定制。过去从工程开发到调试、制造，交付给客户，以及交付客户之后的服务都是耗时耗力。如今在AI技术的加持下，使我们能在虚拟环境中充分验证自己设计，用AI自动生成代码并进行验证等。

我们说的“一次正确”不是绝对的不犯错，而是说这种试错的过程更多地发生在虚拟仿真环境当中，大大降低试错成本。直到设计的原理、代码和验证调试都在虚拟仿真环境得到了验证之后，我们再付诸实施，从而可以帮我们在现实当中做到“一次正确”。这一理念是我们今年展台上“数实融合，新智增长”口号背后的一个非常具有客户价值感，极具落地性的一个提法。

中科摩通跟我们一起花了2个月的时间，去做了这样一台新能源汽车EMB装配设备，通过这个项目向大家真实、全方位地展示“一次正确”概念。

Q：请您结合西门子的经验和成果，分享一下AI在应用过程当中的难点是什么？从西门子自身出发，在AI应用当中取得的最重要的经验和收获是什么？对于中国用户关于AI的应用，西门子有哪些建议？能否分享西门子在全球AI应用过程中，发现哪些比较有价值的信息或者亮点？

A：AI有两个定义，一个是广义的AI，一个是狭义的AI。广义的AI是指，任何由计算机来执行人脑产生思维过程的都可以称之为广义的AI。比如我们从小就开始学数学，背乘法口诀，经过教育后，人的大脑就知道1×1=1，2X2=4等，而在计算机出现之前，我们没有一个设备可以执行人脑产生思维的过程。在计算机出现之后，从二进制原理到越来越高级的半导体芯片，使得计算机可以执行人脑中的思维活动。因此由计算机执行人脑中的思维活动，是一种广义上的AI。

狭义的AI该如何定义？在过去，人脑的一些思维活动无法变成计算机运行的算法，“教育”计算机去运行指令。比如说最早出现的机器学习，通过机器学习或者是深度学习的算法，使得计算机能够进行物体或者是图像的识别，当这种技术刚开始出现的时候，大家都觉得眼前一亮，认为这是一种技术上的突破。再比如对于很多人来说，人们从小受到的教育会对猫这种生命体认作是一只猫，如果看到这个样子的动物就是猫，与此类似其他有一种动物是狗，有一种动物是马，这是一种人脑的识别模式。对于这样的识别模式，在过去用工业视觉加计算机等手段是做不到的。后来，经过机器学习、大数据等一系列技术，我们发现如果说用成百上千张同样的图片去训练计算机，计算机就可以像人脑一样去识别类似的人脑思维活动，这是一种AI的体现。

时至今日，可能还有很多事情无法直接交给计算机来执行，还需要“思考”，让计算机可以像人脑一样处理这些事情，我们也称之为人工智能。以我们刚提到的PLC程序举例，自动化工程师在TIA博途环境当中以一条一条的方式去写代码，通过键盘输入代码，这个过程是人脑想出来之后，再通过键盘输入到电脑当中，其后再通过调式、通过PLC去执行。而AI可以取代这个代码生成的过程，原本工程师需要在脑子里构思然后一条一条手工输入，现在我们可以让AI生成一个闭环PID调节程序，AI可以自动写出超2000条代码，且其中大多数都是正确的，那么这个过程我们说它替代了人脑的工作，这也是一种AI的体现。

那么什么是更高阶的AI？比如某个程序虽然正确，但是还有迭代的空间。比如之前生成的第一个版本是1.0，它是正确且可以运行的，但是并不一定是最优的，它应该被迭代成1.1、1.2、2.0、2.5，这样一个优化迭代的过程用AI能替代人脑进行吗？可能尚且还做不到。但AI智能体能够自感知、自决策、自优化。其关键在于自优化，自优化是在自动生成第一版的程序之后还能够不断向上迭代更高水平的AI，现在我们称之为AI智能体。

现在在工业环境下用AI的难点，我认为AI背后的本质，其一是要有大量的数据，各种各样的工业现场的、高质量的数据。另一个本质，以我们大家在上学的时候学过的数学为例，函数有自变量和因变量y=f（x），x可以是多变量从x1到xn，f是函数关系。所谓AI是在很多场景下，面对海量的数据，有一些数据是因变量，是x1到xn，另外一些数据是y，但是我们不知道中间的f函数关系，我们要通过这么多的数据去建立模型、去验证模型，所有这些工作的本质就是寻找这个f，而当这个函数关系找到之后，会对我们的生产力带来第二次跃迁。倘若我们知道这个模型是正确的，再有了自变量数据之后，我们就可以通过这个f函数关于算出y，因而我们可以通过AI指导我们做预测性的维护，做前瞻性的指引，从而对各种工艺参数进行寻优等。我想这就是背后的逻辑。

对于一个工业从业者来说，AI最大的困难，第一个是数据的获得。今天我们对数据的获得相比几年前已经有了巨大的进展，但是对广大的工业从业者来说这依然是第一个难点。第二，获得数据之后的数据治理，所谓的数据治理就是数据背后代表什么语义、什么含义？结合工业场景，这个数据可能代表着压力、流速、温度、力矩等含义，还有数据的结构化、数据的存储等等。在数据治理基础之上，我们要结合工业场景去进行建模，建模的过程就是在海量数据中寻找各种各样的函数关系f，然后用f去指导我们的生产。为什么今天我们尚且有很多事情要靠老师傅的经验，因为老师傅的经验在某种程度上来说就代表着f，但是这个f并没有被提炼到计算机的程序当中，还停留在老师傅的人脑中。

总而言之，工业企业驾驭AI或者是利用AI去提高自己的生产力，其背后的难点是工业AI本身是跨学科的，既要懂自己所处的行业、工业场景背后的工艺、Know-how等，同时又要知道数据科学，还要有IT的知识等等，这是一个跨学科的领域。对于广大传统从事制造业的企业而言，可以想象其背后的难度。

那么西门子在践行AI方面的经验，就是从低到高进阶的，在公司全员普及“工业+数据+AI”的跨学科的知识和意识，发动全员去探索、去实践。在西门子成都工厂可以看到AI应用于质量检测、应用于物品分拣、运用于物流向供应商下订单等等。

最后，我们的志向是既然广大工业企业有这么多实际困难，我们思考的是如何降低大家应用AI的门槛和难度。比如说西门子收购了Mendix，这是一个低代码应用开发平台，使得大家在没有IT知识的情况下，只要懂自己的工艺，也能够在Mendix环境里生成计算机程序。

另外西门子还收购了Altair，Altair在我们的展台上展出了一款叫RapidMiner的产品，在基于大数据寻找函数关系f和建模方面大大降低了工业客户的使用门槛，因为其背后有几千种现有的模型可以供客户使用，并且可以智能的寻找、训练模型，大大降低了工业客户使用AI寻找数据模型的难度。

Q：刚刚我们了解了AI的情况，也看到西门子的展台上有很多用户在交流。基于当前自动化市场的实际情况，内卷现象尚未缓解，行业震荡之中寒气仍在延续，在这样的市场环境下，西门子如何应对当前的自动化行业挑战？

A：在这个问题上我想请张劲松来回答，因为张劲松领导的华东区几乎占了西门子全国数字化工业业务的近40%，华东区也是中国制造业的一片沃土，可以以华东区在过去和各行各业客户接触的情况谈谈认知。

张劲松：大家好，我目前负责西门子华东大区销售业务，新财年将担任工厂自动化事业部的总经理。确实制造业自动化市场现在发展存在一定挑战，这种情况也加剧了内卷。长三角区域也是我国乃至全球制造业最为集中的地区之一，我们看到对市场发展来说，我们的企业家还是在想尽各种办法，一个是扩大市场，比如说“出海”，把市场延伸到外面去。另一方面，大家也纷纷在寻找办法让自己的设备升级，能够把生产设备的效率提高，让设备的性价比更高。

在这个过程当中，我也观察到一个现象，很多企业家并不只是单纯关注直接采购成本，越来越多的企业开始关注全价值链各个环节生产力的提高。比如说这个产品使用是否非常方便，比如说某个产品三天能把程序做出来，另外一个产品需要六天，这个效率明显就低了，工程师的利用率就降下来了。比如说设备在使用过程当中，新设备出现机械的干扰、电气不适配等问题，造成样机做出来之后要重新去设计、制造，这不仅是物料的浪费，也是时间的浪费。因此我们需要想一些办法，比如在虚拟环境下做一些仿真，在实际设备生产之前做一些试验，尽可能把纠错放在仿真环境中，这样一来可以加快时间效率。

谈及后期的服务，在产品售出之后，特别是对于卖设备的企业而言，或多或少都会涉及到服务问题，服务问题对企业运营来说消耗的都是利润，这一点企业家也非常关注。

西门子看到这些现象，我们也希望跟客户一起解决这些问题，所以我们也把这个理念在本次展会期间进行了诠释，我们总结了六个“一次正确”。

“一次设计正确”，我们有MCD工具，帮助设备在设计阶段就可以做仿真、做验证。

“一次选型正确”，如果说元器件选型出现错误，其会增加采购供应链成本，也消耗了时间，所以选型的“一次正确”非常重要，而我们的选型工具（Simcenter Amesim）可以帮助客户做到这一点。

“一次调试正确”，刚刚在展会现场，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。该设备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。可以加快调试正确，不是把工程师替代掉，而是极大提高了编程效率。

“一次制造正确”，我们说物料尽可能不要出错，成套性、系列性，甚至是颜色都非常重要，尽管是小细节，但是可以极大提高装配工人的效率，保证装配“一次正确”。

“一次服务正确”，我们提供了一系列从产品到技术、到系统等等的服务，而且通过我们和合作伙伴的合作还扩大了我们的服务网络，我们称之为“半日达”，可以加快服务效率。

“一次低碳正确”，无论是应该、软件、人力上的消耗降低，这本身就是低碳，我们提供了诸如Smart ECX智慧能碳管理平台这样的工具，可以帮助客户进行碳排放的计量等，也会提供强大的对应性措施，帮助客户去减少碳排放。

A：虽然中国制造业，各行各业普遍内卷趋势。在这个普遍现象当中如何破局，这种成长的机会，或者说突破的机会也是随处可见。各行各业的企业家，当他们以全局的视角去审视自己企业运营的整个成本结构、效益、费用、人员、时间、试错、供应链、服务、设计、工程、效率等等，在全面审视的过程当中，各个行业的用户会发现，如果我要在设计上、质量上、创新速度上等等要比同行做得更好，其实可研究或者说可着手的方向还是很多的，这也给西门子的业务带来种种机会。

总而言之，我们还是能够在当下的环境中找到不少各行各业携手前行的客户和合作伙伴，推动中国制造业向前发展，也推动西门子业务向前发展。

Q：今年三月份在上海，我也参加了西门子面向中国市场的18款产品发布会。这一举措引发了网友大量关注和讨论，现在时间过去半年了。面向中国市场发布这些产品市场接受程度如何，市场表现如何，未来，聚焦中国的创新产品你们有什么样的规划？

A：我们发布的18款产品，上市之后的表现明显好于我们的大盘平均水平。发布的这些产品从台套数来说大大超过了两位数，有20%-30%多的增长。证明了基于中国市场的需求去研发产品的思路和做法是受到市场的认可的，也增强了我们继续在这方面加大投入的决心。

大家看到今天在展会上我们陆续又发布了很多新产品，我想我们这些新产品的发布不是一个个产品个体的行为，每一款产品都是西门子产品家族中的一员。因为我们这些产品还是要保持西门子统一的质量水准，以及它们的体系性和互操作性。同时，我们需要持续加大投入，持续加快研发速度，持续跟上中国客户发展的节奏，所以在这个方向上，我们也是越走越有信心。

另外，在18款产品发布之后，不仅在中国大陆受到了客户的好评和欢迎。邻近国家和地区，包括中国台湾的客户、印度客户，东南亚客户也纷纷对这些产品有强烈的兴趣。

来源：光锥智能