摘要：此前，知名物联网市场研究机构 IoT Analytics 派出 20 名团队成员深入汉诺威实地，走访了 400 多个展位，进行了 300 多次个人访谈，并将这一切汇总成洞察报告，于近日发布。
作者：Sophia
物联网智库 原创
作为全球顶级工业贸易展会，2025 汉诺威工业博览会已于 4 月落下帷幕，但其展示的最新工业物联网技术趋势却在持续对产业产生着深远影响。
此前，知名物联网市场研究机构 IoT Analytics 派出 20 名团队成员深入汉诺威实地，走访了 400 多个展位，进行了 300 多次个人访谈，并将这一切汇总成洞察报告，于近日发布。
坏消息是——2025 年汉诺威工业博览会并未带来任何全新且突破性的技术突围；好消息是——它展现了一场由人工智能引领的变革，贯穿了从研发、制造到服务和运营的整个制造生命周期。IoT Analytics 的市场研究表明，GenAI 的出现在过去两年中推动了人工智能采用率的提高，而如今，人工智能首次在展会现场清晰可见，向更智能边缘的转变也显而易见；更值得关注的是，代理型人工智能（Agentic AI）显然是产业下一个重大事件，尽管这可能还需要几年时间。
本文将综合 IoT Analytics 研究报告和网络公开资料，分享最新的工业智能风向。
在去年的汉诺威上工博会上，生成式人工智能（GenAI）就已是工业圈热议焦点。不过，虽然备受瞩目，但其推广之路仍任重道远。调研发现，在去年的所有生成式 AI 展示中，有 30% 聚焦于编码领域，其中 PLC 编程是最常见的应用场景。
今年，情况发生了明显变化，GenAI 已在工业软件领域实现全面嵌入。它不再只是产业界的流行语，而是成为各大工业软件产品组合中的常见功能。几乎所有领先的软件厂商都展示了集成 GenAI 的功能，多数为聊天机器人和助手类工具，用于提升代码生成、数据分析和用户支持等任务的效率。
例如，德国工业巨头西门子展示了约 20 款覆盖制造生命周期各阶段的工业助手（Copilot）——从设计与规划（如 NX 中的 Design Copilot、Teamcenter Easy Plan 中的 Planning Copilot），到运营环节（如 Insights Hub 中的Production Copilot）。此外，西门子还携手微软在 Azure 平台上共同开发首个基于行业特定数据的工业基础模型（IFM）。IFM 能够处理和语义理解包括三维模型、二维图纸、工业数据与技术规范在内的多维工业信息，进而生成基于数据的智能建议。这一创新将显著加速人工智能解决方案在工业场景中的落地应用，有效缓解技术工人短缺问题。
与此同时，总部位于瑞士的工业自动化巨头 ABB 展示了其 Genix Copilot，具备自然语言诊断和车间辅助功能。ABB 已将 Genix 嵌入其资产性能管理平台和“My Measurement Assistant+”系统中，使用户能够通过对话式提示与仪表数据交互。系统会给出可执行的建议，例如故障排查步骤和文档链接，旨在减少设备停机时间并加快决策速度。
My Measurement Assistant+ 应用程序中的 ABB Genix Copilot 为用户提供建议和指导
AI 经历了感知 AI、生成式 AI 阶段后，现在进入了代理型 AI （Agentic AI）阶段，2025 年，则是被诸多科技大佬们视为 Agentic AI 元年。在这股风潮下，Agentic AI 的热风也刮到了工业圈。
不过，对于“保守严谨”的工业界而言，Agentic AI 仍更多体现为“愿景”，而非“现实”。不少主流软件或云供应商在其展位宣传中都强调了“代理型”功能。然而，大多数演示都停留在相对简单的自动化阶段，例如自主数据检索或预定义工作流执行，而非真正基于代理的自主性。
另一个问题是多智能体框架展现出潜力，但成熟度不足。超大规模云服务商 hyperscaler 与独立软件厂商 ISV 展示了他们在构建多智能体框架方面的初步尝试，通常将大型语言模型（LLM）视为模块化 AI 子代理的编排器。这类架构展现出整合数据语境理解、故障诊断分析以及生成型决策建议的潜力，但目前仍处于早期探索阶段，缺乏实际应用验证。
来自印度的工程技术解决方案公司 Tridiagonal 与 AWS 共同展示了一个面向工业维护场景的代理式 AI 框架。该演示中包含多个模块化智能体（agentic AI accelerators），涵盖数据采集、根因诊断和任务响应等功能，由一个语境化的流程进行编排。尽管该架构在未来有望发展为可扩展、跨功能协同的多智能体系统，但当前仍主要聚焦于如设备故障排查等有限场景，整体仍处于概念验证（PoC）阶段。
如果将目光不只放在汉诺威工博会，我们将看到有关于工业 Agentic AI 的更多进展。在 2025 年全球自动化大会（Automate2025）上，西门子宣布推出全新工业 AI 智能体（Industrial AI agents），预计将为工业企业带来高达 50% 的生产效率提升。与传统的 AI 助手只能响应指令不同，西门子的新型工业 AI 智能体具备自主神经中枢功能，其核心的“智能指挥家”系统能够像经验丰富的工匠大师，灵活调度各类专业 AI 代理协同作业。为了进一步加速应用和创新，西门子还计划在 Xcelerator Marketplace 上创建一个工业 AI 代理市场中心，该市场将使客户不仅可以访问西门子自有的 AI 代理，还可以访问第三方开发的 AI 代理。
真正的多智能体协作尚需数年——工业应用场景尚不明确，智能体之间缺乏互操作性，以及安全性、错误处理与调试机制仍未完善，这些问题都在一定程度上拖慢了 Agentic AI 的落地进程。尽管如此，多数厂商仍将 Agentic AI定位为长期战略机会。
边缘计算/边缘智能多年来都是工业界的常青话题，不过，由于 AI 技术的爆火，使得完整的 AI 堆栈即将走向边缘。 工业边缘计算正从以往的独立硬件设备演变为集成化的 AI 软件技术栈，使得“运行在边缘”的人工智能能够具备更强的本地处理能力、更高的响应速度、更强的合规保障，并实现与业务流程的深度融合。这类 AI 技术栈涵盖模型训练、部署、推理执行及机器学习运维（MLOps）等工具，专为工业场景优化，从而在边缘侧实现完整的 AI 生命周期管理。
例如，德国工业传动与控制技术公司博世力士乐展示了其 ctrlX AUTOMATION 平台，支持通过 ctrlX CORE 与 ctrlX OS 在边缘侧部署 AI 模型，底层采用 ONNX runtime 与 Docker 容器技术。博世还与美国视觉 AI 公司 LandingAI 合作，将其免编码模型训练平台 LandingLens 集成到 ctrlX 平台中，从而实现面向具体工业场景的视觉模型训练、部署与工作流集成。
与此同时，视觉-语言模型（VLM）加速向低时延边缘部署转移。 VLM 正从以云为中心的部署架构，演变为模块化、适配边缘的设计架构。这类模型可在本地实现实时、低延迟的推理计算，无需依赖云端连接。美国 IT 与服务科技公司戴尔联合英伟达与软件顾问服务公司 SoftServe，共同展示了一套先进的本地视频搜索与摘要系统，利用 VLM 与 LLM 实现目标识别、状态分类与运营分析等功能。系统运行于搭 载NVIDIA GPU 的戴尔 PowerEdge 服务器上，所有数据均在本地处理，保障性能与数据安全。
戴尔、英伟达与 SoftServe 联合展示的边缘侧视觉语言模型（VLM）AI 应用，用于水果品质检测与 OEE 监测
数字化时代，数据已成为企业最宝贵的资产之一。随着数据量的爆炸性增长，企业面临着如何有效管理和利用这些数据的挑战。DataOps，或数据运营，应运而生，旨在解决这一挑战。DataOps 是一种自动化和流程化的方法，旨在提高数据分析的质量和效率。它借鉴了 DevOps（开发运营）的理念，强调跨部门协作、快速迭代和持续改进。
此前，DataOps 平台的核心能力主要集中在数据集成、语境化处理与建模等方面。然而，领先的 DataOps 平台正在不断扩展功能边界，逐步成为工业 AI 的关键支撑工具——其重要性之高，以至于 IoT Analytics 团队观察到，在本届展会上，工业 DataOps 厂商的展台成为观众访问最频繁的区域之一。比如，来自美国的工业 DataOps 平台供应商 Litmus Automation 展示了其在边缘侧支持 AI 模型生命周期管理的能力，可实现 AI 模型的实时部署与更新，贴近数据源运行，从而提升响应速度并降低对云的依赖。
同时，数据治理正成为 DataOps 领域的标配。 无论是来自 IT 领域的厂商，还是原生于 OT 场景的企业，都在推出具备数据治理能力的工具。这些解决方案支持 GDPR 等法规合规，提供数据追踪、可观测性增强等功能。总部位于瑞典的流数据分析与集成软件公司 Crosser 展示了其从边缘到云的先进编排平台，聚焦流式分析与实时数据处理。该平台旨在促进数据流的集成与落地运营，助力制造企业构建低延迟、高可靠性的 AI 驱动工作流。
Crosser 通过 Flow Studio 实现 FlowWatch 数据治理流程优化：外部 API 获取的数据首先会根据 JSON 架构进行校验，若符合规范则写入数据库，若不符合则通过 Slack 通知数据工程团队进行处理
展会上，设计与工程软件厂商强调，数字主线（Digital Thread）通过贯穿产品全生命周期（从初步设计到生产再到运维）的数据连续性，正在重塑工程流程。
例如，西门子推出了下一代数字主线解决方案 DxC，该方案构建于资产管理壳（AAS, Asset Administration Shell）标准之上。DxC 可跨多个 AAS 服务器集中发现产品与资产数据，并直接将其映射至西门子的 PLM 平台 Teamcenter，构建统一的数据层，工程师可在无需切换系统的情况下搜索、调用与使用数字资产信息。值得注意的是，DxC 还支持 LLM 能力，可从非结构化技术文档中自动生成 AAS 条目，大幅降低人工录入成本。
与此同时，美国工程设计软件公司 Autodesk 的 Project Bernini 项目展示了 AI 如何重塑早期设计流程。这一实验性生成式 AI 模型可将文本提示、图像或点云等输入转换为三维形状，提供一种更快速、更灵活的产品概念生成方式。它体现了更广泛的“多模态设计”趋势，即工程师可通过自然语言、视觉提示和手势等多元方式与设计软件交互。
展会上，多家预测性维护 (PdM) 厂商展示了集成定制硬件与专用分析模型的系统，而非纯粹的软件解决方案。传统 PdM 方法以软件为主，部分厂商依赖部署合作伙伴，另一些则打造垂直一体化方案以追求简单易用和快速部署。如今的 PdM 市场日趋成熟，竞争焦点逐渐转向传感器质量、覆盖范围和系统兼容性。
例如，意大利 PdM 解决方案提供商 Fermai 展示了其最新推出的PdM系统 Doctor 4.0 平台，该平台由 4 个嵌入式传感器、4 个外接通道、一个网关及基于云端的 Web/移动平台组成。该方案将传感器数据与 Modbus 实时控制结合，强调“具备控制集成能力的传感原生系统”将在长期内具备更高价值。
除了电机、泵等常见工业资产，部分参展厂商将 PdM 的触角延伸至过去较少关注的部件，如螺栓、润滑系统及非振动类磨损指示器。这些领域往往是潜在故障源或质保争议的“盲区”，现在也正借助专用传感与 AI 技术被系统性纳入监测范围。
例如，总部位于瑞典的工业技术公司 StrainLabs 展示了一款支持蓝牙的螺栓传感器，该传感器可持续测量内部应变和温度。这有助于追踪预紧力，并在松动导致关键设备故障（运输和重型机械等行业的主要成本驱动因素）之前检测到松动。仪表板可根据可配置的预紧力阈值实现实时监控和警报。
嵌入 StrainLab 传感器的一系列螺栓，适用于多种标准螺栓尺寸
多家通信厂商在展会接受采访时指出，专用 5G 网络（Private 5G）在全球多个行业中的需求持续增长，尤其在美国和亚洲市场表现活跃。然而，由于面临多项挑战，该技术的普及速度仍未达到最初预期。
最大的障碍在于与现有技术基础设施的整合难度。厂商普遍反映，部署 5G 专网需要对原有架构进行大幅调整，并构建适配的新生态系统。这不仅包括需要支持工业特性的专用设备和模块（如路由器、基站、物联网传感器），还要求这些设备满足工业场景下对低延迟、高可靠性和对旧系统兼容性的严苛要求。此外，法规与频谱许可等问题也对部署节奏构成制约。
尽管面临挑战，5G 专网在实际项目中的落地仍在不断推进。 比如诺基亚展示过一套融合生成式 AI、边缘计算与5G 专网的实时工业安全与资产监测解决方案。在该演示中，多模态传感器数据、计算机视觉与生成式 AI 协同工作，用于识别安全隐患并通过具备 Agentic 能力的系统自主触发应急响应机制，引导现场工人完成防护操作。整个闭环自动化流程均在边缘端完成，无需依赖云端，实现本地、实时、闭环的工业安全管理。
AI 能够提升碳排放可视化与合规效率。 诸如排放追踪系统、碳足迹管理平台及 ESG 报告工具等可持续发展应用，正在借助人工智能技术进行升级。通过 AI，制造企业能够实现更高的数据可视性，并生成更为精准的排放与能耗估算结果，从而优化整个生产流程中的能源使用。多个典型案例显示，AI 在填补数据缺口、提升碳足迹计算准确性、以及通过建模与能耗预测改善能效等方面发挥着关键作用。
AI 还被用于简化合规申报流程，提升跨法规标准的适配效率。一个典型例子来自微软与埃森哲联合成立的合资企业 Avanade。该公司推出了欧盟碳边境调节机制（CBAM）Agent，旨在优化排放跟踪与合规申报流程。该解决方案集成于 Microsoft Cloud for Sustainability 中，基于 Microsoft Copilot Studio 和 Azure OpenA 构建，可自动映射统一的能耗指标到不同法规框架中，实现快速响应多地监管要求的智能化合规。
机器人厂商正积极将认知型 AI 与语音交互功能引入其产品中，目标是让用户能通过语音指令与机器人协作，而不再依赖繁琐的手动操作。这一趋势有望提升机器人使用的灵活性、减少部署时间，并降低制造与物流场景中对专业技能的依赖。
例如，德国协作机器人初创企业 Neura Robotics，最近为其认知型机器人 MAiRA 增加了语音指令功能，使其能够响应用户的简单语音指令。该功能让人机交互变得更加直观，用户无需复杂编程即可通过语音控制与教学机器人，从而显著提升操作效率与普适性。
数字孪生正转型为 AI 驱动的优化工具。 多家厂商展示了数字孪生技术的最新发展趋势，强调其已不再只是设备的静态数字副本，而是作为实时运行的“副驾驶”，广泛应用于运营辅助、员工培训与质量控制等领域。
例如，德国汽车工程服务公司 EDAG Engineering 展示了一款多层级工厂数字孪生系统，作为整个生产生命周期中的智能助手。EDAG 的智能工厂平台基于 NVIDIA Omniverse 构建，集成了实时数据、仿真和 GenAI，支持 AI 引导维护、虚拟操作员培训和项目管理支持等用例。
同时，西门子展示了如何将数字孪生直接用于实时优化与机器人训练。在德国埃尔朗根的运动控制工厂，西门子将 NVIDIA Omniverse Replicator 与其 Xcelerator 平台整合，合成生成用于机器人训练的数据。这些增强型 AI 孪生可仿真设备行为与物料流动，使企业在实际改造产线之前，就能先行完成流程验证与布局优化，大幅提升实施效率与精准度。
参考资料：
Top 10 industrial technology trends—as seen at Hannover Messe 2025，Iot-analytics
西门子通过创新与生态合作，加速人工智能赋能产业发展，西门子
西门子宣布推出全新工业AI智能体，搜狐
被热议的“DataOps”是炒作？，知乎
回顾汉诺威,透视工业AI:生成式AI非万能,应用落地需时日，物联网智库
来源：物联网智库一点号
