2026年，工業(yè)AI正在進(jìn)入一個(gè)微妙的階段。

過去兩年，行業(yè)討論更多集中在AI能做什么，AI能不能輔助設(shè)計(jì)、能不能做預(yù)測性維護(hù)、能不能自動(dòng)生成代碼、能不能幫助工程師分析數(shù)據(jù)。

一個(gè)又一個(gè)概念驗(yàn)證項(xiàng)目，讓AI快速進(jìn)入制造企業(yè)。但到了今天，AI已經(jīng)進(jìn)入工業(yè)企業(yè)，為什么真正形成規(guī)?；a(chǎn)力的案例依然不夠多？8月11日至12日，西門子大中華區(qū)Realize LIVE用戶大會(huì)在深圳舉行，我們認(rèn)為這場會(huì)議提供了一個(gè)觀察全球工業(yè)AI下一階段走向的窗口。

我們總結(jié)下來，這次大會(huì)西門子反復(fù)強(qiáng)調(diào)了三個(gè)判斷。AI應(yīng)用很多，但真正創(chuàng)造工業(yè)價(jià)值的不多；企業(yè)數(shù)據(jù)很多，但背后的工程知識(shí)仍然碎片化；AI試點(diǎn)不少，但從單點(diǎn)應(yīng)用走向規(guī)?；匀焕щy。

在現(xiàn)場交流中，西門子工業(yè)軟件中國董事長及總經(jīng)理梁乃明也明確表示，中國企業(yè)對(duì)AI的接受度很高，創(chuàng)新和應(yīng)用速度也非常快，但在推動(dòng)工業(yè)AI落地過程中，仍然面臨“工業(yè)價(jià)值難以真正釋放、數(shù)據(jù)大量存在但仍然碎片化、試點(diǎn)能夠成功但規(guī)?；匀焕щy”三個(gè)普遍挑戰(zhàn)。

西門子工業(yè)軟件中國董事長及總經(jīng)理 梁乃明

正是此次Realize LIVE，我們看到西門子正在將工業(yè)AI從一個(gè)個(gè)漂亮的Demo，真正變成企業(yè)日常工作的一部分。

一、工業(yè)AI真正的難題是如何產(chǎn)生“生產(chǎn)力”價(jià)值

中國制造業(yè)對(duì)AI的接受速度并不慢。

在此次交流中，針對(duì)中國企業(yè)與海外客戶在AI落地方面是否存在差異的問題，梁乃明給出的判斷并不是中國企業(yè)缺少AI能力，恰恰相反，他認(rèn)為中國企業(yè)對(duì)AI的接受度很高，創(chuàng)新和應(yīng)用速度也非?？?。

但速度快并不意味著AI已經(jīng)真正創(chuàng)造了價(jià)值。梁乃明表示，中國企業(yè)當(dāng)前面臨的第一個(gè)普遍挑戰(zhàn)，就是“工業(yè)價(jià)值難以真正釋放”。企業(yè)并不缺少AI工具或者應(yīng)用構(gòu)想，真正的挑戰(zhàn)在于，如何讓AI深入具體工業(yè)場景，解決實(shí)際問題，并創(chuàng)造可衡量的業(yè)務(wù)價(jià)值。

這其實(shí)是工業(yè)AI與消費(fèi)級(jí)AI最大的區(qū)別之一。

一個(gè)通用AI回答得好不好，通常首先是效率問題；但當(dāng)AI參與產(chǎn)品設(shè)計(jì)、工程仿真、生產(chǎn)制造或者設(shè)備運(yùn)營時(shí)，它面對(duì)的是一個(gè)高度復(fù)雜、強(qiáng)約束、需要承擔(dān)工程責(zé)任的現(xiàn)實(shí)世界。

一個(gè)模型能夠生成答案，并不意味著這個(gè)答案可以直接進(jìn)入生產(chǎn)流程。因此，工業(yè)AI的第一個(gè)門檻從來不是模型夠不夠聰明，而是企業(yè)有沒有把AI真正放進(jìn)有價(jià)值的工作流程里。這也是為什么西門子此次大會(huì)沒有把AI單純作為一個(gè)新的功能模塊來討論，而是不斷強(qiáng)調(diào)數(shù)字孿生、數(shù)字主線、工業(yè)軟件和AI之間的連接。

過去我們看到很多企業(yè)可能會(huì)問：“我們能不能用AI解決這個(gè)問題？”現(xiàn)在我們認(rèn)為企業(yè)更應(yīng)該問的是：“AI解決這個(gè)問題之后，能不能真正改變這項(xiàng)工作的方式？”這兩者看起來只有一層區(qū)別，實(shí)際上對(duì)應(yīng)的是工業(yè)AI從“試點(diǎn)”走向“生產(chǎn)力”的分水嶺。

二、企業(yè)不是沒有數(shù)據(jù)，而是AI還沒有真正“理解”工業(yè)

工業(yè)AI遇到的第二個(gè)問題，是數(shù)據(jù)。但這里存在一個(gè)很容易被行業(yè)誤解的地方，很多制造企業(yè)并不是沒有數(shù)據(jù)。相反，大型制造企業(yè)往往擁有海量數(shù)據(jù)。PLM里面有設(shè)計(jì)、零件和BOM，ERP里面有物料、庫存和訂單，MES里面有生產(chǎn)數(shù)據(jù)，CRM里面有客戶和服務(wù)信息，設(shè)備側(cè)還有大量IoT數(shù)據(jù)。這些數(shù)據(jù)長期分散在不同系統(tǒng)和業(yè)務(wù)流程中。更麻煩的是，數(shù)據(jù)本身并不等于工業(yè)知識(shí)。

我們?cè)囅胍幌?，AI看到零件A、物料B、設(shè)備C，并不意味著它理解三者之間是什么關(guān)系；即便知道關(guān)系，也不意味著它知道為什么這個(gè)零件必須使用某種材料、為什么某一道工藝不能調(diào)整，以及某個(gè)工程變更會(huì)影響后續(xù)哪些生產(chǎn)流程。

梁乃明將這一問題概括為“數(shù)據(jù)很多，但知識(shí)碎片化”。他表示，很多中國企業(yè)已經(jīng)積累了豐富的研發(fā)、制造和運(yùn)營數(shù)據(jù)，但這些數(shù)據(jù)分散在不同系統(tǒng)和業(yè)務(wù)流程中，背后的工程知識(shí)、行業(yè)經(jīng)驗(yàn)和業(yè)務(wù)邏輯尚未得到充分連接和利用。

企業(yè)真正需要的不是更多Data，而是Context，也就是上下文。所以，西門子此次把“工業(yè)本體”放到了非常重要的位置。

西門子數(shù)字化工業(yè)軟件PLM產(chǎn)品執(zhí)行副總裁Joe Bohman表示，企業(yè)的業(yè)務(wù)流程并不局限在某一個(gè)系統(tǒng)內(nèi)部，而是在不同系統(tǒng)之間流動(dòng)，因此需要通過工業(yè)本體、知識(shí)圖譜等能力，把不同系統(tǒng)中的數(shù)據(jù)和業(yè)務(wù)關(guān)系連接起來。

西門子數(shù)字化工業(yè)軟件 PLM 產(chǎn)品執(zhí)行副總裁 Joe Bohman

西門子希望通過Graph Studio構(gòu)建知識(shí)圖譜能力，再通過Industrial Ontologies將PLM、ERP、CRM等系統(tǒng)中的數(shù)據(jù)關(guān)系進(jìn)一步組織起來。過去企業(yè)是在管理數(shù)據(jù)，現(xiàn)在開始進(jìn)入組織知識(shí)的階段。

而AI真正能夠進(jìn)入工業(yè)流程的前提，是它理解的不再是一張張孤立的數(shù)據(jù)表，而是一個(gè)完整的工業(yè)世界。

西門子數(shù)字化工業(yè)軟件總裁兼首席執(zhí)行官Tony Hemmelgarn進(jìn)一步揭示了這一邏輯背后的數(shù)據(jù)戰(zhàn)略。他強(qiáng)調(diào)，工業(yè)AI所依賴的可信數(shù)據(jù)，必須滿足實(shí)時(shí)性與設(shè)計(jì)意圖，在制造與工程領(lǐng)域，AI必須基于實(shí)時(shí)更新的配置數(shù)據(jù)，而非靜態(tài)的歷史快照。更重要的是，系統(tǒng)必須理解數(shù)據(jù)的“設(shè)計(jì)意圖”，即這個(gè)零件為何這樣設(shè)計(jì)、那道工藝為何不能調(diào)整。這些工程上下文是導(dǎo)入數(shù)據(jù)湖的普通快照所不具備的。

西門子數(shù)字化工業(yè)軟件總裁兼首席執(zhí)行官Tony Hemmelgarn

三、Intelligence Center X是能真正解決問題的“朋友”

我們認(rèn)為，Intelligence Center X是此次Realize LIVE最值得關(guān)注的產(chǎn)品。

6月在底特律舉行的Realize LIVE Americas大會(huì)上，西門子正式發(fā)布Intelligence Center X；此次深圳大會(huì)則進(jìn)一步將這一產(chǎn)品帶入中國市場，現(xiàn)場設(shè)置了專門的產(chǎn)品分會(huì)場和實(shí)訓(xùn)課堂。

如果只是把Intelligence Center X理解成又一個(gè)工業(yè)AI平臺(tái)，其實(shí)低估了西門子的意圖。

Joe Bohman在現(xiàn)場介紹時(shí)，將Intelligence Center X定位為企業(yè)級(jí)智能體開發(fā)平臺(tái)。其核心并不是再做一個(gè)孤立的AI應(yīng)用，而是讓企業(yè)能夠在統(tǒng)一環(huán)境中連接數(shù)據(jù)、模型、知識(shí)和業(yè)務(wù)流程，并根據(jù)自身工作環(huán)境進(jìn)行定制化開發(fā)。

從架構(gòu)上看，Intelligence Center X由多個(gè)能力共同構(gòu)成：Mendix負(fù)責(zé)低代碼開發(fā)，Graph Studio負(fù)責(zé)知識(shí)圖譜和數(shù)據(jù)關(guān)系，AI Studio提供機(jī)器學(xué)習(xí)和預(yù)測能力，而工業(yè)本體則負(fù)責(zé)建立不同企業(yè)數(shù)據(jù)之間的語義關(guān)系。

更重要的是，它還可以進(jìn)一步連接Teamcenter、Designcenter、Simcenter、Opcenter等西門子工業(yè)軟件。如果工業(yè)AI仍然采用“一個(gè)項(xiàng)目對(duì)應(yīng)一個(gè)場景”的方式交付，那么企業(yè)很容易陷入一個(gè)循環(huán)：一個(gè)工廠做成了AI項(xiàng)目，另一個(gè)工廠還要重新做一遍；一個(gè)部門做出了Agent，另一個(gè)部門仍然需要重新開發(fā)。

工業(yè)AI真正的規(guī)?；?，不能靠無限增加項(xiàng)目數(shù)量實(shí)現(xiàn)，它必須擁有一個(gè)可以復(fù)用的底座。西門子試圖做的，就是把數(shù)據(jù)、知識(shí)、模型、Agent和治理能力沉淀在這個(gè)底座上，讓企業(yè)可以在同一平臺(tái)上不斷增加新的應(yīng)用。

從這個(gè)角度看，Intelligence Center X真正解決的是一個(gè)成功的AI應(yīng)用能不能復(fù)制到更多業(yè)務(wù)、更多部門乃至更多工廠。這也正好對(duì)應(yīng)了西門子對(duì)于中國工業(yè)AI第三個(gè)挑戰(zhàn)的判斷“試點(diǎn)很多，但規(guī)?；茈y”。

過去的軟件，本質(zhì)上是“人使用工具”。工程師打開CAD進(jìn)行設(shè)計(jì)，打開PLM管理數(shù)據(jù)，再進(jìn)入仿真軟件進(jìn)行驗(yàn)證，隨后通過MES、ERP等系統(tǒng)完成制造和運(yùn)營。

而Agent出現(xiàn)以后，這個(gè)變化會(huì)是顛覆性的。Joe Bohman在現(xiàn)場展示了智能體參與工程變更的場景，智能體可以在數(shù)字主線中識(shí)別任務(wù)、創(chuàng)建工程變更通知，并進(jìn)一步進(jìn)入設(shè)計(jì)環(huán)節(jié)，定位有問題的模塊，調(diào)整設(shè)計(jì)并更新方案。

這意味著工業(yè)軟件未來可能不再只是“被工程師操作”，而開始參與工程師的工作。人提出目標(biāo)，AI理解上下文，調(diào)用軟件和數(shù)據(jù)完成任務(wù)，再由人進(jìn)行確認(rèn)。

對(duì)于Agent進(jìn)廠的安全性，西門子也是有所考量。Joe Bohman在談到Agent安全問題時(shí)強(qiáng)調(diào)，西門子堅(jiān)持Human-in-the-loop原則，在軟件、流程和步驟中保留人工審核，同時(shí)允許客戶使用自己的模型，并通過Intelligence Center X進(jìn)行治理。

所以，工業(yè)系統(tǒng)最終需要的不是一個(gè)“敢做決定”的AI，而是一個(gè)可追溯、可驗(yàn)證、可控制的AI。工業(yè)AI的核心競爭力，也因此從單純的模型能力，開始延伸到數(shù)據(jù)治理、權(quán)限、安全、工程知識(shí)以及執(zhí)行能力。

四、完成閉環(huán)，AI工具到工業(yè)智能基礎(chǔ)設(shè)施

如果把Realize LIVE上展示的產(chǎn)品一個(gè)個(gè)拆開看，會(huì)覺得西門子講了很多東西，Designcenter、Teamcenter、Simcenter、Opcenter、Intelligence Center X，以及Xcelerator as a Service和IFS相關(guān)能力。但如果把這些產(chǎn)品放在一起觀察，會(huì)發(fā)現(xiàn)西門子真正想做的，并不是簡單地給工業(yè)軟件增加幾個(gè)AI功能，而是在重新組織一套覆蓋全生命周期的工業(yè)智能基礎(chǔ)設(shè)施。

對(duì)于制造業(yè)而言，大模型能夠理解語言和知識(shí)，卻不意味著它真正理解物理世界。一個(gè)AI可以告訴工程師汽車是什么，但如果要參與汽車設(shè)計(jì)，就必須進(jìn)一步理解空氣阻力、碰撞、安全、熱管理、振動(dòng)等工程約束。因此，工業(yè)AI最終不能只有“大模型智能”，還必須擁有“物理智能”。

這也是Simcenter PhysicsAI的價(jià)值所在。西門子利用歷史仿真數(shù)據(jù)訓(xùn)練AI代理模型，將AI引入過去高度依賴傳統(tǒng)求解器的工程仿真環(huán)節(jié)。據(jù)西門子介紹，在部分應(yīng)用場景下，PhysicsAI的數(shù)據(jù)驅(qū)動(dòng)洞察速度最高可達(dá)到傳統(tǒng)求解器的1000倍；而新推出的PhysicsAI Generate則進(jìn)一步將生成式AI引入工程設(shè)計(jì)，根據(jù)性能和尺寸要求快速生成物理一致的三維設(shè)計(jì)概念。

但理解產(chǎn)品只是第一步。工業(yè)企業(yè)真正復(fù)雜的地方在于，一項(xiàng)產(chǎn)品從設(shè)計(jì)走向量產(chǎn)，再進(jìn)入運(yùn)營和維護(hù)，中間涉及大量系統(tǒng)、數(shù)據(jù)和人員。設(shè)計(jì)產(chǎn)生數(shù)據(jù)，仿真驗(yàn)證設(shè)計(jì)，制造執(zhí)行設(shè)計(jì)，設(shè)備運(yùn)營產(chǎn)生現(xiàn)實(shí)數(shù)據(jù)，服務(wù)又將運(yùn)營結(jié)果反饋到產(chǎn)品和工程體系。如果這些環(huán)節(jié)依然彼此割裂，AI再聰明，也只能成為一個(gè)個(gè)孤立的工具。

因此，西門子此次大會(huì)不斷強(qiáng)調(diào)的其實(shí)是“閉環(huán)”。

Tony Hemmelgarn表示，西門子正在通過與IFS的合作，將設(shè)計(jì)、運(yùn)營和服務(wù)連接起來，讓現(xiàn)場運(yùn)營數(shù)據(jù)能夠反向進(jìn)入產(chǎn)品和工程體系。這意味著傳統(tǒng)工業(yè)軟件的邊界正在發(fā)生變化：過去的PLM、CAD、仿真、MES、服務(wù)軟件分別解決不同環(huán)節(jié)的問題，而未來這些系統(tǒng)需要圍繞一條數(shù)字主線形成連續(xù)的數(shù)據(jù)和知識(shí)流。

在這個(gè)過程中，Intelligence Center X承擔(dān)的角色就更加清晰了，它并不是又一個(gè)孤立的AI應(yīng)用，而更像是連接數(shù)據(jù)、工業(yè)知識(shí)、AI模型、Agent和具體工業(yè)軟件的智能中樞。企業(yè)可以在這個(gè)平臺(tái)上連接不同數(shù)據(jù)源、建立工業(yè)知識(shí)關(guān)系，再通過AI Studio、Mendix等能力構(gòu)建自己的智能應(yīng)用和Agent。

而這恰恰對(duì)應(yīng)了中國工業(yè)AI當(dāng)前最現(xiàn)實(shí)的問題。因此，西門子在中國并不是簡單地把全球AI產(chǎn)品“搬過來”，而是試圖通過數(shù)據(jù)梳理、數(shù)據(jù)標(biāo)注、關(guān)系定義，再利用AI Studio訓(xùn)練模型，最后通過Mendix構(gòu)建Agent，推動(dòng)企業(yè)從“點(diǎn)”走向“線”，再從“線”走向“面”。

這也是“在中國、為中國”真正值得點(diǎn)贊的地方，不是產(chǎn)品本地化，而是工業(yè)AI落地路徑的本地化。

除了這些，此次Realize LIVE，我們切實(shí)感受到西門子真正展示的不是幾個(gè)AI產(chǎn)品，而是一種工業(yè)軟件形態(tài)正在發(fā)生變化。過去，工業(yè)軟件的核心任務(wù)是幫助企業(yè)把現(xiàn)實(shí)世界數(shù)字化；現(xiàn)在，它正在進(jìn)一步讓AI理解這個(gè)數(shù)字世界，并參與設(shè)計(jì)、仿真、制造、運(yùn)營和維護(hù)。

當(dāng)AI能夠理解BOM、工藝、設(shè)備、訂單和客戶，當(dāng)數(shù)字孿生能夠連接設(shè)計(jì)與現(xiàn)實(shí)，當(dāng)Agent能夠調(diào)用工業(yè)軟件完成具體任務(wù)，當(dāng)一次試點(diǎn)能夠復(fù)制到更多部門和工廠，AI才真正開始從一個(gè)工具變成生產(chǎn)力。

而這也意味著，工業(yè)AI下一階段的競爭已經(jīng)很難再單純定義為“大模型之爭”。

真正的競爭，將轉(zhuǎn)向誰擁有更深的工業(yè)知識(shí)、更完整的數(shù)據(jù)上下文、更強(qiáng)的工程仿真能力、更完整的業(yè)務(wù)流程，以及更有能力把這些東西連接起來的工業(yè)軟件平臺(tái)。

這可能才是西門子此次Realize LIVE真正想傳遞給行業(yè)的信號(hào)。