說真的，現(xiàn)在誰還能完全離開AI工作？

寫文檔的時候順手問一嘴AI，做報表讓它自動生成，跟進客戶前先讓它整理背景資料。就連財務(wù)核賬、銷售話術(shù)這種活兒，都有AI員工在后臺幫著咱干。

u1s1，互聯(lián)網(wǎng)大廠這半年扎堆造的這批AI員工，早就悄悄嵌進了每個人的日常。

據(jù)第三方機構(gòu)統(tǒng)計，今年6月，光是主流桌面端AI辦公智能體，訪問量就沖到了6000萬次。

你還別說，這些Agent確實不簡單：寫文檔、做報表、跟進客戶、輔助銷售決策，甚至能替投資機構(gòu)篩選出高潛項目、生成分析報告……

但把這些聰明的Agent直接塞進工廠車間，大概率它們什么也干不成。

《2025工業(yè)智能體應(yīng)用現(xiàn)狀與趨勢展望報告》（以下簡稱“報告”）調(diào)研了200余家制造企業(yè)，結(jié)果很扎心：

43%的企業(yè)還沒部署工業(yè)智能體，廣泛應(yīng)用的只有8%。

不是企業(yè)不想用——63%被部署成本卡住，46%找不到既懂技術(shù)又懂產(chǎn)線的人。

當然，工廠設(shè)備跨代際、協(xié)議五花八門，信息技術(shù)（IT）與運營技術(shù)（OT）之間橫亙著長期的數(shù)據(jù)斷層，數(shù)據(jù)安全還必須自主可控，也是攔路虎。

說到底，工業(yè)現(xiàn)場從來不是單點問題，而是一道橫跨研發(fā)、工程、制造、質(zhì)量、運維的系統(tǒng)工程。

單點優(yōu)化解決不了全局，這也是工業(yè)級Agent的門檻遠高于辦公場景的原因。

它需要理解工業(yè)語義、會調(diào)用工業(yè)工具、接入實時數(shù)據(jù)、在閉環(huán)工作流中執(zhí)行。

換句話說，它的所有能力均要圍繞企業(yè)實際運轉(zhuǎn)，不是給大模型套個殼就能糊弄的。

對急需工業(yè)級Agent的企業(yè)來說，閉門造車既不現(xiàn)實，成本也高得嚇人。

隨著生成式AI和智能體技術(shù)加速進入工業(yè)領(lǐng)域，西門子正在把自身已有的工業(yè)軟件、自動化、數(shù)據(jù)與生態(tài)能力進一步連接起來：

一方面推出Eigen工程智能體等AI原生產(chǎn)品，另一方面通過西門子Xcelerator匯聚產(chǎn)品與伙伴，推動工業(yè)AI規(guī)?；涞亍?/p>

西門子自研工業(yè)智能體：從輔助建議到自主執(zhí)行的跨越

已經(jīng)面向中國市場全面發(fā)售的Eigen Engineering Agent（Eigen工程智能體），上個月在WAIC上獲得「SAIL之星」。

它是西門子推出的首款面向工業(yè)自動化工程的AI智能體。

與常見AI輔助工具最大的不同，Eigen工程智能體可以在真實工程系統(tǒng)中，獨立完成端到端的任務(wù)規(guī)劃、執(zhí)行和驗證。

以往，電氣工程師在ECAD工具里完成布線與硬件設(shè)計，自動化工程師卻要依據(jù)另一套描述體系編寫程序。

設(shè)備清單、變量標簽和控制邏輯長期依賴人工重復(fù)錄入，硬件一改，軟件還得重新對賬，耗時又容易出錯。

Eigen工程智能體新增ECAD集成與項目自動生成功能。

它可以讀取XML、AML等主流格式的電氣設(shè)計文件，識別數(shù)據(jù)沖突、配置連接，并依據(jù)實際硬件拓撲生成PLC變量標簽。

工程師也可以用自然語言描述工位、配套設(shè)備和運行邏輯，幾分鐘內(nèi)生成符合行業(yè)規(guī)范、能繼續(xù)開發(fā)的項目。

實際結(jié)果也夠硬。

在真實應(yīng)用中，Eigen工程智能體執(zhí)行效率較手動工作流提升2至5倍，工程效率提升高達50%，整體解決方案質(zhì)量提升80%。

目前，這款智能體已經(jīng)在全球19個國家和地區(qū)、逾百家企業(yè)部署。

在中國，Eigen工程智能體也已在多家企業(yè)試點。

例如，中科摩通將其用于新能源汽車EMB智能裝配設(shè)備，程序開發(fā)時間和現(xiàn)場調(diào)試周期均縮短30%，人工與物料損耗降低10%。

當然，Eigen工程智能體研發(fā)的目的，并不是替代人類工程師。

恰恰相反，Eigen工程智能體處理的是重復(fù)編碼、圖紙解析和設(shè)備配置這類機械繁瑣的重復(fù)性工作，工程師得以被解放出來，從而集中精力聚焦在更高價值的系統(tǒng)決策與方案創(chuàng)新上。

Eigen工程智能體，只是西門子自研工業(yè)智能體產(chǎn)品矩陣中的其中一個。

整合Graph Studio、AI Studio和Mendix低代碼平臺，西門子還發(fā)布了Intelligence Center X（ICX）工業(yè)AI編排軟件。

它不是一個大模型，而是位于企業(yè)現(xiàn)有系統(tǒng)之上的AI編排層——向下連接PLM、ERP、MES、CRM和OT現(xiàn)場數(shù)據(jù)，向上統(tǒng)一管理模型、智能體與工作流，并對每一次數(shù)據(jù)訪問和智能體決策進行追蹤。

簡單講，ICX就是西門子給工廠裝的一個「AI調(diào)度總臺」。

它不替代工廠現(xiàn)有的系統(tǒng)，而是坐在上面，把數(shù)據(jù)、知識、模型和智能體組織起來，讓AI從「會聊天」走向「能干活」，并且可管理、可追溯，最終在工廠里真正省時間、省錢、提效率。

作為西門子智能體能力體系中的新進展，ICX提供企業(yè)級知識圖譜搭建、數(shù)據(jù)分析及機器學習模型搭建、技能構(gòu)建（Skill）、智能體構(gòu)建與調(diào)試（Agent）以及面向多步驟任務(wù)（Workflow）的編排能力等模塊，支持企業(yè)在云端進行AI智能體的開發(fā)、調(diào)試與測試。

這些證明了工業(yè)AI確實能干活，但工業(yè)場景不像互聯(lián)網(wǎng)應(yīng)用，它沒有相對標準化的需求。

一家汽車工廠、一家半導體廠與一座數(shù)據(jù)中心，面對的是截然不同的生產(chǎn)流程和設(shè)備體系。

即便是在同一家工廠內(nèi)部，研發(fā)、生產(chǎn)、質(zhì)量與運維的需求也千差萬別。

工業(yè)AI真正的挑戰(zhàn)，不在于打造一個無所不能的超級Agent，而是讓成熟的智能體能力適配不同行業(yè)、不同領(lǐng)域的自動化場景需求。

工業(yè)AI需要的不只是Agent

西門子沒有停留在單個智能體產(chǎn)品，而是把沉淀多年的工業(yè)能力模塊化，打造成開放式數(shù)字商業(yè)平臺「西門子Xcelerator」。

傳統(tǒng)數(shù)字化平臺往往遵循貨架邏輯：買賣關(guān)系在交易完成的那一刻就宣告終止。

西門子Xcelerator想要扮演「工業(yè)AI的Launchpad」：

通過產(chǎn)品組合和伙伴生態(tài)，連接工業(yè)AI所需的軟件、自動化、數(shù)據(jù)與行業(yè)知識，幫助客戶識別場景、匹配方案，從獲取產(chǎn)品進一步走向部署與價值實現(xiàn)。

在這個平臺上，西門子通過三層清晰的架構(gòu)實現(xiàn)了工業(yè)AI的能力閉環(huán)。

第一層：產(chǎn)品組合

一個現(xiàn)狀是，很多制造企業(yè)面臨的最大障礙，不是不知道AI的價值，而是他們不具備從零開發(fā)的能力。

西門子Xcelerator首先提供可直接落地的工業(yè)AI解決方案。

比如，Eigen工程智能體這種經(jīng)過真實工程驗證的產(chǎn)品，可以直接嵌入工程和生產(chǎn)流程，讓企業(yè)先跑起來。

其自研的各種Agent都放在西門子Xcelerator平臺上，讓有需要的企業(yè)「開箱即用」。

第二層：開發(fā)生態(tài)

如果你不想拿現(xiàn)成的產(chǎn)品，還是希望自造Agent，也好辦。

西門子Xcelerator為開發(fā)者與生態(tài)伙伴提供了工業(yè)智能體開發(fā)套件。

該套件提供Skill Creator、Agent Framework、Workflow等核心組件，支持企業(yè)用戶在云端進行開發(fā)、調(diào)試和測試AI智能體。

包括：基于RAG（檢索增強生成）技術(shù)的AI知識檢索與問答服務(wù)，以及基于Skill-Creator、Workflow工具的Skill和工作流生成服務(wù)，幫助企業(yè)將軟件和內(nèi)部能力Agent化。

其中最關(guān)鍵的，是把PLC、工業(yè)邊緣、數(shù)據(jù)采集、異常分析等OT層面的工程Know-how，封裝成Agent能夠聽懂、看得懂且能直接調(diào)用的Skill。

這個動作，本質(zhì)上是在給工業(yè)經(jīng)驗「裝接口」，這也是西門子的獨特優(yōu)勢。

入口可以更換，底層知識與流程卻能成為企業(yè)長期資產(chǎn)。

西門子能碳管理智能體ECX Agent，就是用這些開發(fā)套件做的。

它提供基于自然語言的人機協(xié)同交互，在用戶管理下，可以自主完成專業(yè)的能源精益管控、設(shè)備智能運維、碳數(shù)據(jù)MRV（監(jiān)測、報告、核查）等業(yè)務(wù)任務(wù)。

它通過西門子Xcelerator智能體應(yīng)用開發(fā)框架+底層專業(yè)大模型引擎實現(xiàn)能碳管理智能工作流；

再通過工具接口調(diào)用西門子能碳業(yè)務(wù)軟件Smart?ECX平臺的API，讀取能耗、碳排放實時數(shù)據(jù)，實現(xiàn)碳盤查、能碳審計、能碳問答、輸出減排方案。

除內(nèi)部自研案例外，北京支點互動、上海全曉信息技術(shù)，都利用西門子的開發(fā)套件，配置適合自己的工業(yè)AI智能體。

支點互動以API方式復(fù)用西門子Xcelerator工業(yè)智能體開發(fā)套件，利用AI知識庫能力，完成文檔解析、向量檢索。

后用自研平臺完成Agent編排、業(yè)務(wù)流程、人機審批閉環(huán)、全鏈路治理，把檢索出來的工業(yè)Know-how封裝成可復(fù)用Skill數(shù)字勞動力資產(chǎn)。

全曉信息技術(shù)則基于西門子Xcelerator工業(yè)智能體開發(fā)套件開展全流程工作，直接復(fù)用知識庫、Skill生成、Agent編排等原生能力。

該公司聚焦制造業(yè)細分場景疊加行業(yè)業(yè)務(wù)規(guī)則做二次開發(fā)，交付行業(yè)化工業(yè)智能體應(yīng)用方案，例如汽車OBD測試Agent、設(shè)備運維Agent。

第三層：商業(yè)入口

一個Agent在實驗室里跑通，只完成了0到1。

當智能體被開發(fā)出來后，如何讓它找到買家并實現(xiàn)規(guī)?；瘡?fù)制，是其商業(yè)化的核心難題。

在西門子Xcelerator的線上平臺Marketplace里，客戶可以更快找到經(jīng)過篩選的工業(yè)AI能力。

生態(tài)伙伴也可以展示產(chǎn)品、觸達工業(yè)客戶、獲得反饋并持續(xù)迭代。

這也是西門子的誠意，即便是第三方自研Agent廠商入駐，西門子Xcelerator平臺也開放生態(tài)接納。

AI創(chuàng)新企業(yè)可通過申請加入西門子Xcelerator生態(tài)，審核通過后，以入駐方式加入平臺，輸出差異化行業(yè)方案，并完成面向客戶的項目交付。

比如阿丘科技，無需重構(gòu)自身技術(shù)棧，而是將自研的AQ-VLM工業(yè)視覺大模型與VisionAgent視覺應(yīng)用平臺，通過標準API對接西門子X Data Hub數(shù)據(jù)底座及Teamcenter PLM體系。

西門子提供工業(yè)數(shù)據(jù)上下文與業(yè)務(wù)流程入口，阿丘科技輸出經(jīng)系統(tǒng)驗證的視覺缺陷檢測核心能力。

雙方聯(lián)合打造的「多維度工業(yè)AI視覺智能底座」，在完成互操作測試與安全合規(guī)審核后，其方案通過Marketplace上架，面向更多制造企業(yè)，輸出「開箱即用」的智能質(zhì)檢能力。

另外，西門子Xcelerator生態(tài)伙伴設(shè)序科技，其自研的AI自動出圖平臺，能夠?qū)崿F(xiàn)快速將3D模型轉(zhuǎn)為2D工程圖，幫助企業(yè)快速交付。

比較直觀的結(jié)果是，有汽車裝備/非標自動化設(shè)備企業(yè)在Marketplace上找到設(shè)序科技的方案，使用后人均出圖效率從數(shù)天壓縮至小時級，10人團隊年節(jié)省工時超7000小時。

目前，西門子Xcelerator平臺覆蓋汽車、食品飲料、電子半導體、數(shù)據(jù)中心、綠色建筑等行業(yè)。

WAIC 2026期間，又有9家AI領(lǐng)域伙伴與西門子Xcelerator簽署生態(tài)合作協(xié)議，繼續(xù)補充物理AI、具身智能、工業(yè)智能體與算力場景。

截至2026年7月，西門子Xcelerator已匯集900余款數(shù)字化與低碳化產(chǎn)品及解決方案，超60萬注冊用戶，600余家生態(tài)伙伴，其中已上架AI產(chǎn)業(yè)應(yīng)用伙伴超100家。

它的出現(xiàn)，不是給工業(yè)界提供一個套路化的標準答案，而是通過Marketplace、優(yōu)選的業(yè)務(wù)組合與開放生態(tài)，建立起一個能夠根據(jù)現(xiàn)場需求源源不斷產(chǎn)生新答案的龐大自進化系統(tǒng)。

西門子Xcelerator如何把一次成功，復(fù)制到更多工廠

把鏡頭拉遠，真正決定西門子Xcelerator價值的，不是平臺上擺了多少產(chǎn)品、聚集了多少伙伴，而是這些資源能不能轉(zhuǎn)起來。

工業(yè)AI的規(guī)模化，也不是把同一個Agent復(fù)制粘貼到一百家工廠，而是讓每一次成功交付，都成為下一次落地的起點。

Eigen工程智能體等自研產(chǎn)品先在真實工程系統(tǒng)中打樣，證明工業(yè)Agent不僅能理解任務(wù)、生成方案，還能進入PLC、HMI和自動化工程流程，完成端到端執(zhí)行，并在產(chǎn)線上交出可量化的ROI。

這背后，西門子的工業(yè)積淀提供了底座。

TIA博途、PLC、工業(yè)邊緣中沉淀的工程知識，決定了Agent能否讀懂工業(yè)語義、接入真實設(shè)備，并在權(quán)限、審計和回滾機制下穩(wěn)定運行。

它們就像一套工業(yè)AI的通用底盤，解決的是每個開發(fā)者都繞不開的基礎(chǔ)工程問題。

有了這套底盤，生態(tài)伙伴就不用反復(fù)造輪子。

汽車、半導體、能源、食品飲料等行業(yè)的開發(fā)者，可以在經(jīng)過驗證的能力之上，疊加自己的行業(yè)Know-how，開發(fā)面向不同設(shè)備、工序和業(yè)務(wù)流程的Agent。

同一套工業(yè)底座，也就有機會長出上百種不同的場景應(yīng)用。

這些應(yīng)用再通過西門子Xcelerator的Marketplace入口，從而觸達更多客戶。

每跑通一次，下一次就不必從零開始。

接入的伙伴越多，覆蓋的場景越豐富，平臺積累的工業(yè)知識也越厚，新的Agent就越容易被開發(fā)和部署。

這也是西門子Xcelerator與普通軟件貨架最本質(zhì)的區(qū)別。

貨架解決的是「把產(chǎn)品賣出去」，西門子Xcelerator要解決的是「讓產(chǎn)品在真實工業(yè)場景中持續(xù)生長」。

制造企業(yè)也在用選擇為這套路徑投票。

報告顯示，68%的企業(yè)愿意與外部科技廠商開展數(shù)據(jù)分享和技術(shù)融合。

西門子則進一步開放中國工廠場景，并通過西門子Xcelerator公開賽吸引開發(fā)者進入工業(yè)AI，把真實需求直接變成生態(tài)創(chuàng)新的試驗場。

所以，西門子Xcelerator復(fù)制的是一套「驗證、沉淀、開發(fā)、分發(fā)、再驗證」的方法。

當一個Agent能寫PLC代碼，這叫單點智能。

但當不同伙伴能在不同工序上造出各自的Agent，沉淀各自的Know-how，創(chuàng)造各自的ROI，再把一次成功帶到更多工廠，工業(yè)AI的規(guī)模化落地，才算真正開始。

說到底，辦公室AI的普及，靠的是讓每個人都能打開一個對話框。

工業(yè)AI的普及，靠的卻是把一座工廠驗證過的能力，變成更多工廠都能安全調(diào)用的生產(chǎn)力。

這是西門子Xcelerator要推動的事。

等到Agent不再只是示范工廠里的明星項目，而是像PLC和工業(yè)軟件一樣，成為工程師隨時可用的基礎(chǔ)能力，那時工業(yè)AI才算走出展臺，真正走進生產(chǎn)線。