傳統工業巨頭的AI轉身 | 對話西門子

文｜白 鴿

編｜王一粟

“工業AI的真正落地，始于對需求場景的精準捕捉，成于將技術、數據與行業機理的深度融合。”西門子全球執行副總裁、西門子中國董事長、總裁兼首席執行官肖松博士如此說道。

當前，AI大模型正加速在千行百業中落地。但在其中，工業成為了AI落地最難的場景，也成為了AI大模型應用落地含金量最高的戰場之一。

據《2025工業智能體應用現狀與趨勢展望報告》，對200余家工業企業展開深度調研的數據顯示，雖然近八成企業認可AI提升生產效率和降低運營成本的價值，但實際部署仍面臨挑戰：43%的企業尚未部署工業智能體，僅8%實現多場景應用。

而這背后的制約因素，集中體現在部署成本高、專業人才缺乏和技術成熟度不足三大方面。此外，企業在考慮是否應用工業智能體時，普遍將穩定性與可靠性作為核心考量。

從技術角度來說，工業行業普遍存在數據壁壘，通用大模型往往由于缺乏專業數據而答非所問。

“當前，大家通過ChatGPT、豆包、通義千問等，可以檢索向公眾公布的基于互聯網公共數據的知識。但是對于工業知識，尤其是西門子技術領域范疇內的，如工廠自動化領域的知識，恐怕無法依托于ChatGPT、豆包等通用型的AI，因為它們在工業領域的數據庫不夠完整和準確。”西門子（中國）有限公司執行副總裁、西門子大中華區數字化工業集團總經理王海濱說道。

在工業場景中，需要給客戶更加專業、更加靠譜、更加準確的答案，“這也正是西門子累積百年行業KNOW-HOW（行業知識）可以發揮作用的地方。”

9月底，在2025中國國際工業博覽會上，西門子這家擁有近180年歷史的工業巨頭，集中展示了其AI大模型技術產品和應用落地案例，并通過這一系列的案例，撕開了AI與工業融合的口子。從老師傅的經驗數字化，到非標設備的快速研發，西門子正在用AI重新定義工業生產的效率邊界。

在工業場景中，編程是設備運行的基礎，但傳統模式下，工程師不僅要掌握復雜的代碼邏輯，還要應對不同設備的適配問題，一個小錯誤可能導致整條產線停工。

西門子將百年工業KNOW-HOW融入至生成式工業AI助手Industrial Copilot中，可以通過自然語言交互，使工程人員無需深厚的編程背景也能完成設備組態、PLC編程等專業任務，這極大地緩解了企業對專業人才的依賴。

更關鍵的是，這款AI助手解決了工業知識“斷代”的痛點。

過去，工廠里核心工藝往往掌握在老師傅手里，他們憑借幾十年經驗調整參數、優化流程，但這些經驗難以標準化、數字化。西門子的AI助手卻能將這些隱性知識轉化為顯性模型，通過分析老師傅操作背后的海量數據，提煉出工藝優化的規律，再將這些規律轉化為可執行的程序。

比如某汽車零部件工廠的熱處理工序，過去全靠老師傅憑手感調整溫度和時間，產品合格率波動在5%左右。引入西門子AI工藝尋優后，AI分析了過去三年的生產數據，找到了溫度、時間與合格率的最優函數關系，將波動范圍控制在1%以內。

在另一個落地案例中，中科摩通作為一家非標設備制造商，過去接的訂單都是“一次性定制”，客戶需求不同，設備設計、調試、生產的流程就得重來，常常因為一個小錯誤，導致樣機重做，工期延誤、成本超支是家常便飯。

但這一次，他們與西門子合作的新能源汽車EMB裝配設備項目，卻創造了行業紀錄，僅用2個月就完成了從設計到交付的全流程，且一次調試成功。

背后的核心，正是西門子AI驅動的“一次正確”理念。通俗來說，以前是邊做邊改，現在則是先仿真訓練驗證、后進行實踐落地。

具體來說，項目啟動前，團隊先在西門子的虛擬仿真環境中搭建設備模型，AI根據客戶需求自動生成了核心代碼，并模擬了生產過程中可能出現的問題，如某個部件的安裝角度偏差、電路兼容性問題，這些在過去要到實際裝配時才會發現的問題，在虛擬環境中就被逐一解決。

這個案例的意義，遠不止一個項目的成功。

對于非標設備行業來說，“定制化”與“高效率”一直是矛盾體，而西門子用AI找到了平衡點，即將試錯成本轉移到虛擬環境，讓現實中的生產環節“一次就對”。正如王海濱所說：“‘一次正確’不是不犯錯，而是讓錯誤在虛擬世界里提前結束，讓工業生產少走彎路。”

從代碼生成到設備研發，從維護優化到合格率提升，西門子的AI應用已經滲透到工業生產的全流程。它不僅解決了單個環節的效率問題，更在幫助整個行業跳出“低價內卷”的怪圈，通過AI創造更多價值，讓工業競爭回歸“技術驅動”的本質。

正如工博會上“鉆耀之心2.0”所展示的那樣，AI就像工業的“心臟”，它讓數據流動起來，讓設備智能起來，讓生產高效起來。

當更多企業開始用AI重構生產時，工業的下一個“效率革命”，或許才剛剛開始。

以下是與西門子（中國）有限公司執行副總裁、西門子大中華區數字化工業集團總經理王海濱對話內容（經光錐智能編輯）：

Q：今年在我們的展位上看到最吸引觀眾眼球的就是“鉆耀之心”，能否為我們介紹下西門子展臺最亮眼的"鉆耀之心"？請您用一句話總結本次西門子展臺的核心價值？

A：“鉆耀之心2.0”是我們今年展臺上的亮點之一，圍繞“鉆耀之心2.0”，我們展示了135款來自西門子數字化工業和基礎設施集團的幾個產品事業部的各種產品。

其次是工業人工智能專區，展出了工業AI的幾個應用場景。首先是在知識管理、知識問答、知識檢索方面，主要產品形態是西門子知識庫的AI助手。

當前，大家通過ChatGPT、豆包、通義千問等，可以檢索向公眾公布的基于互聯網公共數據的知識。但是對于工業知識，尤其是西門子技術領域范疇內的，如工廠自動化領域的知識，恐怕無法依托于通用型的AI，因為它們在工業領域的數據庫不夠完整和準確。

在工業場景中，我們需要給客戶更加專業、更加靠譜、更加準確的答案。這也正是西門子累積百年行業know-how（行業知識）可以發揮作用的地方。

第二個場景是自動化工程的開發環境，比如說TIA博途，在這樣的工程開發環境中我們嵌入了AI助手。過去，PLC編程工程師需要一條條指令去寫PLC的代碼，而現在通過用AI不僅能直接生成一個PID調節程序，并且還可以自動驗證程序的準確性等。

第三，在工廠運營環境中，一臺設備需要進行工藝尋優，過去是憑老師傅的經驗，現在把老師傅經驗背后的海量數據進行整合，找到規律，然后運用規律來達到工藝的進一步優化，這是另一種工業場景中AI的應用。

第三大亮點是中科摩通案例。這個案例全面體現了我們向市場推出的“一次正確”的理念。

中科摩通是一個非標設備制造商，每一個工程，每一個客戶的要求都不一樣，都需要定制。過去從工程開發到調試、制造，交付給客戶，以及交付客戶之后的服務都是耗時耗力。如今在AI技術的加持下，使我們能在虛擬環境中充分驗證自己設計，用AI自動生成代碼并進行驗證等。

我們說的“一次正確”不是絕對的不犯錯，而是說這種試錯的過程更多地發生在虛擬仿真環境當中，大大降低試錯成本。直到設計的原理、代碼和驗證調試都在虛擬仿真環境得到了驗證之后，我們再付諸實施，從而可以幫我們在現實當中做到“一次正確”。這一理念是我們今年展臺上“數實融合，新智增長”口號背后的一個非常具有客戶價值感，極具落地性的一個提法。

中科摩通跟我們一起花了2個月的時間，去做了這樣一臺新能源汽車EMB裝配設備，通過這個項目向大家真實、全方位地展示“一次正確”概念。

Q：請您結合西門子的經驗和成果，分享一下AI在應用過程當中的難點是什么？從西門子自身出發，在AI應用當中取得的最重要的經驗和收獲是什么？對于中國用戶關于AI的應用，西門子有哪些建議？能否分享西門子在全球AI應用過程中，發現哪些比較有價值的信息或者亮點？

A：AI有兩個定義，一個是廣義的AI，一個是狹義的AI。廣義的AI是指，任何由計算機來執行人腦產生思維過程的都可以稱之為廣義的AI。比如我們從小就開始學數學，背乘法口訣，經過教育后，人的大腦就知道1×1=1，2X2=4等，而在計算機出現之前，我們沒有一個設備可以執行人腦產生思維的過程。在計算機出現之后，從二進制原理到越來越高級的半導體芯片，使得計算機可以執行人腦中的思維活動。因此由計算機執行人腦中的思維活動，是一種廣義上的AI。

狹義的AI該如何定義？在過去，人腦的一些思維活動無法變成計算機運行的算法，“教育”計算機去運行指令。比如說最早出現的機器學習，通過機器學習或者是深度學習的算法，使得計算機能夠進行物體或者是圖像的識別，當這種技術剛開始出現的時候，大家都覺得眼前一亮，認為這是一種技術上的突破。再比如對于很多人來說，人們從小受到的教育會對貓這種生命體認作是一只貓，如果看到這個樣子的動物就是貓，與此類似其他有一種動物是狗，有一種動物是馬，這是一種人腦的識別模式。對于這樣的識別模式，在過去用工業視覺加計算機等手段是做不到的。后來，經過機器學習、大數據等一系列技術，我們發現如果說用成百上千張同樣的圖片去訓練計算機，計算機就可以像人腦一樣去識別類似的人腦思維活動，這是一種AI的體現。

時至今日，可能還有很多事情無法直接交給計算機來執行，還需要“思考”，讓計算機可以像人腦一樣處理這些事情，我們也稱之為人工智能。以我們剛提到的PLC程序舉例，自動化工程師在TIA博途環境當中以一條一條的方式去寫代碼，通過鍵盤輸入代碼，這個過程是人腦想出來之后，再通過鍵盤輸入到電腦當中，其后再通過調式、通過PLC去執行。而AI可以取代這個代碼生成的過程，原本工程師需要在腦子里構思然后一條一條手工輸入，現在我們可以讓AI生成一個閉環PID調節程序，AI可以自動寫出超2000條代碼，且其中大多數都是正確的，那么這個過程我們說它替代了人腦的工作，這也是一種AI的體現。

那么什么是更高階的AI？比如某個程序雖然正確，但是還有迭代的空間。比如之前生成的第一個版本是1.0，它是正確且可以運行的，但是并不一定是最優的，它應該被迭代成1.1、1.2、2.0、2.5，這樣一個優化迭代的過程用AI能替代人腦進行嗎？可能尚且還做不到。但AI智能體能夠自感知、自決策、自優化。其關鍵在于自優化，自優化是在自動生成第一版的程序之后還能夠不斷向上迭代更高水平的AI，現在我們稱之為AI智能體。

現在在工業環境下用AI的難點，我認為AI背后的本質，其一是要有大量的數據，各種各樣的工業現場的、高質量的數據。另一個本質，以我們大家在上學的時候學過的數學為例，函數有自變量和因變量y=f（x），x可以是多變量從x1到xn，f是函數關系。所謂AI是在很多場景下，面對海量的數據，有一些數據是因變量，是x1到xn，另外一些數據是y，但是我們不知道中間的f函數關系，我們要通過這么多的數據去建立模型、去驗證模型，所有這些工作的本質就是尋找這個f，而當這個函數關系找到之后，會對我們的生產力帶來第二次躍遷。倘若我們知道這個模型是正確的，再有了自變量數據之后，我們就可以通過這個f函數關于算出y，因而我們可以通過AI指導我們做預測性的維護，做前瞻性的指引，從而對各種工藝參數進行尋優等。我想這就是背后的邏輯。

對于一個工業從業者來說，AI最大的困難，第一個是數據的獲得。今天我們對數據的獲得相比幾年前已經有了巨大的進展，但是對廣大的工業從業者來說這依然是第一個難點。第二，獲得數據之后的數據治理，所謂的數據治理就是數據背后代表什么語義、什么含義？結合工業場景，這個數據可能代表著壓力、流速、溫度、力矩等含義，還有數據的結構化、數據的存儲等等。在數據治理基礎之上，我們要結合工業場景去進行建模，建模的過程就是在海量數據中尋找各種各樣的函數關系f，然后用f去指導我們的生產。為什么今天我們尚且有很多事情要靠老師傅的經驗，因為老師傅的經驗在某種程度上來說就代表著f，但是這個f并沒有被提煉到計算機的程序當中，還停留在老師傅的人腦中。

總而言之，工業企業駕馭AI或者是利用AI去提高自己的生產力，其背后的難點是工業AI本身是跨學科的，既要懂自己所處的行業、工業場景背后的工藝、Know-how等，同時又要知道數據科學，還要有IT的知識等等，這是一個跨學科的領域。對于廣大傳統從事制造業的企業而言，可以想象其背后的難度。

那么西門子在踐行AI方面的經驗，就是從低到高進階的，在公司全員普及“工業+數據+AI”的跨學科的知識和意識，發動全員去探索、去實踐。在西門子成都工廠可以看到AI應用于質量檢測、應用于物品分揀、運用于物流向供應商下訂單等等。

最后，我們的志向是既然廣大工業企業有這么多實際困難，我們思考的是如何降低大家應用AI的門檻和難度。比如說西門子收購了Mendix，這是一個低代碼應用開發平臺，使得大家在沒有IT知識的情況下，只要懂自己的工藝，也能夠在Mendix環境里生成計算機程序。

另外西門子還收購了Altair，Altair在我們的展臺上展出了一款叫RapidMiner的產品，在基于大數據尋找函數關系f和建模方面大大降低了工業客戶的使用門檻，因為其背后有幾千種現有的模型可以供客戶使用，并且可以智能的尋找、訓練模型，大大降低了工業客戶使用AI尋找數據模型的難度。

Q：剛剛我們了解了AI的情況，也看到西門子的展臺上有很多用戶在交流。基于當前自動化市場的實際情況，內卷現象尚未緩解，行業震蕩之中寒氣仍在延續，在這樣的市場環境下，西門子如何應對當前的自動化行業挑戰？

A：在這個問題上我想請張勁松來回答，因為張勁松領導的華東區幾乎占了西門子全國數字化工業業務的近40%，華東區也是中國制造業的一片沃土，可以以華東區在過去和各行各業客戶接觸的情況談談認知。

張勁松：大家好，我目前負責西門子華東大區銷售業務，新財年將擔任工廠自動化事業部的總經理。確實制造業自動化市場現在發展存在一定挑戰，這種情況也加劇了內卷。長三角區域也是我國乃至全球制造業最為集中的地區之一，我們看到對市場發展來說，我們的企業家還是在想盡各種辦法，一個是擴大市場，比如說“出海”，把市場延伸到外面去。另一方面，大家也紛紛在尋找辦法讓自己的設備升級，能夠把生產設備的效率提高，讓設備的性價比更高。

在這個過程當中，我也觀察到一個現象，很多企業家并不只是單純關注直接采購成本，越來越多的企業開始關注全價值鏈各個環節生產力的提高。比如說這個產品使用是否非常方便，比如說某個產品三天能把程序做出來，另外一個產品需要六天，這個效率明顯就低了，工程師的利用率就降下來了。比如說設備在使用過程當中，新設備出現機械的干擾、電氣不適配等問題，造成樣機做出來之后要重新去設計、制造，這不僅是物料的浪費，也是時間的浪費。因此我們需要想一些辦法，比如在虛擬環境下做一些仿真，在實際設備生產之前做一些試驗，盡可能把糾錯放在仿真環境中，這樣一來可以加快時間效率。

談及后期的服務，在產品售出之后，特別是對于賣設備的企業而言，或多或少都會涉及到服務問題，服務問題對企業運營來說消耗的都是利潤，這一點企業家也非常關注。

西門子看到這些現象，我們也希望跟客戶一起解決這些問題，所以我們也把這個理念在本次展會期間進行了詮釋，我們總結了六個“一次正確”。

“一次設計正確”，我們有MCD工具，幫助設備在設計階段就可以做仿真、做驗證。

“一次選型正確”，如果說元器件選型出現錯誤，其會增加采購供應鏈成本，也消耗了時間，所以選型的“一次正確”非常重要，而我們的選型工具（Simcenter Amesim）可以幫助客戶做到這一點。

“一次調試正確”，剛剛在展會現場，西門子攜手中科摩通打造的新一代新能源汽車EMB智能裝配設備正式揭幕。該設備是西門子生成式工業人工智能助手Industrial Copilot在中國市場的首次試點應用。可以加快調試正確，不是把工程師替代掉，而是極大提高了編程效率。

“一次制造正確”，我們說物料盡可能不要出錯，成套性、系列性，甚至是顏色都非常重要，盡管是小細節，但是可以極大提高裝配工人的效率，保證裝配“一次正確”。

“一次服務正確”，我們提供了一系列從產品到技術、到系統等等的服務，而且通過我們和合作伙伴的合作還擴大了我們的服務網絡，我們稱之為“半日達”，可以加快服務效率。

“一次低碳正確”，無論是應該、軟件、人力上的消耗降低，這本身就是低碳，我們提供了諸如Smart ECX智慧能碳管理平臺這樣的工具，可以幫助客戶進行碳排放的計量等，也會提供強大的對應性措施，幫助客戶去減少碳排放。

A：雖然中國制造業，各行各業普遍內卷趨勢。在這個普遍現象當中如何破局，這種成長的機會，或者說突破的機會也是隨處可見。各行各業的企業家，當他們以全局的視角去審視自己企業運營的整個成本結構、效益、費用、人員、時間、試錯、供應鏈、服務、設計、工程、效率等等，在全面審視的過程當中，各個行業的用戶會發現，如果我要在設計上、質量上、創新速度上等等要比同行做得更好，其實可研究或者說可著手的方向還是很多的，這也給西門子的業務帶來種種機會。

總而言之，我們還是能夠在當下的環境中找到不少各行各業攜手前行的客戶和合作伙伴，推動中國制造業向前發展，也推動西門子業務向前發展。

Q：今年三月份在上海，我也參加了西門子面向中國市場的18款產品發布會。這一舉措引發了網友大量關注和討論，現在時間過去半年了。面向中國市場發布這些產品市場接受程度如何，市場表現如何，未來，聚焦中國的創新產品你們有什么樣的規劃？

A：我們發布的18款產品，上市之后的表現明顯好于我們的大盤平均水平。發布的這些產品從臺套數來說大大超過了兩位數，有20%-30%多的增長。證明了基于中國市場的需求去研發產品的思路和做法是受到市場的認可的，也增強了我們繼續在這方面加大投入的決心。

大家看到今天在展會上我們陸續又發布了很多新產品，我想我們這些新產品的發布不是一個個產品個體的行為，每一款產品都是西門子產品家族中的一員。因為我們這些產品還是要保持西門子統一的質量水準，以及它們的體系性和互操作性。同時，我們需要持續加大投入，持續加快研發速度，持續跟上中國客戶發展的節奏，所以在這個方向上，我們也是越走越有信心。

另外，在18款產品發布之后，不僅在中國大陸受到了客戶的好評和歡迎。鄰近國家和地區，包括中國臺灣的客戶、印度客戶，東南亞客戶也紛紛對這些產品有強烈的興趣。