工業AI落地最后一公里，不是部署AI，是敢把任務交給AI

智東西
作者 畢偉豪
編輯｜漠影

過去幾年，AI正以前所未有的速度席卷整個世界。大模型不斷迭代、Agent工具層出不窮、AI編程快速普及，越來越多的人開始把AI融入日常工作和生活，越來越多的行業逐漸接納甚至依靠AI。

但有一個行業對AI的態度始終很謹慎——工業。原因很簡單，在自己的電腦上，AI出錯、出幻覺，重來即可，但在生產線上，AI任何一次錯誤指令，都可能會造成經濟損失甚至引發生產事故。

基于數字世界廣袤而龐雜的數據訓練出來的通用大語言模型，在進入工業場景后往往會陷入“失靈”的境地，它們懂知識，卻不懂工業協議，不懂工藝機理，更不知道物理規律，這讓看起來能回答任何問題的AI，卻在工業場景里變得不穩定不可靠了。

盡管工業對AI測算準確度的要求極為嚴苛，但如今的工業AI并不是空中樓閣：

在薯片生產過程中，AI和數字孿生模擬并優化了面團加工和薯片灌裝流程，讓產線廢棄物減少了13%，產能提升10%；

新能源汽車制造領域，通過基于AI的軟件與硬件產品組合，對從設計到制造的全流程進行數字化改造，使設計數據準確率提升95%，車輛開發周期縮短25%。

在這些已經實現高度自動化的成熟產線上，經由海量工業數據訓練出的工業大模型，足以在生產的某個環節發揮作用，幫助企業持續提升生產效率，但工業AI不可能永遠停留在“幫忙”這一步。

工業AI的上一個階段，是從“沒法用”到“部分可用”，證明AI可以進入工業現場，那下一階段，應該是集合無數生產環節中的AI能力，打造一個全流程可用，甚至好用的工業AI產品，去證明企業可以把一項完整任務交給AI，西門子正是這條路上的前行者。

一、從實驗室到輔助企業生產，工業AI邁進現實

在打造“全流程好用”的工業AI產品這條路上，西門子并非一蹴而就，在今年的世界人工智能大會（WAIC）上，西門子舉辦了“工業AI邁進現實——西門子Eigen工程智能體發布會”。會上，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直言，“工業AI不是在實驗室里‘想’出來的，而是在真實項目中做出來、磨出來、驗證出來，并一步步走向規模化的。”

西門子，正是這樣踐行的。

正如肖松博士所說，工業AI的規模化落地，不是一套能力的簡單復制粘貼，每個行業都有其在流程以及工藝等方面的獨特要求，同行業中不同企業的生產場景也截然不同，以往只能適配某個生產環節的AI產品，顯然不能滿足規模化落地的需求。

工業AI要真正規模化落地，需要跨過兩道門檻：一是經過足夠多真實場景的驗證，二是從“輔助”走向“自主”，也就是先做到“不會出錯”，再抵達“可以交付”。

西門子在WAIC現場并沒有簡單陳列產品，而是以多個“行業島”串聯起近年來西門子AI在研發、生產、質量與能效管理等多個環節的落地實踐，將自己對于工業AI抵達下一階段——自主交付的部分回答，隱藏在這些展臺之中。

在研發環節，工業AI減少了企業的試錯成本。生命科學領域，西門子Dotmatics利用AI技術對基因、分子、細胞等數據進行整合、分析，同時結合數字孿生，輔助研發人員快速驗證配方工藝，有望將整體實驗周期縮短約30%，前期研發投入降低約20%。

進入生產環節，工業AI開始幫企業優化工藝。消費品行業島重點展示了西門子通過AI與數字孿生，實現精準的自主參數調節。飛鶴奶粉的干燥工藝段在部署相關解決方案后，產線綜合能耗降低了10%，單位時間產量提升3%。

工藝優化之外，質量管理同樣是AI在工業中的重要落點。汽車行業島上覆蓋整車制造全流程的數字化方案，能夠顯著提升產品良率，并幫助企業降低非計劃停機風險。

當AI深度融入生產環節，其價值邊界還在持續拓展：從單條產線延伸至整座工廠，進一步覆蓋樓宇、園區和智算中心等基礎設施。例如，在上海穎奕皇冠假日酒店，西門子將智冷魔方AI BOX接入原有制冷系統，實現了3天快速部署，并額外帶來7%的節能效果。

這些行業島展示的，是西門子過去幾年在真實產業場景中的落地積累。正是這些持續迭代的實踐，為工業AI邁向規模化應用打下了扎實的場景基礎。

從研發到生產，再到質量管理和基礎設施運營，不同行業落地方式各不相同，但背后的共同目標其實只有一個：把依賴經驗判斷的環節，逐步變成依賴數據和AI持續優化的操作模式。這意味著，工業AI帶來的價值已經不僅是優化某一道工序，而是在研發、制造、運營等各個環節中持續降低成本、提升質量，并把工程師從大量重復性的工作中釋放出來。

工業AI已經證明了自己，能在生產的某些環節為企業提升效率、創造價值。

肖松博士在回顧西門子過往的落地實踐時，坦言這就是西門子所說的“工業AI邁進現實”，他在演講中說：“這些具體改善，才是工業AI真正產生實效，真正成為生產力的地方。這也體現了西門子一直堅持的方向和百年產業能力的積淀——做真正面向工業現場、面向客戶痛點、面向結果交付的AI。這就是我們的AI for Real。”

但對于整個行業而言，“不出錯”仍然只是開始。真正成熟的工業AI，不應該分散在研發、質檢、工藝優化等不同環節，而是能夠把這些能力整合起來，貫穿一項完整工程任務，從“優化某一個步驟”走向“完成整個流程”。

西門子在WAIC上交出了自己的答案：Eigen工程智能體。這款于今年4月推出的工業AI產品，不僅僅是西門子這些年落地實踐的結晶，更在推動工業AI從“會幫忙”的助手進化到“能干活”的AI員工。

二、AI智能體“真正上崗”，化身AI員工

WAIC大會上，西門子正式在中國市場發售其全球首款面向工業自動化工程的AI智能體——Eigen工程智能體。它并不是只會提出參考意見的輔助工具，而是生產線上，自動化工程師可靠的 “AI員工”。

發布會的開場致辭環節，肖松博士對Eigen工程智能體充滿了信心：“從Eigen開始，我們看到的，不是一個新的工具，更是一條工業智能的發展路徑——從單點突破產生實效，走向規模化落地實現生產力躍遷。”

繼4月剛剛在德國漢諾威工業博覽會上發布后，盡管才短短幾個月，但Eigen工程智能體已經歷經了全球19個國家、上百家企業真實生產線的考驗，它能夠理解項目需求、編寫PLC代碼，從硬件配置與網絡搭建、程序開發與調試，到HMI人機交互設計、驅動參數配置，再到項目理解與部署，核心功能幾乎覆蓋了自動化工程的完整工作鏈路。

Eigen工程智能體的出現，不僅意味著工程效率的提升，也意味著工業AI跨過了規模化落地的第二道門檻，實現“既可靠，又可交付”。

在自動化工程中，PLC代碼的編寫和測試是工程師最繁重的任務，其中包括太多重復、精細的操作，對于資深工程師來說，這些工作或許不難，但足夠磨人。

而Eigen工程智能體的核心功能之一，正是PLC代碼開發與測試，具體而言，Eigen工程智能體可以獨立完成PLC代碼的編寫，通過穩定的編程能力、測試生成以及代碼驗證、代碼庫遷移和復用、老舊代碼重構與升級，承擔起讓工程師頭疼的繁瑣任務。

除了代碼編寫，Eigen工程智能體還可以根據控制邏輯自動生成HMI（人機交互）頁面，在驅動配置方面，它支持SINAMICS單軸驅動參數的批量配置，面對體量龐大、語言復雜的項目文檔，Eigen工程智能體能依托TIA Portal實現高質量、安全的翻譯與項目理解。

Eigen工程智能體的出現，深刻改變了工程師的工作方式，過去工程師需要把大量時間花在代碼編寫、參數配置、文檔理解等重復性工作上；如今，這些任務可以交給Eigen工程智能體完成，工程師則能夠把更多精力放在方案設計、復雜問題決策等更有價值和創造性的工作中，人機協同也從“AI輔助工程師”逐漸變成“工程師和AI一起完成項目”。

相比于人工工作流程，Eigen工程智能體降低了整體自動化工程的時間成本，在執行速度上可以達到2到5倍的提升，比如在實際應用中，對PLC中66個程序塊的批量參數修改需要人工花費6分鐘才能搞定，而Eigen工程智能體僅需1.5分鐘，200行SCL代碼分析與文檔編寫從35分鐘縮減到11分鐘。

在美國Prism Systems工程師的實際使用中，Eigen工程智能體將原本需要20分鐘的功能模塊開發時間縮減至不到1分鐘，9秒鐘生成完整可用、文檔齊全的代碼，修改僅需15秒，速度遠超手動。

除了Eigen工程智能體，西門子全新工業AI編排軟件Intelligence Center X也迎來了中國首展。

不同于Eigen工程智能體這個生產線上的AI員工，西門子希望通過Intelligence Center X，將AI從問答，拓展至參與企業核心制造場景，提升制造業經營能力，幫助客戶構建一個集數據上下文、智能執行、調度和治理于一體的一站式平臺。

實際效果上，巴西玻璃制造商Vivix用Intelligence Center X打造了“AI虛擬工程師”，生產問題處置效率提升85%，全年節省約6000小時人工，客戶投訴處理時間從5天縮短至1天；IT解決方案分銷商與數字化轉型服務商?Axiz將其用于端到端定價場景，實現人工投入減少 95%，數據攝取準確率達到100%。

對西門子而言，把Eigen工程智能體和Intelligence Center X帶到中國，不只是把產品帶到一個市場，更是要在各種工業環境中持續驗證和迭代AI能力，畢竟，實驗室造不出可靠的工業AI，它需要在真實工廠里經歷“錘煉”。

放眼全球，中國擁有全球最豐富的制造業場景，也意味著擁有最復雜、最多樣的工業問題。這不僅是工業AI最大的應用市場，也是推動工業AI持續進化最重要的訓練場。

結語：擺脫“輔助定位”：工業AI規模化落地的真正分水嶺

當AI進入工業場景，競爭規則已然改變，不再是誰的模型參數更多、能力更強，企業需要的，是一個能夠理解項目、參與工程、承擔任務，并且值得信任的“AI員工”。

肖松博士在演講中提到一個觀點——“消費AI創造頭條，工業AI產生實效。”他認為，工業AI最核心的價值，不在于概念多新，而在于是否能真正走進研發、生產、運營等關鍵流程，在真實場景中解決看得見的問題，帶來算得清的回報。

Eigen工程智能體的發布，正是對這個觀點的進一步印證與延伸，或許，工業AI邁向規模化落地的真正分水嶺，正是擺脫“輔助定位”。當企業開始愿意把一項完整任務交給AI，工業AI才算完成了從實驗室走進生產線的最后一步。

這一步邁出，未來幾十年，工業AI變革的，將會是制造業的組織方式。工程師不再只是親手完成一項項任務，而是管理一群能獨立工作的AI；

企業競爭，也不再局限于自動化水平，構建屬于自己的工業AI體系，將會成為取得優勢的重要因素。

這也正是Eigen工程智能體、Intelligence Center X等西門子工業AI產品不斷演進的方向：不是打造幾個獨立的AI產品，而是構建一個能夠支撐制造業持續進化的工業AI體系，推動整個工業體系邁向更加智能、自主、高效的發展階段。