藏身幕后的巨人，正将工业AI带入下一阶段

工业 AI ，没有新王，光而无耀，静水深流。

要说生成式 AI 是当下话题之王，没有人会反对。简单几句话，就能让兵马俑「复活」唱秦腔，特朗普说上脱口秀。 

情绪价值拉满之余，你敢不敢想象更酷的事情，如动动嘴皮子就能造出想要的东西。 AI 不仅能够生成一段视频，更能构建一个沉浸式、高仿真、遵循物理规律的虚拟空间，只需自然语音输入指令，它就能将其转化为专业的工业语言，再交由现实工厂的智能化产线变成「实物」。 

                               ^{敢不敢想象更酷的事情，动动嘴皮子就能造出想要的东西！}

如此美妙未来或许看似遥远，但在西门子的描绘下，它早已不是空中楼阁，AI 在工业领域的应用正迈向一个崭新阶段。 

今年 4 月，西门子展示了其全球第一款工业工程设计生成式 AI 产品 Industrial Copilot ，这款工具已经在德国舍弗勒的产线上启用；在刚刚结束的阿赫玛展会上，西门子首次推出多款面向绿氢行业的全新软件工具，通过应用生成式 AI 提升氢气产量；西门子首个工业时序数据基础模型也在开发训练中，未来还会基于西门子万亿级数据集持续优化迭代……  

工业人工智能「驾驭」工厂 

想象一下，你走进了世界最大的汽车供应商之一德国舍弗勒的生产车间，环顾四周，各种自动化设备正在有条不紊地运作着。 

「我想在 band 中添加一个新的图形块( graph block )，并将其命名为 210 sequence 。」一位设备操作人员打开西门子 Industrial Copilot 对话框，用简单的自然语言输入要求。很快，虚拟助理回答，「 我已经在 0210 ( Band ) 中添加了一个 S7-Graph 块。」

                 ^{去年德国纽伦堡国际电气自动化系统及元器件展（SPS），西门子展示Industrial Copilot 根据自然语言的命令，自动生成复杂的工业代码。}

此时，另一位操作员用自然语言告诉虚拟助手，想要产线的机械臂进行抓取，系统直接调用了机器人功能库里相应模块，机械臂就能抓起流水线上的物品。 

除了代码生成和优化，如果设备突然停止工作，舍弗勒工厂的工程团队还可以用自然语言访问相关文档、指南和手册，快速识别潜在错误原因，找到解决方案。 

                              ^{去年SPS，西门子展示和 Industrial Copilot 简单对话就能找到设备故障原因。}

相比体验感拉满的消费端产品，企业级软件的交互体验仍然极为复杂，由此也降低了产品开发效率。西门子率先利用生成式人工智能技术重构工业软件体验，大幅提升了工程师的工作效率。在刚结束的 2024 世界人工智能大会 WAIC 上，Industrial Copilot  还荣获 「SAIL（ Super AI Leader ,卓越人工智能引领者奖）之星」奖项。 

然而，西门子并不仅满足于提供 Industrial Copilot 这样的人工智能创新产品，它更是工业人工智能的使用者和践行者。在西门子自有工厂里，大量人工智能技术与场景的有机结合早已成为呼吸一般的存在。 

在成都高新区，西门子建立了其在中国的首座数字化工厂。走进车间，全自动化生产线上，几乎看不到多少操作工，只有少数工人在生产线后，操作鼠标、键盘，发出指令。  

这座「灯塔工厂」已经部署了近 100 个 AI 项目，应用在了质量检测、垃圾处理等多个场景中。 

产线上配备了自动光学检测（ AOI ）设备检测电路板焊接点质量，但严格的标准设置带来大量「假阳性」，需要大量人工复检。在 AOI 设备之后添加一个 AI 系统进行二次检查，工厂成功过滤掉了 90% 以上的「质量有问题」图片，大大降低了工人的工作量。

                               ^{在 AOI 设备之后添加一个AI系统进行二次检查，工厂成功过滤掉了 90% 以上的「质量有问题」图片。}

对于工厂来说，工业垃圾的处理是一个不大不小的麻烦。前端生产线每天 24 小时不停，工厂每天就会产生数千箱的工业垃圾。现在，AI 分拣机器人的危废品识别率达到 100% ，制成品等其他物料识别率达 94% ，综合识别率超过 96% ，已经完全不需要人工处理垃圾。

                              ^{将AI用于工业垃圾分拣。}

走出「独步武林」

高质量工业数据让 AI 释放生产力 

西门子掌门人博乐仁（ Roland Busch ）曾表示，人工智能这项技术单独存在是没有任何意义的，你只有把它放到各个行业中去，才会产生巨大效益。 

然而，工业数据的质量和可得性一直制约着当前 AI 规模化应用。在中国大量的工业制造现场，数据种类纷繁复杂，质量参差不齐，只有大量且高品质的工业数据才能训练出可靠的工业模型，而这些合格的工业「养料」从采集到使用并不是一件易事。 

作为拥有 177 年历史的工业巨头，西门子业务版图横跨 40 多个重点行业，服务超过 40 万家客户，凭借庞大市场份额沉淀下海量工业数据资源，成为其在数字化时代的核心竞争力。 

正在开发和训练的西门子首个时序数据的基础模型 GTT 1.0 就是这一天然优势的集中体现。GTT 1.0 目前由 330 多亿高质量时序数据点训练而成，这些时序数据涵盖离散制造、流程工业、能源、交通、楼宇等多领域。在多个公开域测评任务中，无需微调，该模型即可展现出优秀的预测能力，解决工业场景中的趋势预测、异常检测等时序分析问题。 

管中窥豹，西门子工业数据的「独步武林」不仅是体量上，更体现在质量、多样性和专业性上，是近些年频繁现身工业展会的互联网巨头和许多工业同行难以企及的。而这些优势，都深植于西门子在工业硬件和软件领域的全面布局与深度融合。 

作为全球领先的工业系统和设备提供商，西门子的硬件产品线极其广泛。其工控系统作为传统企业数字化的基石，控制器（ PLC ）在全球三分之一的工厂中得到使用。这些基础设施能够直接从机器、设备等数据源头采集覆盖生产各个环节的海量工业数据。 

例如，西门子 Industrial Edge 边缘计算平台可以部署在靠近数据源头的位置，实现数据的采集、处理和分析。同时，西门子的自控类产品与系统可以实现数据的写入与实时闭环控制。 

更重要的是，西门子深度参与了现场总线、工业以太网等通信协议的制定，使其能够以极高的颗粒度和准确性采集现场层数据。 

正如几年前博乐仁接受《财经》专访时所说：「我们是有行业知识的，这是因为我们在做大量的相关硬件，这是决定性因素。」

同样，在软件领域，西门子也展现出强大实力。作为全球十大软件企业之一，在汽车行业，世界前 10 的整车企业中，有 9 家使用西门子工业软件。十几年来，通过一系列战略性收购和技术沉淀，西门子逐渐构建起一个全面的工业软件生态系统，使得不同层级（如设备层、车间层、企业层）、不同系统（如MES、PLM）、不同部门（如设计、生产、服务）之间的不同类型数据的集成和协同成为可能，形成西门子独有的数据优势。 

从火车到汽车，从电力设备到医疗器械，西门子不仅是这些产品的制造者，也是使用者。这种「知行合一」的经验，加之「软硬兼施」的全面布局，最终构筑起西门子无以伦比的数据生态优势。 

打通任督二脉

行业知识的充分浇灌让 AI 学会工作 

由于工业数据的复杂性远超一般认知，除了常见的图像和文本数据，工业领域还包含了诸如逻辑控制类、时序数据以及各种图像和 3D 模型等多种模态的数据。理解和利用这些数据需要丰富的工业背景和经验。

比如，当观察到轴承温度上升到 80°C ，且振动频率增加 20% 时，IT 人员可能只能识别出存在异常，而经验丰富的 OT 工程师能预测 48 小时内可能发生严重故障。 

「 AI 要从消费走向工业，就必须深度结合工业场景，打通数字和机理的任督二脉，以安全、可靠、可信的工业级 AI，实现生产力的飞跃，」西门子全球执行副总裁、西门子中国董事长、总裁兼首席执行官肖松在 2024 WAIC 产业发展全体会议上的发言中谈到。 

                             ^{西门子全球执行副总裁、西门子中国董事长、总裁兼首席执行官肖松在2024 WAIC产业发展全体会议上发言。}

现在看来，这一见地恰如其分地解释了为什么 Industrial Copilot 这样的工业生成式 AI 产品会出自西门子之手。 

与 Python 、Java 等高级语言相比，PLC 编程语言如梯形图（ Ladder Diagram ）和指令表（ Instruction List ）是专为工业控制而生的，与硬件知识密不可分。这种深度的硬件依赖性，使得开发工业 AI 系统的难度倍增。而且，为工业设备编写 PLC 代码意味着接受一场关于精准性和可靠性的严苛考验，容错率近乎于零。 

为帮助大语言模型胜任这些挑战，西门子提供了大量的行业知识、实际应用案例以及专业领域的知识和规则，构建丰富的训练数据集，确保生成的代码符合工业标准要求。 

SiePA Xssistant 也是如此，它是西门子为其工业预测性分析软件 SiePA 新配的「助手」。为了保证这个助手的回答既专业又实用，真正满足工业用户需求，研发人员应用了为工业专业领域应用量身打造的生成式人工智能 QRA（ Question-Reference-Answer ）框架，将传统 ChatBot 技术与 SiePA 中内置的西门子多年积累的设备故障诊断经验和专业知识库相结合，为工业用户打造了可以一直「陪伴」在身边的行业专家，进一步为智能工厂运维带来面向未来的崭新用户体验。 

工业 AI 的成功落地远非单纯的技术应用，而是一场深度融合技术与经验的复杂挑战。不论是前沿的生成式 AI，还是常见的工业 AI 项目，其成功实施都离不开丰富的现场经验和深厚的行业 know-how 。 

没有工艺工程师，工厂恐怕连 AI 检测模型都建不起来，因为需要他们定义模型用来检测什么？应该检测哪些点？什么叫通过？什么叫不通过？典型缺陷有哪些？一个模型几十个参数，只有他们能够准确判断哪些参数至关重要，并理解调整这些参数对检测结果的影响。此外，AI 模型输出的结果还需要工艺工程师评估和解释，并提出优化建议。 

不仅如此，在复杂多变的工业场景中，AI 项目落地还会面临跨学科、跨领域、跨产业的挑战，这也是为什么超过 80% 的中国制造业企业渴望 AI 解决方案供应商能够提供全方位服务：从前期咨询规划到后期实施运维的全流程、端到端解决方案^[1] 。只有像西门子这样积累了「百年工业家底」（涵盖产品与知识）的行业翘楚，才有可能游刃有余，量体裁衣。 

光而无耀，静水深流 

AI 频频登上头条， 让人很难辨别哪些企业是这轮热潮中真正的赢家，哪些企业会获得更为长远的成功。如果说在消费领域，纯数字驱动的商业模式或许能够快速崛起，在这浩瀚的工业棋局中，没有一夜暴富的奇迹。 

170 多年前，西门子的创始人就在通讯和电网领域取得了开创性的技术突破。这种对科技创新的不懈追求已深深融入西门子的 DNA 。 

早在 1974 年，西门子就参与到「交互式、自动、自然语言问答系统」的研究中， 并以「智能计算机」为主题发表文章。眼前人工智能的一切繁荣景象，那个时候都不存在，甚至还没有出现在谷歌、微软、亚马逊等创始人的头脑中。  

在工业 AI 领域，西门子耕耘已经超过 50 年。1990 年代，西门子就为一家炼钢厂部署过神经网络。2003 年，西门子开始创造性地使用神经网络，三年后，全球约 60 家轧钢厂配备了西门子的神经网络。2010 年代开始，西门子工业 AI 加速奔赴更多行业。  

如今，西门子在工业 AI 领域拥有 1,500 多名 AI 专家，AI 专利申请数量达到 3,700 项，位居欧洲第一。AI 和数字化实验室遍布欧洲、美国和中国，为西门子探索工业 AI 的发展之路奠定了坚实基础。 

从技术创新到实践落地的征途上，成功永远在于捕捉真实的市场需求，构建可持续发展的生态和商业模式，并为行业创造真正的价值。 

^注释

^{[1]：数据来源于西门子出版的《未来自动化 工业人工智能白皮书 2022 》}