工业AI落地最后一公里，不是部署AI，是敢把任务交给AI

智东西

作者 | 毕伟豪

编辑｜漠影

过去几年，AI 正以前所未有的速度席卷整个世界。大模型不断迭代、Agent 工具层出不穷、AI 编程快速普及，越来越多的人开始把 AI 融入日常工作和生活，越来越多的行业逐渐接纳甚至依靠 AI。

但有一个行业对 AI 的态度始终很谨慎——工业。原因很简单，在自己的电脑上，AI 出错、出幻觉，重来即可，但在生产线上，AI 任何一次错误指令，都可能会造成经济损失甚至引发生产事故。

基于数字世界广袤而庞杂的数据训练出来的通用大语言模型，在进入工业场景后往往会陷入 " 失灵 " 的境地，它们懂知识，却不懂工业协议，不懂工艺机理，更不知道物理规律，这让看起来能回答任何问题的 AI，却在工业场景里变得不稳定不可靠了。

尽管工业对 AI 测算准确度的要求极为严苛，但如今的工业 AI并不是空中楼阁：

在薯片生产过程中，AI 和数字孪生模拟并优化了面团加工和薯片灌装流程，让产线废弃物减少了 13%，产能提升 10%；

新能源汽车制造领域，通过基于 AI 的软件与硬件产品组合，对从设计到制造的全流程进行数字化改造，使设计数据准确率提升 95%，车辆开发周期缩短 25%。

在这些已经实现高度自动化的成熟产线上，经由海量工业数据训练出的工业大模型，足以在生产的某个环节发挥作用，帮助企业持续提升生产效率，但工业 AI不可能永远停留在 " 帮忙 " 这一步。

工业 AI 的上一个阶段，是从 " 没法用 " 到 " 部分可用 "，证明 AI 可以进入工业现场，那下一阶段，应该是集合无数生产环节中的 AI 能力，打造一个全流程可用，甚至好用的工业 AI 产品，去证明企业可以把一项完整任务交给 AI，西门子正是这条路上的前行者。

一、从实验室到辅助企业生产，工业 AI 迈进现实

在打造 " 全流程好用 " 的工业 AI 产品这条路上，西门子并非一蹴而就，在今年的世界人工智能大会（WAIC）上，西门子举办了 " 工业 AI 迈进现实——西门子 Eigen 工程智能体发布会 "。会上，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博士直言，"工业 AI 不是在实验室里‘想’出来的，而是在真实项目中做出来、磨出来、验证出来，并一步步走向规模化的。"

西门子，正是这样践行的。

正如肖松博士所说，工业 AI 的规模化落地，不是一套能力的简单复制粘贴，每个行业都有其在流程以及工艺等方面的独特要求，同行业中不同企业的生产场景也截然不同，以往只能适配某个生产环节的 AI 产品，显然不能满足规模化落地的需求。

工业 AI 要真正规模化落地，需要跨过两道门槛：一是经过足够多真实场景的验证，二是从 " 辅助 " 走向 " 自主 "，也就是先做到 " 不会出错 "，再抵达 " 可以交付 "。

西门子在 WAIC 现场并没有简单陈列产品，而是以多个 " 行业岛 " 串联起近年来西门子 AI 在研发、生产、质量与能效管理等多个环节的落地实践，将自己对于工业 AI 抵达下一阶段——自主交付的部分回答，隐藏在这些展台之中。

在研发环节，工业 AI 减少了企业的试错成本。生命科学领域，西门子 Dotmatics 利用 AI 技术对基因、分子、细胞等数据进行整合、分析，同时结合数字孪生，辅助研发人员快速验证配方工艺，有望将整体实验周期缩短约 30%，前期研发投入降低约 20%。

进入生产环节，工业 AI 开始帮企业优化工艺。消费品行业岛重点展示了西门子通过 AI 与数字孪生，实现精准的自主参数调节。飞鹤奶粉的干燥工艺段在部署相关解决方案后，产线综合能耗降低了 10%，单位时间产量提升 3%。

工艺优化之外，质量管理同样是 AI 在工业中的重要落点。汽车行业岛上覆盖整车制造全流程的数字化方案，能够显著提升产品良率，并帮助企业降低非计划停机风险。

当 AI 深度融入生产环节，其价值边界还在持续拓展：从单条产线延伸至整座工厂，进一步覆盖楼宇、园区和智算中心等基础设施。例如，在上海颖奕皇冠假日酒店，西门子将智冷魔方 AI BOX 接入原有制冷系统，实现了 3 天快速部署，并额外带来 7% 的节能效果。

这些行业岛展示的，是西门子过去几年在真实产业场景中的落地积累。正是这些持续迭代的实践，为工业 AI 迈向规模化应用打下了扎实的场景基础。

从研发到生产，再到质量管理和基础设施运营，不同行业落地方式各不相同，但背后的共同目标其实只有一个：把依赖经验判断的环节，逐步变成依赖数据和 AI 持续优化的操作模式。这意味着，工业 AI 带来的价值已经不仅是优化某一道工序，而是在研发、制造、运营等各个环节中持续降低成本、提升质量，并把工程师从大量重复性的工作中释放出来。

工业 AI 已经证明了自己，能在生产的某些环节为企业提升效率、创造价值。

肖松博士在回顾西门子过往的落地实践时，坦言这就是西门子所说的 "工业 AI 迈进现实"，他在演讲中说：" 这些具体改善，才是工业 AI 真正产生实效，真正成为生产力的地方。这也体现了西门子一直坚持的方向和百年产业能力的积淀——做真正面向工业现场、面向客户痛点、面向结果交付的 AI。这就是我们的 AI for Real。"

但对于整个行业而言，" 不出错 " 仍然只是开始。真正成熟的工业 AI，不应该分散在研发、质检、工艺优化等不同环节，而是能够把这些能力整合起来，贯穿一项完整工程任务，从 " 优化某一个步骤 " 走向 " 完成整个流程 "。

西门子在 WAIC 上交出了自己的答案：Eigen 工程智能体。这款于今年 4 月推出的工业 AI 产品，不仅仅是西门子这些年落地实践的结晶，更在推动工业 AI 从 " 会帮忙 " 的助手进化到 " 能干活 " 的 AI 员工。

二、AI 智能体 " 真正上岗 "，化身 AI 员工

WAIC 大会上，西门子正式在中国市场发售其全球首款面向工业自动化工程的 AI 智能体—— Eigen 工程智能体。它并不是只会提出参考意见的辅助工具，而是生产线上，自动化工程师可靠的 "AI 员工 "。

发布会的开场致辞环节，肖松博士对 Eigen 工程智能体充满了信心：" 从 Eigen 开始，我们看到的，不是一个新的工具，更是一条工业智能的发展路径——从单点突破产生实效，走向规模化落地实现生产力跃迁。"

继 4 月刚刚在德国汉诺威工业博览会上发布后，尽管才短短几个月，但 Eigen 工程智能体已经历经了全球 19 个国家、上百家企业真实生产线的考验，它能够理解项目需求、编写 PLC 代码，从硬件配置与网络搭建、程序开发与调试，到 HMI 人机交互设计、驱动参数配置，再到项目理解与部署，核心功能几乎覆盖了自动化工程的完整工作链路。

Eigen 工程智能体的出现，不仅意味着工程效率的提升，也意味着工业 AI 跨过了规模化落地的第二道门槛，实现 " 既可靠，又可交付 "。

在自动化工程中，PLC 代码的编写和测试是工程师最繁重的任务，其中包括太多重复、精细的操作，对于资深工程师来说，这些工作或许不难，但足够磨人。

而 Eigen 工程智能体的核心功能之一，正是 PLC 代码开发与测试，具体而言，Eigen 工程智能体可以独立完成 PLC 代码的编写，通过稳定的编程能力、测试生成以及代码验证、代码库迁移和复用、老旧代码重构与升级，承担起让工程师头疼的繁琐任务。

除了代码编写，Eigen 工程智能体还可以根据控制逻辑自动生成 HMI（人机交互）页面，在驱动配置方面，它支持 SINAMICS 单轴驱动参数的批量配置，面对体量庞大、语言复杂的项目文档，Eigen 工程智能体能依托 TIA Portal 实现高质量、安全的翻译与项目理解。

Eigen 工程智能体的出现，深刻改变了工程师的工作方式，过去工程师需要把大量时间花在代码编写、参数配置、文档理解等重复性工作上；如今，这些任务可以交给 Eigen 工程智能体完成，工程师则能够把更多精力放在方案设计、复杂问题决策等更有价值和创造性的工作中，人机协同也从 "AI 辅助工程师 " 逐渐变成 " 工程师和 AI 一起完成项目 "。

相比于人工工作流程，Eigen 工程智能体降低了整体自动化工程的时间成本，在执行速度上可以达到 2 到 5 倍的提升，比如在实际应用中，对 PLC 中 66 个程序块的批量参数修改需要人工花费 6 分钟才能搞定，而Eigen 工程智能体仅需 1.5 分钟，200 行 SCL 代码分析与文档编写从 35 分钟缩减到 11 分钟。

在美国 Prism Systems 工程师的实际使用中，Eigen 工程智能体将原本需要 20 分钟的功能模块开发时间缩减至不到 1 分钟，9 秒钟生成完整可用、文档齐全的代码，修改仅需 15 秒，速度远超手动。

除了 Eigen 工程智能体，西门子全新工业 AI 编排软件 Intelligence Center X也迎来了中国首展。

不同于 Eigen 工程智能体这个生产线上的 AI 员工，西门子希望通过 Intelligence Center X，将 AI从问答，拓展至参与企业核心制造场景，提升制造业经营能力，帮助客户构建一个集数据上下文、智能执行、调度和治理于一体的一站式平台。

实际效果上，巴西玻璃制造商 Vivix 用 Intelligence Center X 打造了 "AI 虚拟工程师 "，生产问题处置效率提升 85%，全年节省约 6000 小时人工，客户投诉处理时间从 5 天缩短至 1 天；IT 解决方案分销商与数字化转型服务商 ‌ Axiz 将其用于端到端定价场景，实现人工投入减少 95%，数据摄取准确率达到 100%。

对西门子而言，把 Eigen 工程智能体和 Intelligence Center X 带到中国，不只是把产品带到一个市场，更是要在各种工业环境中持续验证和迭代 AI 能力，毕竟，实验室造不出可靠的工业 AI，它需要在真实工厂里经历 " 锤炼 "。

放眼全球，中国拥有全球最丰富的制造业场景，也意味着拥有最复杂、最多样的工业问题。这不仅是工业 AI 最大的应用市场，也是推动工业 AI 持续进化最重要的训练场。

结语：摆脱 " 辅助定位 "：工业 AI 规模化落地的真正分水岭

当 AI 进入工业场景，竞争规则已然改变，不再是谁的模型参数更多、能力更强，企业需要的，是一个能够理解项目、参与工程、承担任务，并且值得信任的 "AI 员工 "。

肖松博士在演讲中提到一个观点—— "消费 AI 创造头条，工业 AI 产生实效。" 他认为，工业 AI 最核心的价值，不在于概念多新，而在于是否能真正走进研发、生产、运营等关键流程，在真实场景中解决看得见的问题，带来算得清的回报。

Eigen 工程智能体的发布，正是对这个观点的进一步印证与延伸，或许，工业 AI 迈向规模化落地的真正分水岭，正是摆脱 " 辅助定位 "。当企业开始愿意把一项完整任务交给 AI，工业 AI 才算完成了从实验室走进生产线的最后一步。

这一步迈出，未来几十年，工业 AI 变革的，将会是制造业的组织方式。工程师不再只是亲手完成一项项任务，而是管理一群能独立工作的 AI；

企业竞争，也不再局限于自动化水平，构建属于自己的工业 AI 体系，将会成为取得优势的重要因素。

这也正是 Eigen 工程智能体、Intelligence Center X 等西门子工业 AI 产品不断演进的方向：不是打造几个独立的 AI 产品，而是构建一个能够支撑制造业持续进化的工业 AI 体系，推动整个工业体系迈向更加智能、自主、高效的发展阶段。