作者周雅在消费级AI赛道通常大家关心模型又学会了什么能不能写更长的代码生成更逼真的视频或者完成一次更复杂的推理。工业AI赛道面对的问题更实际它会不会让生产线停下来这是因为在工业现场“生成一个答案”和“交付一个工程结果”中间隔着一整套生产责任。这可能是理解当下工业AI的一条重要分界线。“工业AI迈进现实”这是西门子在2026世界人工智能大会WAIC的一场论坛主题而“迈进现实”四字现在分量更重了。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在开场演讲时讲了一句话这已经是他连续第三年在WAIC上讲的话“消费AI创造头条工业AI产生实效。Consumer AI makes the headline, industrial AI makes the real impact.”但是他说今年的感受比以往任何时候都更强烈。01/“厂长的四个问题”肖松在演讲里给了一个非常具体的场景一台具身智能进工厂厂长会关心什么他给出的答案是四个问题“它能不能适配现有的运营系统能不能稳定完成任务需要人工多久介入一次失误率是多少?”这四个问题是判断工业AI价值最直接的一把尺子AI越是在工业场景里“向实”要能够被工程师、被厂长、被真实的生产流程“信得过”。肖松用了一个短语——“AI for Real”AI向实而行。他说工业AI向实而行不是把模型、算法简单搬进工厂也不是做几个漂亮的demo而是真正把技术的浪潮推进到产业的纵深让智能吃透工艺机理、流程约束和工业数据让AI真正有用、好用可以放心用。但现实情况是目前的工业AI发展中正在出现一种「错配」。一边企业希望建设更多设备、交付更多项目、进入更多市场业务规模可以迅速扩张但另一边工程能力通常只能逐步增加产品越复杂、客户需求越个性化、交付周期越短工程师要处理的项目差异、控制逻辑和协作成本就越多。西门子数字化工业大中华销售区工业AI与数字化产品经理宋元明一针见血指出“每一家成功的公司最终都会面临同样的局面业务雄心呈指数级的增长而工程能力只能渐进式提升这个缺口就成了增长瓶颈。”这并不只是西门子一家之言。早在2017年教育部、人社部、工信部发布的《制造业人才发展规划指南》就预测到2025年中国制造业十大重点领域的人才缺口将接近3000万人其中智能制造领域人才缺口预计约450万人。2024年一项有关工程师队伍的调研还提到大量制造企业反映工科毕业生通常需要经过2至3年的企业培养才能真正适应工程岗位。企业缺的因此不只是“更多人”而是能够理解工艺、设备、软件和生产约束并把复杂项目按期交付的工程能力。宋元明分析两条不同路径的底层逻辑“消费级AI创造的是可能性而工业级AI创造的是可信性。消费级AI理解语言工业级AI理解工程。”「理解语言」和「理解工程」的不同之处在于理解语言的AI能够回答问题、能够生成文本、能够写代码但理解工程的AI需要在此之外还能理解PLC文件库、驱动器、工程规范、项目结构、行业标准。于是西门子正式亮出了它的工程智能体——Eigen Engineering AgentEigen工程智能体并正式面向中国市场发售。02/Eigen工程智能体的what、why和howEigen这个名字来自德语单词“eigen”字面含义是“自身的”。在工程领域更为工程师所熟知的是“特征值(eigenvalue)”这一概念——能在周围环境剧烈变化时始终保持恒定的数值。西门子把这个数学概念拿来作为产品名字是给这个AI一个非常明确的定位在AI技术剧烈演进的当下它要成为“稳定可靠、能真正落地”的那个特征值。WAIC并非Eigen工程智能体的首次亮相它于2026年4月23日在汉诺威工业博览会上首次全球发布而这场WAIC上的官宣是它在中国市场的正式落地。那么Eigen工程智能体到底做的是什么?按西门子官方定义它是“全球首批正式商用、可自主规划执行工业自动化工程任务的AI系统之一”可以嵌入到自动化开发的关键工作流完成PLC编程、HMI可视化、设备配置、项目理解及工程规范转化等任务。执行过程中系统可以对需求进行拆解和规划生成工程结果并在关键节点交由工程师确认。宋元明进一步指出Eigen工程智能体不只是单纯生成代码不只是生成工程产出而且能够确切的执行工程任务能够进行规划、执行、反思响应任务完成工作。“我们自身的工程师就是这样的工作方式。”肖松在演讲里举了一个具体的行业场景汽车、机械制造行业的切割工段。过去切割精度下降时工程师必须赶到现场排查并修改PLC程序。现在只要输入自然语言指令Eigen工程智能体就能理解需求、协助分析问题、拆解任务、生成代码并持续迭代优化在关键节点由工程师确认执行。Michael Schrapp补充了另一个使用场景“翻译和理解工作流中使用的不同语言”。这一句听起来抽象但对全球化制造企业来说是一个很实在的痛点。一家中国的汽车零部件供应商可能同时要给德国、日本、美国的整车厂供货每一家的工程标准、软件规范、注释语言都不一样。Eigen工程智能体能够在这些标准之间做翻译和转换让工程团队之间的协作从“来回沟通几个月”缩短到“共享一个可执行的工程输出”。这两个场景不失为“工业级AI理解工程”的注脚这背后其实是一整套跨语言、跨标准、跨工程团队的协作能力。而我们再看具体数字。据西门子披露从4月发布到7月中国上市三个月里Eigen工程智能体已在全球19个国家、100多家企业开展试点在部分工业自动化工程任务中执行效率达到人工流程的2至5倍工程效率提升50%整体解决方案质量最高提升80%。“这些数字背后正是在座各位最关心的几个关键词效率、质量和可靠性。”肖松一句话总结。反观中国市场同样在跃跃欲试。肖松在现场透露“就在前不久我们向中国客户开放了Eigen工程智能体试点申请短短两周就收到数千位企业用户报名。而且就在昨天Eigen工程智能体斩获了WAIC 的SAIL之星奖。”“两周数千位”这个数字也反映了一个市场信号它足以说明中国市场对于工业AI的需求在快速走向“想部署、想落地、想规模化应用”。此处借用西门子数字化工业大中华销售区数字化产品经理陈旻的一个形容词「工程解放者」她说“长期以来自动化工程师的大量时间是耗费在组态写代码和对参数这一类重复性的工作当中真正把时间花在工艺方案、架构设计的时间非常少。有了Eigen工程智能体之后我们就可以把自动化工程师解放出来让他们聚焦真正高价值创新的工作。”摄于WAIC 2026西门子展台03/AI进厂之后是骡子是马拉到产线上跑一跑正所谓“是骡子是马拉到产线上跑一跑。”这次在西门子WAIC展台现场的一角我们看到一台由西门子和北辰循环联合打造的电池模组智能拆解原型机。西门子工程师告诉科技行者这台原型机瞄准的是电池回收行业一个非常具体的痛点不同车型的动力电池,型号、大小都不一样目前主要靠人工拆解存在燃烧、爆炸、短路等安全风险。原型机基于西门子TIA博途全集成自动化解决方案通过相机扫描电池模组的焊缝位置自动钻孔完成拆解工程师只需要在界面上确认孔位是否正确。而这台设备在开发过程中用到了Eigen工程智能体。工程师在现场做了一个小演示让一个塔灯亮起来。你没看错就是工厂车间随处可见的、装在设备顶上、告诉工人这台机器状态是绿灯还是红灯的那种圆柱形三色警示灯。工程师打开Eigen工程智能体的对话框输入了一段描述——“我需要一个控制塔灯的程序”。几秒钟程序生成他把程序导进设备过了几秒钟塔灯亮了。这个演示太快以至于乍看可能并不觉得有什么。但如果你旁边站着一个PLC编程的工业自动化工程师他大概率会盯着这个塔灯多看一会儿。因为让塔灯亮起来这件事在工业AI的语境里并不容易。塔灯需要工业AI理解的是“这个塔灯接在哪个PLC上、这个PLC用的是什么型号、这个型号的编程语言是Ladder还是SCL、这套自动化系统的I/O地址如何分配、和现有的报警逻辑如何对接”这些都是工程语义不是自然语言语义。Eigen工程智能体在现场做的这个演示从对话框输入到程序导入到塔灯亮起来。它是一段可运行的自动化程序直接落进了一台真实设备。这才是工业AI这个词里最重的环节之一它不看AI能想什么它看AI能做什么。西门子透露Eigen工程智能体已试点应用于中国多家企业。现场有四位制造从业者来自非标集成、整车制造、能源装备和AI检测装备四个不同领域把Eigen放回真实的工业AI语境给出了自身体感。中科摩通所代表的「非标集成」赛道关键是“非标”这两个字。每一次交付都是新的产品、新的工艺、新的组态。中科摩通(常州)智能制造股份有限公司总裁赵丹透露“传统自动化高度依赖工程师手动组态、编程交付周期特别长且人工参与多了就容易出现失误。传统的一条产线组态的工程配置需要两三周对于工程师是较大压力。”而市场层面的需求变化又在拉大这个痛点“客户的诉求从原来满足基本的生产现在变成要个性化、柔性化以及更高要求。”一边是“手动组态人工失误交付周期长”另一边是“个性化柔性化更高要求”赵丹讲这个痛点时现场同行都点了点头。西门子和中科摩通打造了一款电动汽车电子机械制动系统(EMB)组装与检测设备。据悉在调试过程中Eigen工程智能体助力中科摩通将程序开发时间减少30%产线现场调试周期缩短30%人工与物料损耗降低10%。赵丹的原话是“Eigen工程智能体进来之后我们只需轻松输入基本的需求就能帮助我们快速生成基础的程序和配置快速应对客户需求的变化或者产品工艺的变化。”更关键的一句是“这对我们工程师来说可以把精力聚焦在客户的工艺梳理上或者产品方案的解决上改变了工程师的原有思维。”整车厂面对的是另一类压力重庆长安汽车所代表的「整车制造」赛道近几年的状态是“卷”。重庆长安汽车制造中心智能制造所所长陈浩铭把这个“卷”拆成了两个来源“第一是C端客户越来越追求极致的个性化和定制化第二是各大主机厂要不停加速产品迭代争取竞争优势。”一边是消费者要个性化另一边是车企拼迭代速度双重压力下不是升级设备可以解决的。这里还有个矛盾传统自动化的逻辑是大批量、长周期、单一产品今天的汽车市场要的是多品种、小批量快切换、更柔性。“从产线基因里这两者就是矛盾的。”陈浩铭强调。陈浩铭认为工业AI“不能影响生产线不能影响节拍的输出。用一个词来形容就是需要做到‘即插即用’。”长安从去年底开始AI变革已经开发的AI包括“机器视觉的质检、设备的智能运维、预测性维护”。而Eigen工程智能体在长安的角色是“介入到我们的生产线调试和生产线安装阶段甚至再往前到了工艺设计以及我们要做产品和工艺的协同也就是SE分析、产品设计等等”。如果说前两条赛道讲的是“AI怎么帮工程师干活”那么上海电气所代表的「能源装备」赛道讲的是“AI怎么帮工厂省钱”。上海电气集团股份有限公司中央研究院高级工程师谈宏志指出“我们能源装备有一个很大的特点不仅要能转得快也要能停得准。一个百万千瓦的电厂如果停一个小时就是100万、50万的损失。所以如果能够提前预测设备7天前停下来比它多运行7天带来的收益更大。”而在目前这个预测能提前3天、7天准确度在50%、60%。上海电气正在跟西门子探索两个具体项目把能源装备AI的复杂度讲得非常直观。第一个是海上风电运维。谈宏志分享说海上风电的运营成本占整体20%-30%主要花在运维上但工程师什么时候出海运维决定权不在他手里而是全凭船老大的经验。AI在这里要做的是预测性维护同时预测两件事风机的状态和天气的状态。第二个是工业母机健康监测。谈宏志的原话是“上海电气先进的加工能力体现在工业母机上这个机床虽然不怎么坏但是一坏可能就会带来5%产能的损失像有一些厂里可能造成250万个产品的损失。”他随后强调“在头部制造业里以后可能就是比拼这5%。”这句话背后是一个产业判断真正拉开头部制造业差距的是一些细枝末节是那些看似不影响运行的“亚健康损失”能不能被提前识别以及机床亚健康和产品粗糙度之间是否有关联。后者如果能被提前预测发现谈宏志认为“这也是核心竞争力的体现”。天准科技所代表的「AI检测装备」赛道更主张AI的预见性。苏州天准科技股份有限公司副总经理、客户事业部总经理黄沄讲了一个真实案例一个AI工艺软件让客户核心产线的瓶颈设备效率大幅提升测试时间提升60%意味着以前需要100台设备现在只需要40台就可以。相应的场地也会节省60%维护人员也会减少能源消耗都会减少。“这笔经济账不是简单的111的是2×2×2指数级的变化。”黄沄如是说。这个2×2×2是工业AI被讲得很直白的复利效应。黄沄说“西门子Eigen工程智能体给我的直观感受确实有降本增效它可以节省我们大量的低代码事情我们的高手就能专注于研发公司自己产线上的工艺AI软件。”以上可见工业AI的不同打法非标场景要快复制整车场景要稳嵌入能源装备场景要深预测而检测场景要高效率。同一款Eigen工程智能体面对四种不同的KPI。这也是为什么肖松强调“AI for Real”工业AI不是一个通用产品它是不同垂直赛道上的不同产品。04/这并非单点AI这是规模化落地如果只把Eigen工程智能体理解成一个能够生成PLC代码的工具会低估西门子的意图。西门子数据和人工智能全球业务总监Michael Schrapp在演讲中将它放进了一条更长的四段式路径从预测性维护到生成式AI到智能体AI最终到物理AI。这四段路径的核心动作是“超越硬编码任务进入到更加灵活、目标驱动的工作流”。Eigen工程智能体目前首先进入自动化工程是因为这一环节任务明确、规则相对清晰也存在大量重复劳动。但西门子设想的终点是让类似能力覆盖产品设计、模拟仿真、建造、安装调试、生产运营和设备维护。此次西门子同时在中国首展了另一款产品——工业AI编排软件Intelligence Center X。按西门子的官方描述这款产品“以统一的规范化底座整合企业数据、模型与工作流程帮助企业高效部署AI应用及AI智能体推动工业AI从零散试点走向可管控、可扩展的生产级应用”。Michael Schrapp给了这款产品最直接的存在理由“归根结底一切都关乎数据尤其是制造环节每天产生的海量数据。然而这些数据大多尚未被充分利用。所以我们的挑战并不是收集数据而是用好数据我们的目标正是连接这些孤立的数据源实现跨越生命周期和系统的上下文转换将这些数据转化成为洞见以及可信决策。”据西门子披露Intelligence Center X在全球首批合作项目中将部分重复性人工工作负荷降低了95%生产问题处置效率提升85%。在这次WAIC展台西门子设立了生命科学、消费品、汽车制造和基础设施四个“行业岛”呈现了工业AI在不同行业的应用实力。我们具体来看基础设施岛有三个被量化的案例。上海颖奕皇冠假日酒店用智冷魔方AI BOX实现“3天快速部署、不影响运营、额外7%节能量”四川川润股份成都工厂用Smart ECX智慧能碳管理平台实现“园区用能成本降低30%综合能效达90%以上自系统运行以来已减少碳排放6.4万吨”中金数据乌兰察布零碳算力基地由西门子提供NXAirS中压开关柜、SIVACON S8低压柜等核心配电解决方案。这些数字恰恰是工业AI向实的写照。05/工业AI的下一段路“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。”演讲最后肖松把问题重新落回工业现场。而在他看来中国是工业AI发展的一片热土也为这一过程提供了难得的试验场“中国工业门类的广度、制造业体系的深度、产业创新的速度、对新技术的开放态度构成了中国发展工业AI的独特优势。”行业足够多场景足够复杂意味着一项工业AI能力可以多次验证。但硬币的另一面是不同行业差异极大要把通用技术与具体行业知识一层层接起来。西门子的确拥有进入这一阶段的基础。“西门子有着超过175年的工业数据和行业知识在智能软件和自动化领域居于领导地位而且长期深耕中国。”Michael Schrapp特别提到全球三分之一的工厂运行着西门子PLC控制器公司自身也运营着100多家工厂可以从内部生产实践中学习再把这些经验融入AI产品。目前西门子在全球拥有超过1500名AI领域专家持有2000余个AI专利家族。这是西门子深耕工业AI的底气但这家公司并不打算把工业AI做成一套封闭系统。工业知识分散在设备厂商、系统集成商和最终用户手中西门子理解自动化平台集成商了解如何交付产线工厂则掌握真正的工艺规则、异常情况和成本边界。缺少任何一方AI都可能掉线。因此在发布Eigen工程智能体之外西门子也在借助西门子Xcelerator连接模型、工业数据、开发者和行业伙伴。按照西门子披露的数据西门子Xcelerator在中国已有超过60万注册用户、500余家生态伙伴和800余款产品与解决方案。肖松在演讲中强调——“今天的发布只是一个起点。”而工业AI的下一段路可能比这场发布更长也更难。但至少这条路已经开始了。