出品｜虎嗅智庫

作者｜冀玉潔

頭圖丨西門子

當身處成都高新區西門子工廠車間，在全自動化生產線上，幾乎看不到多少操作工，只有少數工人在生產線后，操作鼠標、鍵盤，發出指令。

這是西門子在中國的首座數字化工廠，也是WEF評選的數字化和可持續“雙燈塔”工廠。這座“燈塔工廠”已經部署了近 100 個 AI 項目，應用在了質量檢測、垃圾處理等多個場景中。

成都工廠并非孤例。在西門子的南京工廠、安貝格、埃爾蘭根工廠，有數百臺機器人穿梭其中，還有成千個不同的AI應用落地。

西門子早在20世紀70年代就已經開始布局AI領域，深度參與研究交互式、自動、自然語言問答系統，這比今天的很多人工智能公司成立時間都要早。2003年，西門子創造性地用神經網絡幫助企業進行技術優化。2010年代起，西門子破譯了AI在工業場景應用的復雜“密碼”，加速AI落地千行百業：在汽車領域，西門子幫助北京奔馳將AI與專家經驗相結合，實現預測性維護；在光伏領域，西門子將AI與物聯網技術相結合，實現了貫穿光伏電站全生命周期的智能化運維管理……

2022年之后，生成式AI得到空前關注，西門子也在探索如何將其落地工業場景。去年在漢諾威工博會上，西門子正式推出首款面向工業工程的生成式AI產品Industrial Copilot，深度集成TIA博途平臺，支持自動化代碼生成、虛擬建模等功能。而在今年3月底剛過去的德國漢諾威工業展上，進一步完善的Industrial Copilot，也斬獲了有“工業界奧斯卡獎”之稱的赫耳墨斯(Hermes)技術革新獎。

如今西門子在人工智能領域已經深耕數十年，擁有1500 多名 AI 專家，AI 專利申請數量達到 3700 項，位居歐洲第一，AI 和數字化實驗室更是遍布歐洲、美國和中國，這些雄厚的科研資源與實力為西門子探索工業 AI 的發展奠定了堅實基礎。

“在人機協作時代，人工智能就像你身邊的 ‘副駕駛’。現在西門子正全面融入AI，以確保它不僅是一個概念，而是真正能付諸實踐并取得成效。”西門子數字化工業集團首席執行官奈柯表示。

Industrial Copilot會給工業流程帶來哪些改變？未來的智能化工廠長什么樣？工業AI解決方案落地的最大難關是什么？

圍繞以上問題，在漢諾威工業展西門子展位旁，虎嗅智庫與西門子數字化工業集團首席執行官奈柯、西門子AI技術發展負責人Robert Lohmeyer、數字化工業集團工廠自動化事業部產品管理總監王江濤等進行了對話，以下是對話摘要，我們如實呈現，希望對業內有所啟發。

IndustrialCopilot可能是未來工業環境中，人類的最強輔助

虎嗅智庫：工業發展經歷了幾個階段，西門子現在處在哪個階段？在不同生產階段下，西門子對AI的應用是怎么樣的？

王江濤：整體工業生產經歷了從勞動密集型的人工生產到自動化生產階段，再到自適應生產，未來會發展至自主生產階段，比如工業元宇宙等。

自26 年前，西門子提出TIA概念（全集成自動化生產）后，西門子就逐漸從人工生產邁入自動化生產階段。如今，西門子將成熟的TIA概念擴展至Industrial OperationsX（通過先進的IT技術，包括用IT賦能OT等來增強當前的自動化）希望引領工業企業邁向下一階段“自適應生產”。

自適應生產意味著整個產線和設備，不是單純按照人的需求去運行，而會考慮多方面因素。比如，電價在高峰期要兩塊錢，而在低谷期可能只要5毛錢或者一塊錢，那系統就會根據電價的調整來優化生產流程，在電價高峰期產能保持30%，而在電價低谷期，產能達到100%，這就是一個很典型的自適應生產場景。自適應生產最大的目的就是提高效率，減少浪費，然后把設備的性價比發揮到極致。

那AI在其中作用是什么呢，我舉一些很落地的例子。以鍋爐氣包溫度控制為例，需要精準調節三個參數才能達到305℃工況指標，這通常依賴老師傅數十年的操作經驗。但老師傅退休后怎么辦呢？隨著人才的缺乏，工業必須朝著人工智能方向發展。

當然，老師傅的邏輯靠的是經驗，AI的邏輯也一樣。當AI里有一萬個老師傅的經驗，把它們集中在一起，就產生了算法，進而產生新的解決方案。面對新的問題，AI能根據經驗立刻找出最佳的解決方案，讓它達到理想的參數配置，這就是一個很典型的AI 應用。

以做工程為例，以往工程師要編程、調試等，都是根據自己的經驗，在系統里做配置，整體過程可能需要一周時間。但有了IndustrialCopilot就不一樣了，當需要配置一個經濟型包裝機的方案，IndustrialCopilot立刻就能把系統、控制器、字符等配置好，還能根據工藝需求快速調整。

如果要求每分鐘包裝100個產品的工藝需求配置，IndustrialCopilot不僅能把程序都寫好，還能連接虛擬調試。要知道這個過程可能需要十幾個工程師去編程、調試，支持客戶不同的改動。未來，當IndustrialCopilot引入到工業過程中后，這一切都不需要了。

甚至如果我是老板，我跟IndustrialCopilot說要投資一個包裝的設備，年產值要達到兩千萬，它還能夠給出一系列供應商材料等全都可以出來。當然這是一個非常理想的狀態，要一步一步去實現。

很快IndustrialCopilot會集成在TIA博途軟件里面，接下來西門子的V20版本就會集成一些簡單的應用，逐步向前發展。

虎嗅智庫：AI在工廠的哪些環節和場景已經真實落地，帶來了生產效率和質量的切實提升？

奈柯：當大家去實地探訪西門子的成都、安貝格、埃爾蘭根或南京工廠時，就會看到我們有數百臺機器人，還有成千個不同的AI應用。比如搭載物理感知的AI抓取機器人。我們不需要編程讓它做完全相同的事情。機器人自己會根據實際情況重新編程，識別出需要做什么，每次的抓取動作中，也都會做自適應性調整。

以埃爾蘭根工廠為例，兩年前廠內只有兩臺機器人和一兩臺自動導引車（AGV）。但如今，工廠里已有數百臺機器人、40-50個AI模型以及大量的自動導引車（AGV）。在很短的轉型時間里，這個工廠就實現了快速智能化的升級。

此外，西門子還有基于深度學習的預測性質量檢測體系，也就是利用AI來確定哪些產品需要測試。在過去，我們需要無一例外地測試每一個產品，但現在AI可以根據所有收集到的數據判斷這個產品是否可能存在需要測試的問題，或者沒問題不需要測試。

這些都主要圍繞設備綜合效率（OEE）展開。同時，人工智能也正在被用于使生產流程更具靈活性，例如在一些實踐案例中，它能以更低的成本實現最高標準的產品質量檢測。

虎嗅智庫：西門子關于應用生成式AI是從何時開始的？關于Industrial Copilot的目前進展如何，能夠達到怎樣的應用效果？

Robert：ChatGPT大約是2022年11月底發布的，到2023年3月，西門子已實現讓每個員工均能在安全的數據環境內使用ChatGPT，這背后西門子的IT同事們付出了很大努力。

當然，聊天助手只是冰山一角，我們沒有止步于此，并很快意識到，這些模型雖然功能強大，但并不是無所不知，因為不是所有信息都以文本形式存在且能在互聯網上找到，而且很多信息需要結合語境來理解。

所以，我們想到要打造IndustrialCopilot，將自身的專業知識或客戶的行業知識整合起來并使其能夠被有效利用。在兩年前漢諾威工業博覽會上，西門子第一次展示了一個小的樣品。如今Industrial Copilot for Engineering已經是一個完整成熟的產品，預計能幫助客戶將工程進度與效率提升10%到40%。同時，西門子的IndustrialCopilotforOperations，也能提供系統運行情況的全面洞察，預估能將運維效率提升25%。

除了直接提升生產力之外，研發IndustrialCopilot的另一個重要原因，也是為了讓專業知識和經驗能夠得到傳承，做到讓新工程師入職的第一天就迅速上手。我覺得IndustrialCopilot應該也是未來人們學習如何操作物理設備和工業環境的方式。

當下，西門子已經在整個工業領域開發并推出了多種Industrial Copilot。當你輸入一句話的指令，就能得到大約150行代碼，不需要復制粘貼，它會自動導入到TIA博途，并在PLC（可編程邏輯控制器）上使用，這讓工程師工作效率大幅提升。

Industrial Copilot發展下一步是“代理型人工智能”（Agentic AI）。當我們今天談到Agentic AI時，通常只會想到不同的大語言模型相互交流。其實，通過分析型AI構建的系統，也可以被視為“代理”。例如，圖像識別模型告訴你“剎車片上有故障”，或者時間序列模型告訴你“裝瓶機可能很快就會出故障”。這些其實也是“代理”，只是它們與人類交流起來更加困難，因為人類需要理解數據語言。但如果我的界面是一個聊天機器人，它能夠用直白的人類語言向我報告，一切就變得更好理解了。

我認為在工業領域，分析型人工智能為特定領域提供可靠的解決方案，而聊天機器人這類“數字伙伴”雖然在可靠性方面有所欠缺，容易出現“幻覺”，且不夠專注于特定領域，但它為我們提供了訪問這些解決方案的接口，并負責人類語言與工業語言之間進行轉換，而這正是西門子正在努力的方向。

虎嗅智庫：聽到您數次提到DeepSeek，能否詳細介紹一下DeepSeek在現有業務中的參與情況如何？

奈柯：西門子在產品中深度集成AI的同時保持開放性，不局限于使用哪種大型語言模型（LLM）。例如，西門子低代碼應用開發解決方案(Mendix)集成DeepSeek為辦公家具制造商圣奧（Sunon）帶來了一款解決方案。圣奧的需求是將DeepSeek與圣奧的知識庫進行集成，并構建一個易于使用的界面，從而讓產品經理能夠更便捷地為客戶提供最佳解決方案，同時確保任何人都可以輕松與人工智能進行交互。

基于客戶需求，我們為圣奧提供了網頁應用程序、移動應用程序和聊天機器人等多種工具，這些工具能夠幫助他們快速且輕松地構建與人工智能交互的界面，并且無需學習任何編程語言即可靈活調整界面。

在西門子內部，我們也開放使用DeepSeek，當然員工們也可以靈活選擇不同的模型。比如我們有一個名為“SiemensGPT”的內部工具。這個工具可以自由選擇大模型進行接入，在DeepSeek發布后的兩三天內，西門子已經將其投入使用。因此，我們既可以使用DeepSeek，也可以在業務中靈活運用其他模型。

西門子的開發人員和團隊已經在產品和解決方案中積極試驗多種不同的模型，并且已經實現了不同模型之間的靈活交換與整合。特別是在軟件領域，許多DeepSeek模型已經被成功應用在軟件產品中，西門子也在考慮將其應用于邊緣計算等場景，正在開發DeepSeek在硬件上的應用方式。

AI解決方案的重點并非構建模型，90%的工作是清理數據、確保接口兼容以及部署

虎嗅智庫：一個好的工業AI產品的標準是什么？西門子構建AI解決方案的原則有哪些？

Robert：人工智能產品并不是簡單地說：“給你一個人工智能模型，你想怎么用就怎么用”，這并不是技術真正的工作方式。

它的一部分是模型，這些模型隨后需要根據客戶的需求進行定制和微調，換句話說，就是調整到最適合客戶的使用場景。還有一些是服務，幫助客戶構建自己的模型，并且讓這個過程更加便捷。

有些內容甚至并不直接涉及AI模型本身，而是關于支持AI在工業環境中（比如生產車間）開發、更重要的是部署和維護的基礎設施和解決方案。所以當我們談論AI產品時，很多時候我們關注的是AI的工業化應用，而不是AI模型本身。西門子擁有眾多AI專家，也有出色的數據科學家。以目前的技術水平來看，幾乎沒有哪種AI解決方案是我們無法構建的。西門子始終希望成為AI工業化的合作伙伴，這才是我們的角色。

西門子構建的每一個AI解決方案都必須遵循三大原則，第一，它必須創造價值，必須具有盈利性。這對我們的客戶來說至關重要，他們需要確保投資所帶來的回報高于其投入的成本。

但在人工智能領域，這并非易事。通常情況下，解決方案的成本會遠遠高于收益，因此，提前評估客戶如何投資更為有效這也是我們支持客戶的方式之一。當然，對西門子來說解決方案也必須是盈利的。

第二，確保系統的精確性和安全性。不確定性的技術在工業流程中是完全不可接受的。工業級標準意味著更大的挑戰，它需要滿足工業解決方案的所有標準和要求。

第三，所有的AI解決方案都應當支持我們的可持續發展目標，人工智能是推動可持續性轉型的重要驅動力。AI對實現相關目標很有幫助。

虎嗅智庫：在這些AI應用案例落地過程中遭遇過哪些挫折和挑戰，西門子是如何解決的？

Robert：在我們開展AI項目之前，有一個非常重要的環節，就是評估這個項目是否真的值得投入。因為構建一個完整的AI解決方案并將其應用于工業環境，并不是一件低成本的事情。

客戶能夠輕松地將這一解決方案部署到其他制造場所，并且能夠自行進行維護，而無需每次遇到問題都聯系數據科學部門，這才是我們所理解的好的工業AI應用。

以某個車間應用案例來看，在整體項目落地流程中，建模只是第二步。構建了AI模型之后，還需要將模型打造成一種能夠與工業環境相匹配的形式，并將其部署到實際應用中。這通常就是一個令人頭疼的環節，因為OT人員不喜歡這樣做，因為這需要他們暫停生產。所以，理想的情況是能夠快速完成部署，甚至無需任何停機時間。

接著，還需要將傳感器和執行器連接到模型上，確保其能夠正常運行并經過測試，然后才能開始所謂的推理和數據科學環節。

但即便到此，仍然沒有完成全部工作。因為三個月后，這個模型可能就無法正常工作了。考慮到現實世界，傳感器會發生漂移，環境溫度會發生變化，所有這些因素都可能導致現在收集到的數據與三個月前用來訓練模型的數據大相徑庭。

因此，西門子提供貫穿整個AI應用的價值鏈或生命周期的服務，讓數據科學家以一種兼容工業環境的方式，將某些軟件包集成到模型中等。這樣一來，AI工程師就無需擔心上述發生的情況。

在模型重新訓練這一步驟，工業環境中的自動化人員也可以自行完成，如果監控系統發現模型的性能不夠好，只需通過幾次點擊，就可以在已經收集到的數據上重新訓練模型。

此外，對于許多工業領域的客戶來說，數據科學家與自動化人員之間的反復溝通也一直是一個難題，通常還需要一個具備軟件專業知識的中間人來協調。而西門子的產品組合正是致力于減少這種對中間人的依賴，以及降低反復向數據科學家求助的需求。在漢諾威展臺西門子也展出了這些產品組合。

這一點，對于剛剛開始涉足AI領域、正在構建第一個概念驗證的客戶來說，可能還無法理解。因為許多小型企業剛開始接觸AI時，往往認為AI是即插即用的，只要有了數據，訓練出模型后就萬事大吉了。然而，在實際應用中，數據科學家和自動化工程師之間的緊密合作是至關重要的。

事實上，在構建AI解決方案的過程中，90%以上的工作其實并不在于構建AI模型本身，而是在清理數據、確保接口的兼容性以及進行部署等環節。

虎嗅智庫：當企業迎接AI應用落地時，如何讓團隊做到敏捷適配？在智能工廠中，AI系統與產業工人的技能如何協同進化，實現人類經驗與機器智能的融合？

奈柯：西門子正投入大量資金對員工及工廠工人進行技能再培訓。以工廠為例，LLM（大語言模型）就是一個典型案例，西門子的團隊不僅引入了機器人，還同步部署了AI技術。

西門子并非將AI視為工人的對手，而是視作幫手。因為AI擅長處理重復枯燥的任務，而機器人則能承擔高難度的作業。因此，我們在推進員工再培訓的同時，也在引入AI技術。事實上，AI技術的最大挑戰不僅在于數據安全，更在于文化認同。如果企業文化無法接納AI，AI就難以取得成功。

本文來自虎嗅，原文鏈接：https://www.huxiu.com/article/4286152.html?f=wyxwapp