在消费级AI领域，人们通常关注模型掌握了哪些新能力：能否编写更长的代码、生成更逼真的视频，或是完成更复杂的推理任务。

然而，工业AI赛道面临的问题更为务实：它是否会导致生产线停摆？因为在工业现场，从“生成一个答案”到“交付一个工程结果”，中间横亘着一整套生产责任体系。

这或许是理解当前工业AI演进的关键分界线。

“工业AI落地现实”——这是西门子在2026世界人工智能大会（WAIC）上的一场论坛主题。如今，“落地现实”这四个字承载着更重的分量。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，在开场演讲中重申了他连续第三年在WAIC上强调的一句话：

“消费AI刷屏头条，工业AI创造实际价值。（Consumer AI makes the headline, industrial AI makes the real impact.）”但他表示，今年的感受比以往任何时候都更为强烈。

“厂长的四个核心关切”

肖松在演讲中描绘了一个非常具体的场景：当一台具身智能机器人进入工厂，厂长会关心哪些问题？

答案简洁明了，四个核心点：“它能否适配现有运营系统？能否稳定完成任务？需要人工多久介入一次？失误率是多少？”

这四项标准，是衡量工业AI价值最直接的标准。AI越是在工业场景中“向实”，就越需要被工程师、厂长以及真实的生产流程所“信任”。

肖松用了一个短语——“AI for Real”（AI向实而行）。他强调，工业AI向实而行，并非简单地将模型和算法搬进工厂，也不是制作几个漂亮的演示，而是真正将技术浪潮推向产业纵深，让智能系统深入理解工艺机理、流程约束和工业数据，使AI真正做到有用、好用、放心用。

但现实情况是，当前工业AI的发展正面临一种“错配”。

一方面，企业希望建设更多设备、交付更多项目、进入更多市场，业务规模迅速扩张；另一方面，工程能力通常只能逐步提升，产品越复杂、客户需求越个性化、交付周期越短，工程师需要处理的项目差异、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地指出：“每一家成功的企业最终都会面临同样的局面——业务雄心呈指数级增长，而工程能力只能渐进式提升，这个缺口便成了增长瓶颈。”

这并非西门子的独到见解。早在2017年，教育部、人社部、工信部联合发布的《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年一项关于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，才能真正胜任工程岗位。企业缺的，不仅是“更多人”，更是能够理解工艺、设备、软件和生产约束，并将复杂项目按期交付的工程能力。

宋元明分析了两种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”与“理解工程”的区别在于，理解语言的AI能够回答问题、生成文本、编写代码；但理解工程的AI，在此基础上还需能够解读PLC文件库、驱动器、工程规范、项目结构以及行业标准。

于是，西门子正式推出了其工程智能体——Eigen Engineering Agent（Eigen工程智能体），并面向中国市场正式发售。

Eigen工程智能体的What、Why和How

Eigen这个名字源自德语单词“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。

西门子将这一数学概念作为产品命名，为这个AI赋予了明确的定位：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，而此次WAIC的官宣，标志着它在中国市场的正式落地。

那么，Eigen工程智能体究竟能做什么？

根据西门子的最新定义，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”，能够嵌入到自动化开发的关键工作流中，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。在执行过程中，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工程智能体不仅单纯生成代码或工程文档，而是能够确切地执行工程任务，进行规划、执行、反思，响应需求并完成工作。“我们自身的工程师就是采用这样的工作方式。”

肖松在演讲中举了一个具体的行业场景：汽车及机械制造行业的切割工段。过去，当切割精度下降时，工程师必须赶到现场排查并修改PLC程序。现在，只需输入自然语言指令，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补充了另一个应用场景：“翻译和理解工作流中使用的不同语言”。这句话听起来抽象，但对于全球化制造企业而言，这是一个非常实际的痛点。一家中国的汽车零部件供应商，可能同时向德国、日本、美国的整车厂供货，每家客户的工程标准、软件规范、注释语言都各不相同。Eigen工程智能体能够在这些标准之间进行翻译和转换，让工程团队之间的协作从“来回沟通数月”缩短到“共享一个可执行的工程输出”。

这两个场景，正是“工业级AI理解工程”的最佳注脚。这背后，是一整套跨语言、跨标准、跨工程团队的协作能力。

再看具体数据。据西门子披露，从4月发布到7月中国上市，三个月内，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。”肖松一句话总结道。

反观中国市场，同样跃跃欲试。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，反映出一个强烈的市场信号——它足以说明中国市场对工业AI的需求，正在快速进入“想部署、想落地、想规模化应用”的阶段。

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耗费在组态、写代码和参数配置这类重复性工作中，真正花在工艺方案、架构设计上的时间非常少。有了Eigen工程智能体之后，我们就可以将自动化工程师解放出来，让他们聚焦于真正高价值的创新工作。”

摄于WAIC 2026西门子展台

AI进厂之后，是骡子是马，拉到产线上跑一跑

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、大小各不相同，目前主要依靠人工拆解，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、安装在设备顶部、用于指示设备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”。几秒钟后，程序生成，他将程序导入设备，又过了几秒钟，塔灯亮了。

这个演示速度太快，乍看之下可能并不觉得有什么特别。但如果你旁边站着一位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用的是哪种型号、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、如何与现有的报警逻辑对接”。这些都是工程语义，而非自然语言语义。

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，再到塔灯亮起。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，分别来自非标集成、整车制造、能源装备和AI检测装备四个不同领域，将Eigen放回真实的工业AI语境，给出了各自的切身感受。

中科摩通所代表的「非标集成」赛道，关键就在于“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。传统一条产线组态的工程配置，需要两三周，对工程师是较大压力。”

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，不是升级设备就能解决的。这里还存在一个矛盾：传统自动化的逻辑，是大批量、长周期、单一产品；而今天的汽车市场需要的是多品种、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，将能源装备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”能否被提前识别，以及，机床亚健康和产品粗糙度之间是否存在关联。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1+1+1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工作，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。”

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，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。

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。按西门子的最新描述，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。具体看基础设施岛，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向实的生动写照。

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。

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连接起来。

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，而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。