今年以来，将人工智能与物理世界深度融合的“物理AI”，迅速成为全球科技创新与产业升级的焦点。一个显著变化正在发生：人工智能正加快走出实验室，深入生产一线，进入工厂、车间和产线，为以制造业为核心的实体经济持续注入新动能。

西门子中国董事长、总裁兼CEO，国际智能制造联盟副主席肖松

中国“十五五”规划纲要明确提出“加快数智技术创新”“全面实施‘人工智能+’行动”。在新一轮科技革命和产业变革加速演进的背景下，如何更快推动工业AI落地应用、扩大人工智能在制造业中的实际价值，已成为产业界必须回答的重要课题。

中国拥有完整而广泛的工业门类、深厚的制造业基础、快速的产业创新能力，以及对新技术较高的开放度，这些都构成了发展工业AI、推进智能制造的重要优势。但要把这些优势真正转化为现实生产力，关键还在于破解一个结构性难题——工业AI落地过程中，模型训练与数据供给之间仍存在衔接不足。工业场景需要采集足够丰富的数据，尤其是高价值的负样本数据，才能让模型训练更高效、更精准。归根结底，数据质量决定工业AI应用成效，而实现突破的关键，就在于牢牢抓住“场景”这个核心牵引。

工业场景是人工智能应用最具挑战性的“深水区”，价值巨大，但落地门槛也极高。工业生产强调零容错，对确定性、可靠性和安全性的要求极其严格；同时，工业现场还受到设备、工艺、人员、环境等多种因素共同影响，系统复杂度高，不同行业、不同生产模式、不同制造工艺之间差异十分明显。这意味着，工业AI不能采取“大而全”“全覆盖”的推进方式，而必须从具体业务场景切入，在可追溯、可验证、可控制的前提下稳步实施。

第一步，就是识别真正高价值的工业应用场景。优先值得投入的，并不是概念最热门的场景，而是那些同时具备四个特征的场景：痛点高频且真实存在、数据能够获取、价值可以量化评估，并且具备复制推广和持续泛化的潜力。

质量检测就是一个典型的高价值工业AI应用场景。人工智能落地后的效果，可以通过效率提升、成本下降等关键指标进行直观衡量。西门子开发的Smart Detection智能质检平台，已经在成都、南京、苏州等多家工厂实现规模化部署。数据显示，该平台可将硬件成本降低90%，并把项目交付周期从“周级”压缩到“小时级”。

第二步，是以场景为核心牵引，系统化建设工业高质量数据集。工业领域的数据并不是天然完整、拿来即用，它们广泛分散在不同设备、系统和流程之中，呈现出无序化、碎片化、多源异构和多模态等典型特征。与此同时，很多影响生产质量与效率的关键知识，往往沉淀在工艺规范、操作经验，以及一线工程师和“老师傅”的长期实践中。如果不经过有效治理、整合和标注，这些数据与知识就很难支撑工业大模型和工业智能体的训练与优化。

只有以具体工业场景为牵引，数据梳理才能更加精准，数据采集才能避免失焦，数据治理才能抓住重点。也只有这样，数据才能真正从“无序积累”迈向“有序生产”，分散的数据资源和隐性的经验知识才能逐步转化为可用、可靠、有效的模型训练资产，最终形成“场景—数据—模型”的良性循环，让人工智能在工业现场真正实现“有用、好用、放心用”。

铜冶炼就是一个非常典型的案例。在这一工业场景中，原料矿石含铜量波动较大、一线经验人才储备不足、高温工况复杂多变等问题相互叠加，仅依靠单一数据或单点模型很难有效解决。必须围绕具体工艺场景，统筹整合设备数据、工艺知识和专家经验。西门子与“十五冶”合作，整合了11个工艺段的设备数据，以及来自行业文献、工艺规范和“老师傅”口口相传的行业知识与一手经验，打造出炼铜行业首个下沉到边缘的智能体，使影响铜成品质量和炉体寿命的关键指标——冰铜品位稳定性提升了15%。

第三步，软硬件深度融合的系统能力，是工业AI场景价值真正兑现的关键。工业AI的落地，不只是部署一个模型那么简单，而是一项复杂的系统工程。它需要与工业软件、边缘计算设备、执行装备和工艺流程深度协同。尤其是在多代际设备并存、多种协议交织的工业现场，如果人工智能无法嵌入复杂异构系统，就很难真正释放价值。

工业AI不仅要能够理解现场、输出推理结果，还必须推动新旧设备之间实现高效协同，让指令得到准确执行，让异常处置具备安全兜底机制，并通过运行数据的持续回流形成闭环优化。只有真正打通感知、决策、执行、反馈的全链路，工业AI才能从技术能力转化为看得见、可衡量的现实生产力。

这一趋势已经在新一代工业智能体产品中得到体现。西门子近期发布的Eigen工程智能体，是全球首批正式商用、可自主规划并执行工业自动化工程任务的AI系统之一。它让人工智能不再停留在对话框层面，而是进一步嵌入自动化开发的关键工作流中，可完成PLC编程、HMI可视化、设备配置等任务，帮助工程师把工作完成得更快、更准、更可靠。

最后，工业AI不可能依靠单个企业“关起门来”完成。要真正走向规模化应用，必须坚持开放式创新，建立在场景开放与生态协同的基础之上。从这个角度看，开放不是附加项，而是工业AI普及和产业化落地的必要条件。目前，已经有企业通过开放场景、协同试点等方式，加快相关技术在真实工业环境中的验证、迭代与优化。西门子也正在主动向生态伙伴开放多个中国工厂场景，围绕具身智能开展应用试点。

工业AI的发展不可能一蹴而就。它需要在质量检测、设备运维、工艺参数优化、工艺排产优化、供应链优化、降低能耗、生成式设计等真实工业场景中持续投入、长期积累、耐心打磨。可以预见，工业智能体的应用范围将越来越广，逐步推动业务流程智能化，显著提升企业运营效率与决策效率。西门子愿继续与中国众多合作伙伴携手，把行业知识、数据积累与技术创新深度融合，让人工智能真正扎根场景，推动工业AI从单点突破迈向生产力跃迁。我们也呼吁进一步促进场景开放与数据流通，共创、共享、共赢工业AI时代的新红利。

作者：肖松，西门子中国董事长、总裁兼CEO，国际智能制造联盟副主席