在工博会找一个“AI脑”｜品牌新事

文 / 老一枝

“今天你出来，不谈人工智能就落伍了。”在工博会现场上，一位正在参观的企业家如是感慨道。他经营着一家小型五金零部件制造厂。

在他的经历中，无论是行业峰会还是招商洽谈，人工智能已成绕不开的话题。

另一位汽车零部件领域的采购商的态度则更显激进：“只要能让产线转得快一点、库存压少一点、订单接得多一点，借钱也要上（人工智能）。”

与上述担心信息差的企业家相比，另一些企业家对人工智能的认知已经进入到新的阶段，他们的提问尖锐而务实：“这套系统能识别我生产线上的次品吗？”“能预测设备故障周期吗？”“库存周转能加快多少？”“能帮我降低多少成本？提高多少效率？”

9月23日至27日，第二十五届中国国际工业博览会在上海举办。这场大会几乎可以说是国内工业领域最重要的一场经贸盛会，是唯一以国家命名、历史最长的国际级工业展会，汇聚了28个国家和地区的3000家展商。

今年的展商们所面对的，是带着困惑和问题而来的企业家们，后者的目标专注而统一：从企业到意识，寻找一个适合自己的“AI脑”。

工业AI，一切从问题出发

今年5月，吴老师走访了西门子成都数字工厂。参观结束后，他与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交流时感慨：“消费级AI出现在头版头条，工业AI在抢占产业的制高点。”

肖松博士与吴老师

与聚光灯下的消费级AI相比，工业AI的舞台在产业一线，在看不见的隐蔽之处，如“工业人工智能”概念的提出者，美国工业人工智能中心的创始主任李杰在《工业人工智能》一书中所说：“过去的人工智能应用更关注从数据的视角出发，寻找数据中隐藏的关系和应用机会；而工业更需要从问题出发，是以解决问题为导向的价值创造。”

工业制造领域普遍性的问题是如何提质、增效、降本、减存。从这样的讨论来归纳，工业AI的价值落地自然需要具备解决工业制造在品质提升、效率优化、成本控制、库存削减方面的能力。

穿梭在工博会的展馆里，从占据中心位置的大展台，到通道转弯处、靠墙排列的小展位，若要抓取一个贯穿全场的关键词，“工业AI解决方案”绝对当仁不让。

这一关键词恰好链接了工博会上两类主要角色。

一类是方才提到的“寻路者”，即正处数字化转型关键期的企业，带着明确需求而来，想找到适配自身的AI方案。

另一类是“搭台者”，以西门子为代表，带来全套方案，覆盖从自动化升级到决策智能的全链条。比如西门子与中科摩通合作的智能装配设备，靠AI助手把程序开发和调试周期各缩短30%。

这种供需对接，也勾勒出工业AI落地的真实路径。工业人工智能的发展不是技术的单向输出，而是“寻路者”与“搭台者”在具体场景中，共同定义工业智能化的下一站。

西门子亮相2025工博会

寻路者：压力与意志驱动的双重奏

在工博会中穿梭的“寻路者”们，其迫切寻求AI解决方案的背后，是两股交织的驱动力：一是清晰可见的竞争生存压力，二则是更深层次的、主动求变以赢得未来的战略意志。

企业对人工智能的追求，一方面源自商业竞争驱动。今时今日，AI对效率提升、成本压缩的价值早已显而易见。

9月16日，中国物流与采购联合会公布的数据显示，目前我国物流供应链领域的人工智能应用渗透率已经超过37%，其中运输场景的人工智能应用渗透率达到了78%，仓储与安全管理的渗透率也分别达到47.27%和52.73%。

图源：中物联采购与供应链专业委员会

其应用成效是采用智能采购供应链的企业，采购效率可以提高30%以上，采购周期可以缩短50%以上。

所以当AI驱动成了企业经营中降本增效的核心手段，不拥抱AI的企业至少会在成本和效率方面，陷入竞争劣势。

然而，比被动压力更为强劲的，是中国企业主动求变的意志。中国无疑是全球范围内人工智能技术最激进的一个试验场。

激进之具体表现至少有两点。第一是当前中国在AI领域的成就。5月，摩根士丹利在一篇《中国人工智能：沉睡的巨人觉醒》的研究报告中指出：目前全球顶尖AI研究人员47%在中国，超过半数AI专利由中国持有。

图源：《中国人工智能：沉睡的巨人觉醒》

第二则是中国企业对AI应用的领先意识。埃森哲于近期发布的一项调研显示，目前53%的中国企业正在通过AI连接和融合多个流程，这一应用数据比全球水平高11个百分点，甚至有部分领先的中国企业（18%）正在以AI为核心重新设计端到端的流程。

中国企业对技术的态度一贯存在“实用主义式的拥抱”的特点，即相比纠结技术的理论先进性，更关注技术能否解决实际问题。

所以当人工智能在工业场景中解决问题的能力不断被验证，对企业而言，AI就不再是一个可供观望的选项，而是关乎生存与发展的必然选择。

搭台者：如何交付一颗可靠的“AI脑”

但当AI成了必选项，一个更关键的问题就此浮现，即人工智能究竟能对工业制造进行怎样的改造？换个角度来讲，即这些寻找AI解决方案的企业，需要怎样的“AI脑”。

这个问题，也是工博会上许多企业关注的重点问题。

在工博会现场，肖松博士表达了这样一个观点，即工业领域的AI应用，如同自动驾驶的分级，存在从初级到高级的演进。

肖松博士在工博会现场发表讲话

初级应用，是替代“工业肢体”，实现自动化升级。其核心是用AI承接重复性、高精度的人工操作，直接解决“人眼累、人手慢、人判断不准”的痛点，这相当于“器官替代”的初级阶段。

高级阶段，则是成为工业的“第二大脑”，主导认知、决策，核心是整合生产全环节数据，生成或辅助决策，实现“决策智能化”。

具体来看，AI的能力包括收集产线设备数据、原材料数据、订单数据等多维度信息，通过建模推演分析数据关联，优化生产排程，预测设备故障，调整工艺参数。

例如，AI可以根据订单波动预测未来产能需求，提前调整原材料采购量；通过分析设备运行数据，预判故障风险并推送维护建议，避免非计划停机。

然而与可以快速试错的消费级应用不同，工业场景的特殊性在于，试错成本高到无法承受。一个未经充分验证的算法建议，若直接下达至物理产线，可能导致整批次产品报废、设备停机甚至安全事故。

因此从“AI决策”到“工业实践”，必须解决“如何验证决策可靠性”的问题。

电影《钢铁侠》里有个经典设定：主角托尼・斯塔克有个人工智能管家“贾维斯”。贾维斯内置了钢铁战甲的全维度数字模型，能实时同步战甲的材质强度、能源消耗、武器性能等数据。

每当托尼要设计新战甲，或是优化作战方案，不用直接在实体战甲上反复拆解改装。他只需在虚拟模型里，测试飞行轨迹、武器威力，甚至极限环境下的抗损性。AI会即时算出“过载可能”“部件疲劳点”等风险，直到生成完美方案，再落地制造。

这个科幻设定，恰好指明了从AI决策到工业落地的可行路径——“数字孪生+AI”融合的解决方案。

所谓数字孪生，就是在数字世界里，建一个和物理产线1∶1对应的虚拟模型。这个模型能实时同步物理设备的运行数据、环境参数。当“AI脑”生成决策方案，比如调整工艺参数、优化产线布局时，会先在数字孪生模型里模拟执行。系统会显示方案落地后的生产效率、产品合格率、设备损耗等效果，还能算出可能存在的风险。

这种技术和实现路径，正是西门子在此次工博会上展示的核心能力之一。能力锚定的目标和价值也很明确，就是“一次正确”——企业先在数字世界中进行试错，以此去实现物理世界中的“一次正确”。

在工博会上，任何一个走进西门子展位的参观者大概率都会被种下“一次正确”的心智。偌大展厅顶部的桁型金属框架上，挂着各类和“一次正确”相关的标语：一次服务正确、一次低碳正确、一次选型正确等等。

西门子展位：AI赋能的EMB装配设备

而从西门子和参观者的表达中，这种“一次正确”的解决方案，于供需双方在价值认可上至少达成了两点共识：

其一，极大地减轻了隐性的试错成本，使得过去因风险过高而不敢尝试的深度优化成为可能。

其二，解决了工业制造里“经验难复制”的痛点。据一位深耕工业自动化多年的技术人员介绍，“过去的工业制造”高度依赖“手搓”——即凭借老师傅或技术专家的个人经验进行判断和决策。这种方式固然有价值，但本质上是高度个体化的，难以复制和推广到所有场景。

AI模型一旦训练成熟，便能将这种“专家能力”固化下来，快速部署到十台、百台设备或整个工厂，实现标准化、规模化的智能决策。这从根本上改变了企业提升效率的模式，从依赖个体工匠式的经验，转向依赖可复制、可迭代的系统性智能。

总结而言，这种能力为企业提供了“低成本试错、高效率优化、标准化复制”的方法。

这种技术应用就悄然解决了工业人工智能的最大挑战，即将以个人为中心的算法思维，转化为系统工程，并由此实现工业领域对AI应用的三个关键要求：系统性、快速性以及可传承性。

“人机再分工”

十多年前互联网兴起时，有句话广为流传：“所有行业都值得用互联网再做一遍。”

后来的事实印证了这一点：线上零售取代传统货架，社交平台重构人际连接，移动支付重塑交易流程。互联网把信息传递成本压到近乎零，彻底改写了商业底层逻辑。

如今人工智能浪潮来袭，这句话有了新表达——所有行业都值得用人工智能再做一遍。

而工业AI带来的根本性变革，是一场深刻的“人机再分工”。未来企业的管理对象，将从纯粹的人力，扩展到人力与算力的协同。企业的竞争力，也将取决于能否有效组织与调度这两种截然不同的资源。

从全球产业升级路径来看，人机再分工的核心逻辑很明确：即AI接管重复任务，人聚焦复杂决策。

在这场重构工业生产力的变革中，西门子这样的企业扮演着领航者的角色。他们很早就洞察到人机协同的必然趋势，并在自身实践中持续迭代，为全球工业智能化与产业升级提供可落地的解决方案。

鲜为人知的是，西门子其实是人工智能领域的早期探索者，其AI布局最可追溯至20世纪70年代，当时西门子就已投身于交互式、自动化及自然语言问答系统的研究。

1973年，西门子获得了首项AI相关专利。进入2010年代，西门子加快AI在工业场景的落地，尤其在汽车、光伏等领域展开深入探索。

2022年后，生成式AI迎来爆发，西门子迅速推出面向工业工程的生成式AI产品——Industrial Copilot，并凭借该产品荣获有“工业界奥斯卡”之称的赫耳墨斯奖。

赫尔墨斯奖领奖现场

在肖松博士看来，“工业AI的真正落地，始于对需求场景的精准捕捉，成于技术、数据与行业知识的深度融合”。

这也体现了西门子在推进工业AI过程中的核心思路：即西门子所提供的工业AI解决方案，是基于其在工业领域长期积累的经验，经过自身实践验证后的答案。

在一位参展人员看来，西门子“六个一次正确”的口号在工博会中是响亮的，但背后却是对流程精准度、系统协同性和数据一致性的高要求。这意味着，“一次正确”的实现必然是一个很难的事情。

但西门子的底气在于，相关技术已率先在自身工厂中经过验证，确认可行且有效后，才作为标准化解决方案推向客户。他们所推广的，是一套已经在自己身上被证明有效的方法。

《供应链攻防战》的作者林雪萍参观完西门子的展位后，讲了这样一句话：“AI技术的意义不在于由工程师研发出来交给别人用，而在于它的平权化——每个人都应该把AI变成自己的助手。”

这也清晰地指向了工业AI的终极价值：它并非追求全无人化的“黑灯工厂”，而是通过人机协同，帮助企业平衡短期生存与长期竞争力。其核心在于提升系统效率，将人员从重复繁琐的工作中解放出来，使之更专注于创新与决策，从而推动制造企业从价格竞争转向技术驱动，实现高质量、可持续的发展。