在工博會找一個“AI腦”｜品牌新事

文 / 老一枝

“今天你出來，不談人工智能就落伍了。”在工博會現場上，一位正在參觀的企業家如是感慨道。他經營着一家小型五金零部件製造廠。

在他的經歷中，無論是行業峯會還是招商洽談，人工智能已成繞不開的話題。

另一位汽車零部件領域的採購商的態度則更顯激進：“只要能讓產線轉得快一點、庫存壓少一點、訂單接得多一點，借錢也要上（人工智能）。”

與上述擔心信息差的企業家相比，另一些企業家對人工智能的認知已經進入到新的階段，他們的提問尖銳而務實：“這套系統能識別我生產線上的次品嗎？”“能預測設備故障週期嗎？”“庫存週轉能加快多少？”“能幫我降低多少成本？提高多少效率？”

9月23日至27日，第二十五屆中國國際工業博覽會在上海舉辦。這場大會幾乎可以說是國內工業領域最重要的一場經貿盛會，是唯一以國家命名、歷史最長的國際級工業展會，匯聚了28個國家和地區的3000家展商。

今年的展商們所面對的，是帶着困惑和問題而來的企業家們，後者的目標專注而統一：從企業到意識，尋找一個適合自己的“AI腦”。

工業AI，一切從問題出發

今年5月，吳老師走訪了西門子成都數字工廠。參觀結束後，他與西門子全球執行副總裁，西門子中國董事長、總裁兼首席執行官肖松博士交流時感慨：“消費級AI出現在頭版頭條，工業AI在搶佔產業的制高點。”

肖松博士與吳老師

與聚光燈下的消費級AI相比，工業AI的舞臺在產業一線，在看不見的隱蔽之處，如“工業人工智能”概念的提出者，美國工業人工智能中心的創始主任李傑在《工業人工智能》一書中所說：“過去的人工智能應用更關注從數據的視角出發，尋找數據中隱藏的關係和應用機會；而工業更需要從問題出發，是以解決問題爲導向的價值創造。”

工業製造領域普遍性的問題是如何提質、增效、降本、減存。從這樣的討論來歸納，工業AI的價值落地自然需要具備解決工業製造在品質提升、效率優化、成本控制、庫存削減方面的能力。

穿梭在工博會的展館裏，從佔據中心位置的大展臺，到通道轉彎處、靠牆排列的小展位，若要抓取一個貫穿全場的關鍵詞，“工業AI解決方案”絕對當仁不讓。

這一關鍵詞恰好鏈接了工博會上兩類主要角色。

一類是方纔提到的“尋路者”，即正處數字化轉型關鍵期的企業，帶着明確需求而來，想找到適配自身的AI方案。

另一類是“搭臺者”，以西門子爲代表，帶來全套方案，覆蓋從自動化升級到決策智能的全鏈條。比如西門子與中科摩通合作的智能裝配設備，靠AI助手把程序開發和調試周期各縮短30%。

這種供需對接，也勾勒出工業AI落地的真實路徑。工業人工智能的發展不是技術的單向輸出，而是“尋路者”與“搭臺者”在具體場景中，共同定義工業智能化的下一站。

西門子亮相2025工博會

尋路者：壓力與意志驅動的雙重奏

在工博會中穿梭的“尋路者”們，其迫切尋求AI解決方案的背後，是兩股交織的驅動力：一是清晰可見的競爭生存壓力，二則是更深層次的、主動求變以贏得未來的戰略意志。

企業對人工智能的追求，一方面源自商業競爭驅動。今時今日，AI對效率提升、成本壓縮的價值早已顯而易見。

9月16日，中國物流與採購聯合會公佈的數據顯示，目前我國物流供應鏈領域的人工智能應用滲透率已經超過37%，其中運輸場景的人工智能應用滲透率達到了78%，倉儲與安全管理的滲透率也分別達到47.27%和52.73%。

圖源：中物聯採購與供應鏈專業委員會

其應用成效是採用智能採購供應鏈的企業，採購效率可以提高30%以上，採購週期可以縮短50%以上。

所以當AI驅動成了企業經營中降本增效的核心手段，不擁抱AI的企業至少會在成本和效率方面，陷入競爭劣勢。

然而，比被動壓力更爲強勁的，是中國企業主動求變的意志。中國無疑是全球範圍內人工智能技術最激進的一個試驗場。

激進之具體表現至少有兩點。第一是當前中國在AI領域的成就。5月，摩根士丹利在一篇《中國人工智能：沉睡的巨人覺醒》的研究報告中指出：目前全球頂尖AI研究人員47%在中國，超過半數AI專利由中國持有。

圖源：《中國人工智能：沉睡的巨人覺醒》

第二則是中國企業對AI應用的領先意識。埃森哲於近期發佈的一項調研顯示，目前53%的中國企業正在通過AI連接和融合多個流程，這一應用數據比全球水平高11個百分點，甚至有部分領先的中國企業（18%）正在以AI爲核心重新設計端到端的流程。

中國企業對技術的態度一貫存在“實用主義式的擁抱”的特點，即相比糾結技術的理論先進性，更關注技術能否解決實際問題。

所以當人工智能在工業場景中解決問題的能力不斷被驗證，對企業而言，AI就不再是一個可供觀望的選項，而是關乎生存與發展的必然選擇。

搭臺者：如何交付一顆可靠的“AI腦”

但當AI成了必選項，一個更關鍵的問題就此浮現，即人工智能究竟能對工業製造進行怎樣的改造？換個角度來講，即這些尋找AI解決方案的企業，需要怎樣的“AI腦”。

這個問題，也是工博會上許多企業關注的重點問題。

在工博會現場，肖松博士表達了這樣一個觀點，即工業領域的AI應用，如同自動駕駛的分級，存在從初級到高級的演進。

肖松博士在工博會現場發表講話

初級應用，是替代“工業肢體”，實現自動化升級。其核心是用AI承接重複性、高精度的人工操作，直接解決“人眼累、人手慢、人判斷不準”的痛點，這相當於“器官替代”的初級階段。

高級階段，則是成爲工業的“第二大腦”，主導認知、決策，核心是整合生產全環節數據，生成或輔助決策，實現“決策智能化”。

具體來看，AI的能力包括收集產線設備數據、原材料數據、訂單數據等多維度信息，通過建模推演分析數據關聯，優化生產排程，預測設備故障，調整工藝參數。

例如，AI可以根據訂單波動預測未來產能需求，提前調整原材料採購量；通過分析設備運行數據，預判故障風險並推送維護建議，避免非計劃停機。

然而與可以快速試錯的消費級應用不同，工業場景的特殊性在於，試錯成本高到無法承受。一個未經充分驗證的算法建議，若直接下達至物理產線，可能導致整批次產品報廢、設備停機甚至安全事故。

因此從“AI決策”到“工業實踐”，必須解決“如何驗證決策可靠性”的問題。

電影《鋼鐵俠》裏有個經典設定：主角託尼・斯塔克有個人工智能管家“賈維斯”。賈維斯內置了鋼鐵戰甲的全維度數字模型，能實時同步戰甲的材質強度、能源消耗、武器性能等數據。

每當託尼要設計新戰甲，或是優化作戰方案，不用直接在實體戰甲上反覆拆解改裝。他只需在虛擬模型裏，測試飛行軌跡、武器威力，甚至極限環境下的抗損性。AI會即時算出“過載可能”“部件疲勞點”等風險，直到生成完美方案，再落地製造。

這個科幻設定，恰好指明瞭從AI決策到工業落地的可行路徑——“數字孿生+AI”融合的解決方案。

所謂數字孿生，就是在數字世界裏，建一個和物理產線1∶1對應的虛擬模型。這個模型能實時同步物理設備的運行數據、環境參數。當“AI腦”生成決策方案，比如調整工藝參數、優化產線佈局時，會先在數字孿生模型裏模擬執行。系統會顯示方案落地後的生產效率、產品合格率、設備損耗等效果，還能算出可能存在的風險。

這種技術和實現路徑，正是西門子在此次工博會上展示的核心能力之一。能力錨定的目標和價值也很明確，就是“一次正確”——企業先在數字世界中進行試錯，以此去實現物理世界中的“一次正確”。

在工博會上，任何一個走進西門子展位的參觀者大概率都會被種下“一次正確”的心智。偌大展廳頂部的桁型金屬框架上，掛着各類和“一次正確”相關的標語：一次服務正確、一次低碳正確、一次選型正確等等。

西門子展位：AI賦能的EMB裝配設備

而從西門子和參觀者的表達中，這種“一次正確”的解決方案，於供需雙方在價值認可上至少達成了兩點共識：

其一，極大地減輕了隱性的試錯成本，使得過去因風險過高而不敢嘗試的深度優化成爲可能。

其二，解決了工業製造裏“經驗難複製”的痛點。據一位深耕工業自動化多年的技術人員介紹，“過去的工業製造”高度依賴“手搓”——即憑藉老師傅或技術專家的個人經驗進行判斷和決策。這種方式固然有價值，但本質上是高度個體化的，難以複製和推廣到所有場景。

AI模型一旦訓練成熟，便能將這種“專家能力”固化下來，快速部署到十臺、百臺設備或整個工廠，實現標準化、規模化的智能決策。這從根本上改變了企業提升效率的模式，從依賴個體工匠式的經驗，轉向依賴可複製、可迭代的系統性智能。

總結而言，這種能力爲企業提供了“低成本試錯、高效率優化、標準化複製”的方法。

這種技術應用就悄然解決了工業人工智能的最大挑戰，即將以個人爲中心的算法思維，轉化爲系統工程，並由此實現工業領域對AI應用的三個關鍵要求：系統性、快速性以及可傳承性。

“人機再分工”

十多年前互聯網興起時，有句話廣爲流傳：“所有行業都值得用互聯網再做一遍。”

後來的事實印證了這一點：線上零售取代傳統貨架，社交平臺重構人際連接，移動支付重塑交易流程。互聯網把信息傳遞成本壓到近乎零，徹底改寫了商業底層邏輯。

如今人工智能浪潮來襲，這句話有了新表達——所有行業都值得用人工智能再做一遍。

而工業AI帶來的根本性變革，是一場深刻的“人機再分工”。未來企業的管理對象，將從純粹的人力，擴展到人力與算力的協同。企業的競爭力，也將取決於能否有效組織與調度這兩種截然不同的資源。

從全球產業升級路徑來看，人機再分工的核心邏輯很明確：即AI接管重複任務，人聚焦複雜決策。

在這場重構工業生產力的變革中，西門子這樣的企業扮演着領航者的角色。他們很早就洞察到人機協同的必然趨勢，並在自身實踐中持續迭代，爲全球工業智能化與產業升級提供可落地的解決方案。

鮮爲人知的是，西門子其實是人工智能領域的早期探索者，其AI佈局最可追溯至20世紀70年代，當時西門子就已投身於交互式、自動化及自然語言問答系統的研究。

1973年，西門子獲得了首項AI相關專利。進入2010年代，西門子加快AI在工業場景的落地，尤其在汽車、光伏等領域展開深入探索。

2022年後，生成式AI迎來爆發，西門子迅速推出面向工業工程的生成式AI產品——Industrial Copilot，並憑藉該產品榮獲有“工業界奧斯卡”之稱的赫耳墨斯獎。

赫爾墨斯獎領獎現場

在肖松博士看來，“工業AI的真正落地，始於對需求場景的精準捕捉，成於技術、數據與行業知識的深度融合”。

這也體現了西門子在推進工業AI過程中的核心思路：即西門子所提供的工業AI解決方案，是基於其在工業領域長期積累的經驗，經過自身實踐驗證後的答案。

在一位參展人員看來，西門子“六個一次正確”的口號在工博會中是響亮的，但背後卻是對流程精準度、系統協同性和數據一致性的高要求。這意味着，“一次正確”的實現必然是一個很難的事情。

但西門子的底氣在於，相關技術已率先在自身工廠中經過驗證，確認可行且有效後，才作爲標準化解決方案推向客戶。他們所推廣的，是一套已經在自己身上被證明有效的方法。

《供應鏈攻防戰》的作者林雪萍參觀完西門子的展位後，講了這樣一句話：“AI技術的意義不在於由工程師研發出來交給別人用，而在於它的平權化——每個人都應該把AI變成自己的助手。”

這也清晰地指向了工業AI的終極價值：它並非追求全無人化的“黑燈工廠”，而是通過人機協同，幫助企業平衡短期生存與長期競爭力。其核心在於提升系統效率，將人員從重複繁瑣的工作中解放出來，使之更專注於創新與決策，從而推動製造企業從價格競爭轉向技術驅動，實現高質量、可持續的發展。