工業 AI ，沒有新王，光而無耀，靜水深流。
要說生成式 AI 是當下話題之王，沒有人會反對。簡單幾句話，就能讓兵馬俑「復活」唱秦腔，川普說上脫口秀。
情緒價值拉滿之餘，你敢不敢想象更酷的事情，如動動嘴皮子就能造出想要的東西。 AI 不僅能夠生成一段影片，更能構建一個沉浸式、高模擬、遵循物理規律的虛擬空間，只需自然語音輸入指令，它就能將其轉化為專業的工業語言，再交由現實工廠的智慧化產線變成「實物」。 
敢不敢想象更酷的事情，動動嘴皮子就能造出想要的東西！
如此美妙未來或許看似遙遠，但在西門子的描繪下，它早已不是空中樓閣，AI 在工業領域的應用正邁向一個嶄新階段。
今年 4 月，西門子展示了其全球第一款工業工程設計生成式 AI 產品 Industrial Copilot ，這款工具已經在德國舍弗勒的產線上啟用；在剛剛結束的阿赫瑪展會上，西門子首次推出多款面向綠氫行業的全新軟體工具，透過應用生成式 AI 提升氫氣產量；西門子首個工業時序資料基礎模型也在開發訓練中，未來還會基於西門子萬億級資料集持續最佳化迭代……
工業人工智慧「駕馭」工廠
想象一下，你走進了世界最大的汽車供應商之一德國舍弗勒的生產車間，環顧四周，各種自動化裝置正在有條不紊地運作著。
「我想在 band 中新增一個新的圖形塊( graph block )，並將其命名為 210 sequence 。」一位裝置操作人員開啟西門子 Industrial Copilot 對話方塊，用簡單的自然語言輸入要求。很快，虛擬助理回答，「 我已經在 0210 ( Band ) 中新增了一個 S7-Graph 塊。」
去年德國紐倫堡國際電氣自動化系統及元器件展（SPS），西門子展示Industrial Copilot 根據自然語言的命令，自動生成複雜的工業程式碼。
此時，另一位操作員用自然語言告訴虛擬助手，想要產線的機械臂進行抓取，系統直接呼叫了機器人功能庫裡相應模組，機械臂就能抓起流水線上的物品。
除了程式碼生成和最佳化，如果裝置突然停止工作，舍弗勒工廠的工程團隊還可以用自然語言訪問相關文件、指南和手冊，快速識別潛在錯誤原因，找到解決方案。
去年SPS，西門子展示和 Industrial Copilot 簡單對話就能找到裝置故障原因。
相比體驗感拉滿的消費端產品，企業級軟體的互動體驗仍然極為複雜，由此也降低了產品開發效率。西門子率先利用生成式人工智慧技術重構工業軟體體驗，大幅提升了工程師的工作效率。在剛結束的 2024 世界人工智慧大會 WAIC 上，Industrial Copilot 還榮獲 「SAIL（ Super AI Leader ,卓越人工智慧引領者獎）之星」獎項。
然而，西門子並不僅滿足於提供 Industrial Copilot 這樣的人工智慧創新產品，它更是工業人工智慧的使用者和踐行者。在西門子自有工廠裡，大量人工智慧技術與場景的有機結合早已成為呼吸一般的存在。
在成都高新區，西門子建立了其在中國的首座數字化工廠。走進車間，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後，操作滑鼠、鍵盤，發出指令。
這座「燈塔工廠」已經部署了近 100 個 AI 專案，應用在了質量檢測、垃圾處理等多個場景中。
產線上配備了自動光學檢測（ AOI ）裝置檢測電路板焊接點質量，但嚴格的標準設定帶來大量「假陽性」，需要大量人工複檢。在 AOI 裝置之後新增一個 AI 系統進行二次檢查，工廠成功過濾掉了 90% 以上的「質量有問題」圖片，大大降低了工人的工作量。
在 AOI 裝置之後新增一個AI系統進行二次檢查，工廠成功過濾掉了 90% 以上的「質量有問題」圖片。
對於工廠來說，工業垃圾的處理是一個不大不小的麻煩。前端生產線每天 24 小時不停，工廠每天就會產生數千箱的工業垃圾。現在，AI 分揀機器人的危廢品識別率達到 100% ，製成品等其他物料識別率達 94% ，綜合識別率超過 96% ，已經完全不需要人工處理垃圾。 
將AI用於工業垃圾分揀。
走出「獨步武林」
高質量工業資料讓 AI 釋放生產力
西門子掌門人博樂仁（ Roland Busch ）曾表示，人工智慧這項技術單獨存在是沒有任何意義的，你只有把它放到各個行業中去，才會產生巨大效益。
然而，工業資料的質量和可得性一直制約著當前 AI 規模化應用。在中國大量的工業製造現場，資料種類紛繁複雜，質量參差不齊，只有大量且高品質的工業資料才能訓練出可靠的工業模型，而這些合格的工業「養料」從採集到使用並不是一件易事。
作為擁有 177 年曆史的工業巨頭，西門子業務版圖橫跨 40 多個重點行業，服務超過 40 萬家客戶，憑藉龐大市場份額沉澱下海量工業資料資源，成為其在數字化時代的核心競爭力。
正在開發和訓練的西門子首個時序資料的基礎模型 GTT 1.0 就是這一天然優勢的集中體現。GTT 1.0 目前由 330 多億高質量時序資料點訓練而成，這些時序資料涵蓋離散製造、流程工業、能源、交通、樓宇等多領域。在多個公開域測評任務中，無需微調，該模型即可展現出優秀的預測能力，解決工業場景中的趨勢預測、異常檢測等時序分析問題。
管中窺豹，西門子工業資料的「獨步武林」不僅是體量上，更體現在質量、多樣性和專業性上，是近些年頻繁現身工業展會的網際網路巨頭和許多工業同行難以企及的。而這些優勢，都深植於西門子在工業硬體和軟體領域的全面佈局與深度融合。
作為全球領先的工業系統和裝置提供商，西門子的硬體產品線極其廣泛。其工控系統作為傳統企業數字化的基石，控制器（ PLC ）在全球三分之一的工廠中得到使用。這些基礎設施能夠直接從機器、裝置等資料來源頭採集覆蓋生產各個環節的海量工業資料。
例如，西門子 Industrial Edge 邊緣計算平臺可以部署在靠近資料來源頭的位置，實現資料的採集、處理和分析。同時，西門子的自控類產品與系統可以實現資料的寫入與實時閉環控制。
更重要的是，西門子深度參與了現場匯流排、工業乙太網等通訊協議的制定，使其能夠以極高的顆粒度和準確性採集現場層資料。
正如幾年前博樂仁接受《財經》專訪時所說：「我們是有行業知識的，這是因為我們在做大量的相關硬體，這是決定性因素。」
同樣，在軟體領域，西門子也展現出強大實力。作為全球十大軟體企業之一，在汽車行業，世界前 10 的整車企業中，有 9 家使用西門子工業軟體。十幾年來，透過一系列戰略性收購和技術沉澱，西門子逐漸構建起一個全面的工業軟體生態系統，使得不同層級（如裝置層、車間層、企業層）、不同系統（如MES、PLM）、不同部門（如設計、生產、服務）之間的不同型別資料的整合和協同成為可能，形成西門子獨有的資料優勢。
從火車到汽車，從電力裝置到醫療器械，西門子不僅是這些產品的製造者，也是使用者。這種「知行合一」的經驗，加之「軟硬兼施」的全面佈局，最終構築起西門子無以倫比的資料生態優勢。
打通任督二脈
行業知識的充分澆灌讓 AI 學會工作
由於工業資料的複雜性遠超一般認知，除了常見的影像和文字資料，工業領域還包含了諸如邏輯控制類、時序資料以及各種影像和 3D 模型等多種模態的資料。理解和利用這些資料需要豐富的工業背景和經驗。
比如，當觀察到軸承溫度上升到 80°C ，且振動頻率增加 20% 時，IT 人員可能只能識別出存在異常，而經驗豐富的 OT 工程師能預測 48 小時內可能發生嚴重故障。
「 AI 要從消費走向工業，就必須深度結合工業場景，打通數字和機理的任督二脈，以安全、可靠、可信的工業級 AI，實現生產力的飛躍，」西門子全球執行副總裁、西門子中國董事長、總裁兼執行長肖松在 2024 WAIC 產業發展全體會議上的發言中談到。
西門子全球執行副總裁、西門子中國董事長、總裁兼執行長肖松在2024 WAIC產業發展全體會議上發言。
現在看來，這一見地恰如其分地解釋了為什麼 Industrial Copilot 這樣的工業生成式 AI 產品會出自西門子之手。
與 Python 、Java 等高階語言相比，PLC 程式語言如梯形圖（ Ladder Diagram ）和指令表（ Instruction List ）是專為工業控制而生的，與硬體知識密不可分。這種深度的硬體依賴性，使得開發工業 AI 系統的難度倍增。而且，為工業裝置編寫 PLC 程式碼意味著接受一場關於精準性和可靠性的嚴苛考驗，容錯率近乎於零。
為幫助大語言模型勝任這些挑戰，西門子提供了大量的行業知識、實際應用案例以及專業領域的知識和規則，構建豐富的訓練資料集，確保生成的程式碼符合工業標準要求。
SiePA Xssistant 也是如此，它是西門子為其工業預測性分析軟體 SiePA 新配的「助手」。為了保證這個助手的回答既專業又實用，真正滿足工業使用者需求，研發人員應用了為工業專業領域應用量身打造的生成式人工智慧 QRA（ Question-Reference-Answer ）框架，將傳統 ChatBot 技術與 SiePA 中內建的西門子多年積累的裝置故障診斷經驗和專業知識庫相結合，為工業使用者打造了可以一直「陪伴」在身邊的行業專家，進一步為智慧工廠運維帶來面向未來的嶄新使用者體驗。
工業 AI 的成功落地遠非單純的技術應用，而是一場深度融合技術與經驗的複雜挑戰。不論是前沿的生成式 AI，還是常見的工業 AI 專案，其成功實施都離不開豐富的現場經驗和深厚的行業 know-how 。
沒有工藝工程師，工廠恐怕連 AI 檢測模型都建不起來，因為需要他們定義模型用來檢測什麼？應該檢測哪些點？什麼叫透過？什麼叫不透過？典型缺陷有哪些？一個模型幾十個引數，只有他們能夠準確判斷哪些引數至關重要，並理解調整這些引數對檢測結果的影響。此外，AI 模型輸出的結果還需要工藝工程師評估和解釋，並提出最佳化建議。
不僅如此，在複雜多變的工業場景中，AI 專案落地還會面臨跨學科、跨領域、跨產業的挑戰，這也是為什麼超過 80% 的中國製造業企業渴望 AI 解決方案供應商能夠提供全方位服務：從前期諮詢規劃到後期實施運維的全流程、端到端解決方案[1] 。只有像西門子這樣積累了「百年工業家底」（涵蓋產品與知識）的行業翹楚，才有可能遊刃有餘，量體裁衣。
光而無耀，靜水深流
AI 頻頻登上頭條， 讓人很難辨別哪些企業是這輪熱潮中真正的贏家，哪些企業會獲得更為長遠的成功。如果說在消費領域，純數字驅動的商業模式或許能夠快速崛起，在這浩瀚的工業棋局中，沒有一夜暴富的奇蹟。
170 多年前，西門子的創始人就在通訊和電網領域取得了開創性的技術突破。這種對科技創新的不懈追求已深深融入西門子的 DNA 。
早在 1974 年，西門子就參與到「互動式、自動、自然語言問答系統」的研究中， 並以「智慧計算機」為主題發表文章。眼前人工智慧的一切繁榮景象，那個時候都不存在，甚至還沒有出現在谷歌、微軟、亞馬遜等創始人的頭腦中。
在工業 AI 領域，西門子耕耘已經超過 50 年。1990 年代，西門子就為一家鍊鋼廠部署過神經網路。2003 年，西門子開始創造性地使用神經網路，三年後，全球約 60 家軋鋼廠配備了西門子的神經網路。2010 年代開始，西門子工業 AI 加速奔赴更多行業。
如今，西門子在工業 AI 領域擁有 1,500 多名 AI 專家，AI 專利申請數量達到 3,700 項，位居歐洲第一。AI 和數字化實驗室遍佈歐洲、美國和中國，為西門子探索工業 AI 的發展之路奠定了堅實基礎。
從技術創新到實踐落地的征途上，成功永遠在於捕捉真實的市場需求，構建可持續發展的生態和商業模式，併為行業創造真正的價值。
註釋
[1]：資料來源於西門子出版的《未來自動化 工業人工智慧白皮書 2022 》