作者：高飞

写在前边：西门子股份公司董事会成员、西门子数字化工业集团首席执行官奈柯在汉诺威工博会接受至顶科技等在内中国媒体采访时说，我们并非将AI视为工人的对手，而是视作帮手，因为AI擅长处理重复枯燥的任务，机器人也能承担高难度的作业。事实上，AI技术的最大挑战更在于如何产生文化认同。如果企业文化无法接纳AI，AI也就难以取得成功。这段话，或可以作为西门子工业AI的一个思考脉络。

AI，尤其是大模型为代表的生成式AI，在工业中使用的难点和门槛是什么，又该如何解决和跨越，是过去几个月在我脑海中一直盘旋的问题。起因是至顶AI实验室在年后发布的一份《DeepSeek完全实用手册》。指南非常受欢迎，有几万份的下载，现在每天还在不断增加中。

但指南发布后，陆续有很多企业IT技术负责人问过来，是否有专门针对企业AI，尤其是在工业制造中使用DeepSeek等大模型的方法论。

在我们的指南中，这些内容有一些，但不够多。

不过，没有更多呈现这些信息并不是我们的初衷，也就是不是不想多写，而是在撰写报告时发现，企业AI、工业AI方面的热度不低，但相关讨论素材却较少。

这就涉及到了一个非常有意义的话题，AI在消费者市场，和企业级市场的发展境遇，几乎完全不同。

在消费者市场，AI可以说风生水起。

一两周前，OpenAI发布了更新版的GPT-4o功能，升级了风格转绘功能。大量用户用它生成吉卜力风格的图片。据OpenAI CEO 山姆·奥特曼说，这个功能火爆到让ChatGPT一个小时，就增加一百万用户。

但这样的杀手级应用，在企业级AI、工业级AI领域就没怎么被看到。大概，这就是ToC市场，和ToB市场的舆论传播量级区别了。

赫耳墨斯、工业AI助手、西门子

所以，当我决定参加两周前在德国举行的汉诺威工业博览会（Hannover Messe）（简称汉诺威工博会）时，一个核心想法，就是想为工业AI方法论找到、总结出一个脉络。

三天的展会日程结束之后。我的感受是，西门子正在为工业AI提供一种很有启发的解题思路。

先让我们从汉诺威工博会说起。

汉诺威工博会的标志很有特色，是希腊神话十二主神之一的赫耳墨斯（Hermes）。

这个标志历史悠久，是德国已故知名平面设计师保罗·拉德马赫的作品。

拉德马赫在1947 年首届展会（当时还叫“汉诺威出口博览会”）开幕时就将它创作出来。此后，展会一直沿用，距今有近八十年的历史。赫耳墨斯是希腊神话中商人的保护神，作为交易展会的标志，当然很恰当。

2004年，汉诺威工博会第一次设立了官方奖项，名字也叫“赫耳墨斯”（HERMES AWARD），表彰在展会上展示了技术创新的公司和机构。

这让人感受到了组委会的另一重用意。因为赫耳墨斯除了是商人的保护神，还是跑得最快的神。我想用这个名字来赞赏创新，实在是再合适不过。

西门子的“Industrial Copilot”（西门子工业AI助手 ）产品，则荣获了今年的汉诺威工博会的赫尔墨斯奖。而它就是一个跑得很快的创新，据西门子说，它是首个针对整个价值链的工业环境的生成式人工智能（AI）产品，从设计、规划、工程到运营和服务。

这款产品的重要剧情，几乎也都发生在汉诺威。

2023年，西门子和微软在展会上共同展示了对生成式人工智能助手的愿景。随后的2024年，西门子在汉诺威正式发布了相关产品。今年汉诺威工博会2025把赫耳墨斯奖给了此前一年发布的产品。

我觉得这个时间差，正好说明了工业应用和消费应用的一个区别。

在工业领域，产品创新很快固然很重要，能够被真实商业世界用更长时间去验证同样很重要。实际上，西门子今年在汉诺威也确实公布了多个工业AI助手的实际用例。

所以，这时我的第一个感受，工业AI需要跑得快，更需要跑得稳。

其实，在个人消费级AI市场，甚至是专业编码开发领域，大家对 Copilot 类产品工具应该已经不陌生了。Github Copilot、Cursor、bolt.new、Replit等等不一而足。

所以，为什么消费级和工业级产品，会有这样一个时间差。进而，为什么是西门子开发出了这个产品。这两个问题，就和我们要讨论的大主题息息相关了。

接下来，我们要从工业AI的特殊性，或者说是难点谈起。

工业AI的三个难点

通过和展会上与西门子相关发言人的交流，对于工业AI落地的难点，我得到了三个关键词，分别是数据、容错、知识。

我们首先说数据。

大家知道，AI的核心三要素是算法、算力、数据。其中数据无疑是关键。OpenAI研究员Jbetker在2023年写过一篇技术博客说，根据他的观察，所有的模型，只要训练数据集相同，不管你用什么样的算法训练，最终模型的性能会非常的接近。

因此，我们甚至可以说，数据集就是模型的基因。

而与通用大模型预训练所用的Internet互联网数据相比，工业数据具有显著的特殊性和复杂性

正如西门子数字化工业集团CEO奈柯（Cedrik Neike）在接受至顶科技在内的中国媒体采访时所言，通用大语言模型在处理日常互联网数据时表现突出，但工业模型需要完全不同的数据。比如工业领域会涉及很多多模态数据——三维设计数据和时间序列数据。这些数据在互联网上是不存在的。

其次，工业领域对AI系统的容错率要求极为严格。

西门子AI实验室负责人Robert Lohmeyer告诉我们，工业AI与消费级AI的一个根本场景使用上的差异在于可靠性和确定性。

在某些消费场景，偶尔的不确定性是可以接受的，但当AI被用于自动驾驶、自动控制等高风险领域时，任何不确定性或错误都是完全不可接受的。

系统的精确性、安全性必须得到绝对保障，这使得工业级AI面临更高的技术与成本挑战。

最后，要真正实现AI技术在工业领域的有效应用，跨领域的专业知识必不可少。工业环境中的AI应用涉及接口兼容性及部署等工作。

要用好AI，尤其是生成式AI，更需要深入理解具体的工业场景。

甚至，如果完全不懂工业场景，面对问题时，可能连提示词怎么写都不知道，更不用说开发出一个工业AI产品。

但是，显然西门子的“Industrial Copilot”在解决这些难题。据其官方信息，如果工业工程团队使用自然语言（工程师母语）为可编程逻辑控制器（PLC）生成控制代码，可以使SCL（结构化控制语言）代码生成速度提升约 60%，不仅显著降低出错率，也可减少对专业知识的依赖。

短短一段话，就完整涵盖了刚才我们所说的三个难点：数据、容错、知识。尤其是第一点：数据。

所以，我们的第二个体会就是，数据是工业AI的主要拦路虎。

当我问西门子股份公司数字化工业集团过程自动化首席执行官Axel Lorenz，什么是工业AI落地的第一个挑战。他的答案也是数据。

他认为，我们需要大量优质数据来构建有效的模型，这不是简单的可信AI问题，要开发高度智能的Copilot或AI解决方案，我们必须获取大量且正确的数据。

从PC到PLC：工业数据的一个起点

数据问题对任何人都不容易，包括西门子。但是，西门子有一个天然性的优势。

如果说数据是模型的基因，那么西门子具备生产工业数据的基因。毕竟，西门子在工业领域已经有150多年的深厚积累。

在AI方面，早在1973年，西门子就获得了第一个AI专利。

1995年，西门子又推出了第一个基于神经网络的控制优化钢铁焊接解决方案，当时正值AI的"寒冬"时期。

现在，这家公司已经拥有超过1500名AI专家，其中约250名专注于基础技术研究，并拥有超过500个活跃的AI专利家族。

将大量行业知识与AI技术结合，使得西门子能够更容易解决数据问题。我想这也是它率先开发出工业AI助手的原因吧。

说到这儿，我想多讲一下西门子的一款产品——PLC，这也是在“Industrial Copilot”发布中谈及的技术。

我想将PLC和一个我们更熟悉的产品PC，做一个类比。

微软公司最近在庆祝成立五十周年，创始人比尔·盖茨讲了一段话，说AI时代的价值在于智能的免费（低成本），而当年他所创造的PC革命，则是计算的免费——也就是让人人都能买得起，用得上的个人电脑。

这和后来的大模型革命息息相关。因为如果没有PC的普及（等同于计算的普及），就不会有人人上网。没有人人上网，也就没有互联网这个大数据集的创造。当然，我们也不能忽视智能手机，移动互联网的数据创造，但是PC互联网确实是第一个起点。

而如果说消费者互联网的第一个重要硬件载体是PC，那么工业互联网的重要硬件载体应该就是PLC了。

PLC的全称是可编程逻辑控制器（Programmable Logic Controller），诞生于20世纪60年代，其兴起与汽车工业自动化生产的发展密切相关。

在PLC诞生之前，汽车制造业的自动化生产，如一般控制、顺序控制以及安全互锁逻辑控制等环节，完全依赖大量的继电器、定时器及专用闭环控制器。这些设备不仅体积庞大、噪音严重，每年的维护成本也极为可观。

而且，继电器-接触器系统繁琐的线路检修对维护人员的专业技能要求极高，无形中增加了企业的人力和运营成本。

为解决上述问题，美国通用汽车公司于1968年公开招标，寻求一种新型自动控制系统替代传统的继电器系统，并提出“通用十条”设计指标。

第二年，美国数字设备公司（DEC）基于此要求，成功开发了首台PDP-14控制器，并成功应用于汽车自动化装配生产线，标志着世界上第一台PLC的诞生。

巧合的是，PLC的发明在时间线上，几乎和PC（个人电脑）时间线完全重合。

1962年11月3日《纽约时报》在相关报导中首次使用“个人电脑”一词。1968年，惠普公司第一次将其产品Hewlett-Packard 9100A称作“个人电脑”，和“通用十条”发布就在同一年。

这次在汉诺威，我注意到，当工业领域专家要向普通人解释何为PLC时，通常会简单的说，“你可以理解它就是工业中的PC”。

不过，正如最终将PC发扬光大的是IBM，PLC后来的蓬勃发展，主要推动者之一是西门子。

西门子的PLC产品品牌叫SIMATIC。名字最早来自1958年西门子发布的锗晶体管工业控制系统（也是工业自动化时代的开始标志之一）。

1979年，西门子一款重要的PLC产品SIMATIC S5系列产品问世，它采用STEP 5编程工具，这是最早的计算机化PLC编程工具，使复杂过程控制成为可能。

此时的PLC，其实也和PC很像了，能编程，能开发，更具通用性。

经过超过半个世纪的发展，西门子现在已是全球PLC市场的领导者，SIMATIC系列产品在这个几百亿美金的工业自动化市场占据主导地位。在中国市场，西门子占据PLC市场四成的份额。

由于PLC是直接与物理设备交互的第一层控制单元，负责采集各类传感器数据和执行控制指令，所以它生成的是最基础的工业实时数据。

PLC数据沿着工业金字塔向上流动，又为更高层次的MES、ERP等决策系统提供了底层的数据支撑，为分析提供基础。

从这个意义上说，如果说PC就是大模型训练数据的起点。参照类比，我们应该就可以说PLC上跑得实时数据，是工业数据的起点了。

也因此，如果要开发大语言模型相关的AI工具，一个PLC相关的Copilot产品也就实在是再合适不过了。

这就是我们刚才所讲的，西门子能够率先开发出“Industrial Copilot”，和它在这个领域的根基密不可分。

PLC所使用的SCL（Structured Control Language） 编程语言，是一种专用工业语言。虽然这种工业语言语法并不是秘密，但是生成高质量的可靠代码或者提出有价值的调试意见并不容易。

我曾经问过通用大模型领域，开发者口碑最好的Claude模型，它是否能生成可靠的用于工业生产环境的SCL代码。

模型回复说，它可以生成相关代码，但是有这样几个问题需要使用者慎重考虑：

1、代码验证- 任何用于工业生产环境的代码都必须经过严格的测试和验证。我提供的代码应被视为参考实现或起点，而不是可以直接投入生产的完整解决方案。

2、安全考量- 工业环境中的控制系统直接影响到设备、流程和人员安全。所有代码都需要经过安全审核，并实现适当的故障保护机制。

3、特定硬件适配- SCL代码需要针对特定的PLC型号、固件版本和I/O配置进行调整。

4、专业认证- 在许多地区，工业控制系统的编程必须由持有相关认证的专业人员执行或监督。

5、文档和标准- 生产环境的代码应遵循行业标准和公司规范，包括适当的注释和文档。

所以，最后Claude模型建议：只能将它提供的代码作为学习资源或概念验证，然后由具备工业自动化资质的工程师进行适当的修改、测试和验证，才能确保它们适合特定的生产环境和安全要求。

显然，虽然我并没有亲自上手过“Industrial Copilot”，但我相信这些问题，一定在西门子AI工具设计的考虑范围之内。

不知道大家有没有发现一个很有趣的巧合。五十年前，西门子首先将计算机化编程带到了PLC产品，五十年后的今天，又是西门子，将生成式AI编程，应用到PLC产品。

这次在汉诺威，我也发现，西门子还在推动PLC自身的升级换代。正如PC个人电脑也有虚拟化云电脑的使用方式。西门子在致力于用软件重新定义PLC，也就是虚拟PLC。

西门子数字化工业集团首席执行官奈柯对此做了一个总结：这是一次巨大的技术飞跃，这一突破意味着，控制系统不再依赖部署在机器或机器人旁的传统硬件，而是由远在数公里外的数据中心的虚拟控制器远程运行。

目前，西门子正在与奥迪合作虚拟可编程逻辑控制器（vPLC）的具体落地。

我们在这个章节的故事中，很明显看到了一种传承与创新。

所以，这里的体会就是，工业AI产品的打造，不相信“一夜炸场”，更相信“做时间的朋友”。

AI才是老师傅的关门弟子？

说到传承，我们正好可以继续借这个词，讲一讲工业AI助手的价值。

这半年来，我和制造业朋友交流很多，深刻感觉到，虽然工业讲得是传承，但是对于具体在工厂中工作的人而言，技能传承确实越来越难了，这就是所谓的“老师傅”缺乏问题。

如果说在工业领域构建大模型的三个难点是数据、容错和知识。

那么工业制造行业所面临的挑战也是三个：人力短缺、产线灵活和运营可持续。

第一个短缺，就是熟练劳动力人才的短缺。随着人口老龄化的到来，和人们就业意愿的变化，制造行业的老师傅越来越少。

早在十年前，我曾参观国内一个龙头机械装备企业，当时我看到产线上有不少焊接机器人。我问厂内领导，用上机器就可以替代了人工吧。我到现在还记得他说的话，“这些活要是有很多人能干，也愿意干，我都不会上机器”。

所以，虽然我们总在谈AI取代人类工作，但是在工业领域，不是用AI取代人类工作的问题，而是人类越来越少（或者说不喜欢）在这个行业工作的问题。

奈柯在接受采访时说，我们能看到在中国、德国和G7国家，"工厂劳动力在持续减少"。

西门子AI技术专家Robert Lohmeyer也在和我们分享中提到，西门子研发工业AI助手Copilot的重要原因之一即是应对职位空缺问题：

"研发Copilot的另一个重要原因，除了直接提升生产力之外，还在于我们正面临着一波巨大的职位空缺。这种情况在中国可能也类似，许多工程专业人士如今已经60多岁了，他们很快会退休。“

这时，如果我们有类似西门子“Industrial Copilot”的工具，就可以帮助到工业企业解决新老员工传承，新旧知识交接难题。

西门子一名中国技术专家在展区现场，用一个“气包温度”（气包，也称为蒸汽包或汽鼓，通常是锅炉或蒸汽发生系统中的一个关键组件，用于存储和分离蒸汽与水的混合物）的具体举例，说明了AI如何保留"老师傅"的经验。

"老师傅的经验是非常宝贵，比如假设我们要让工厂里的气包温度达到305度，老师傅凭30年的经验，三个参数一调就行。而且不是钱的问题，以前5万块钱可以调试，现在要10万，但是还是很难找到，因为老师傅也要逐渐退休了。所以，工业必须朝着人工智能方向发展。"

Robert Lohmeyer用自己的经验，印证了上边的例子：

"我有物理学和数据科学的背景，但其实我对西门子的机器如何运作也一无所知。我主要专注在AI和软件领域，但通过Industrial Copilot for Engineering，我能够直接询问'这台机器在做什么'之类的问题，并迅速得到回答。"

因此，工业AI助手技术的出现可以说恰逢其时，不仅工厂能够获得巨大的生产力提升，而且还可以在新工程师入职在第一天，就迅速上手工作。

所以，在这个部分，我们的结论就是：如果说工业界的人才因为社会老龄化，不可避免会出现断层，那么AI，就是存储压缩这些老师傅智慧的最好方法。

当然，西门子并未满足于AI助手这样一个工具性产品，而是从AI助手望向了模型本身。

在本届汉诺威工博会上，西门子宣布，将联手微软在Azure平台上共同开发首个基于行业特定数据的工业基础模型(IFM)。这个IFM将能够处理和语义理解包括三维模型、二维图纸、工业数据与技术规范在内的多维工业信息，进而生成基于专业工业数据的智能建议。

对此，奈柯表现的很有信心，他表示：大语言模型已经在通用消费环境中取得了显著进展，接下来将在工业网络环境中继续发展和进步。

有了杀手级应用工业AI助手Industrial Copilot，也有了工业基础模型IFM，看起来西门子的AI组合已经很完美了。

但是我觉得还需要提到西门子的另一个举措，而且是想象空间更大的一个愿景，这就是西门子的工业元宇宙战略。因为，它和工业AI简直可以说是一体两面。

从数字孪生到工业元宇宙

AI和元宇宙，是最近五年最受关注的产业议题。

不过，在技术演化史上，我们正在目睹一个奇特的现象：大模型与元宇宙这两个技术轨道，在消费者市场呈现出截然相反的市场渗透路径。

AI在消费者市场大行其道，我想一个原因就在于你可以与ChatGPT讨论一个不存在的世界。即使有幻觉，也对现实无害，也无需承担现实的物理约束。

但是，就像我们刚才已经讨论过的，AI在工业领域落地，则难度陡增。

元宇宙技术的发展轨迹则几乎完全相反，当年虽然在消费者市场风头无二，FaceBook甚至为此改名Meta，但现在在消费者市场几乎无人问津。甚至连苹果的Apple Vision Pro都未能穿透应用的冻土层。

我想，原因就在于，元宇宙所定义的虚拟世界的成功建立，一旦要人深入其中，参与互动，就必然要体现在对物理世界的精确模拟基础上。

而消费级元宇宙之所以遭遇困境，不仅是因为缺乏足够吸引力的应用场景，更是因为它很难完全构建一个脱离物理规则的替代空间。

简单来说，真实世界是无限大的，消费者所在的现实世界也是无限大的，让现有技术模拟一个无限大，又无限逼真好玩的数字空间，是非常不现实的。

但在工业世界，元宇宙则反而更容易发挥其作用。

这是因为，在工业场景，无论是产品、产线、工厂还是供应链，虽然复杂博大，但这个工业真实世界依然是一个有限场景。

只要是有限场景，就会相对容易模拟。

对我们今天的故事主角西门子来说，它还有一个非常好的基础，那就是其数字孪生技术。

西门子曾提出“全面数字孪生”这一独特概念，旨在实现产品、生产和性能三个维度在其整个生命周期中的无缝集成与连接。

这不仅仅是单个产品的虚拟模型，而是连接开发、生产和运营流程，整合产品生命周期、工厂/设备生命周期以及性能数据的整体虚拟表示。

这种全面性，可以让工程师能够获得可操作的洞察，做出明智决策，从而持续优化产品和生产 。

这里，我们将西门子的数字孪生分为三种类型：

1、产品数字孪生 (Product Digital Twin)：复制物理产品，用于产品设计、测试和仿真。工程师和设计师可借此分析产品在不同条件下的性能，在物理生产前优化设计和功能 。

2、生产/流程数字孪生 (Production/Process Digital Twin)：模拟和分析物理流程或系统的行为，如制造工厂、供应链或能源网络。用于实时监控、控制和优化运营，促进更好的决策制定 。

3、性能/系统数字孪生 (Performance/System Digital Twin)：在运营阶段，物理资产与其数字孪生并存。收集、分析来自真实生产或产品的性能数据，并反馈回开发环节，形成持续优化的闭环 。系统数字孪生则整合多个产品、流程的数字孪生，模拟复杂系统（如智慧城市、交通网络）的整体行为 。

大家应该注意到了，西门子强调数字孪生要可执行：不仅是虚拟复制品，更能实时执行、模拟虚拟模型并与之交互 。

不知道大家有没有感受到，西门子的数字孪生做到高级阶段，其实已经离元宇宙非常接近了。

而对于工业元宇宙，西门子则定义为一个持久的（always on）、并发的（支持无限用户和资产交互）、沉浸式的数字世界，用于镜像和模拟真实的工业资产。

其核心目标是利用这个虚拟环境实现更紧密的虚实结合，通过物理精确、照片级真实感、实时的仿真、数据分析和人工智能，获得新的洞察，优化产品设计和制造流程，从而解决现实世界的问题 。

西门子不止有对数字孪生和工业元宇宙的定义，更有一系列非常成熟的产品技术组合。

比如：Simcenter 是西门子用于仿真和测试的核心产品；Tecnomatix 专注于制造过程和工厂仿真；NX 软件集成了强大的 CAD 和 CAE（仿真）能力等等。

而且，西门子还在不断在这个领域增加投资，短短几个月内已经完成两笔重量级收购。一宗是2024年10月宣布的、2025年3月完成的100亿美元Altair Engineering收购，以及汉诺威工博会期间宣布的51亿美元Dotmatics收购，总计超过150亿美元。

这两笔收购不仅丰富了西门子的技术储备，还将数字孪生技术的应用从传统制造业扩展至生命科学领域，预计将为西门子带来110亿美元的新增市场空间。

西门子股份公司数字化工业集团过程自动化首席执行官Axel Lorenz在汉诺威也接受了我们的采访，他说从药物研发到上市需要8到10年的时间，西门子希望能通过将现实世界与数字世界相结合来大幅加快这一进程，为制药行业从实验室研发环节到生产环节提供各种不同的软件工具。

如果说数字孪生是物理资产或流程的可执行虚拟副本，而工业元宇宙则是利用这些数字孪生进行沉浸式协作、模拟和优化的持久性数字环境。

元宇宙很重要的一点就是面向人的优化，真实或者说逼真是一个重要的升级特征。

而一旦这样的数字孪生和工业元宇宙真正落地，那么这个数字空间的一切数据，都可以得到有效的数据，又会协助我们所说的工业大模型的构建，这就是我们所说过的，工业AI和工业元宇宙，其实是一体两面。

所以，这个部分，我们可以得到的结论就是：如果说互联网是大模型的先导程序（因为提供了数据），那么数字孪生和工业元宇宙，就是工业AI的先导程序（道理相同）。

而说到这儿，我们这里就可以再谈及西门子另外一个合作伙伴，英伟达。

就像西门子AI助手“Industrial Copilot”是2023年就开始酝酿，最终由西门子和微软共同打造出的产物。

在工业元宇宙领域，我们看到了另外一个西门子的重要伙伴“英伟达”。

他们的长期合作，时间始于2022年。在那个时间点，甚至ChatGPT还没有发布。

英伟达官方频道2022年7月份曾发布了一个圆桌对话视频：西门子股份公司董事会主席、总裁兼首席执行官博乐仁，英伟达CEO黄仁，和宝马集团董事会成员Milan Nedeljkovic共同参与的一次对话，讨论的就是关于工业元宇宙的合作。

这场对话的含金量很高，可以完美解释西门子为什么可以让工业元宇宙更进一步，甚至也触及了之前我们所讨论的元宇宙和AI的关系，我在这里做一下引用。

西门子股份公司董事会主席、总裁兼首席执行官博乐仁在对话中表示：

西门子十多年来一直致力于数字孪生技术的发展，目前已能提供业内最全面的基于物理模型的数字孪生体系。

"我们的数字孪生不仅外观逼真，更能准确模拟实物的行为特性。它能精确呈现现实世界中系统的功能和表现。"博乐仁表示，"当产品受到震动、加热或运行特定软件时会有什么反应？数字孪生可以告诉你答案。"

黄仁勋则对西门子的工作给予相当肯定，他补充：

"如果观察过去十年工业数字化转型的历程，西门子在奠定数字化基础方面发挥了重要作用，引领众多企业将设计信息、运营信息、规划和制造信息全部数字化。下一个十年将更加激动人心，这将彻底改变工业领域，就像互联网改变消费领域一样。"

黄仁勋又进一步说：

推动工业变革的两项关键使能技术，就是人工智能和工业元宇宙。因为，"我们虽然已经在人工智能领域取得了巨大进展。如今，我们能够开发出人类无法编写的软件，实现感知、传感、推理和执行功能，效果近乎神奇。"黄仁勋认为，"但要真正实现工业AI的开发和部署，就还需要实时虚拟世界，元宇宙的支持。"

黄仁勋解释，与互联网服务中的AI不同，工业AI面临两大独特挑战：一是它必须理解物理世界规律；二是它的决策涉及安全与生命安全等重要因素。因此，工业元宇宙必须能以完全真实的方式实时模拟物理世界。

在去年的2024世界人工智能大会（WAIC 2024）的产业发展主论坛上，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《以AI重塑产业未来，化想象力为生产力》的演讲中说：人工智能技术的爆发式增长，必将加速“工业元宇宙”的实现，丰富“工业元宇宙”的内涵，并最终重塑整个产业价值链。

这些高管的洞察，几乎是我们上边所有论述的精确概括。

ONE TECH COMPANY：工业生态如何加速？

在本届汉诺威工业博览会上，我们看到，西门子和英伟达等方面的合作，已看到成果，正如西门子和微软双剑合璧的Industrial Copilot。

西门子在会上重点展示了Teamcenter Digital Reality Viewer，这是西门子 Xcelerator与NVIDIA Omniverse技术的首次集成。该解决方案可显著提升可视化与仿真能力，使用户能够创建沉浸式、逼真的数字孪生模型，从而获得设计和操作流程的关键洞察。

西门子还展示了 Simcenter STAR-CCM+ 如何借助 NVIDIA 加速计算平台及其 CUDA-X™ 库，在不影响仿真精度的前提下，显著提升仿真效率。

不知道大家有没有注意到，刚才我们提到了西门子 Xcelerator——一个开放式数字商业平台。我想，这又是一个西门子值得关注的举措。

但是要讲西门子 Xcelerator，还要从一个西门子更大的战略说起：One Tech Company。

西门子是一个扎根工业的公司，但自2024年起，西门子就升级了它的使命愿景，将自身定位为“西门子股份公司（总部位于柏林和慕尼黑）是一家专注于工业、基础设施、交通和医疗领域的科技公司”。

这就标志着西门子已经从传统工业集团向聚焦软件、人工智能（AI）和数字化的统一技术公司的战略重心转移，旨在实现更强的客户聚焦、更快的创新速度和更高的盈利性增长。

而西门子几年前新推出的西门子 Xcelerator 平台，就与“ONE Tech Company”战略计划之间存在着密不可分、相互依存的共生关系。

西门子在其官方沟通中，始终将西门子 Xcelerator 定位为实现“ONE Tech Company”愿景的关键推动者、“重要支柱”或“基石” ，该平台包含了三个核心内容：

一、一系列业务组合，即基于标准API构建的软件、服务及物联网硬件的模块化业务组合，包含来自西门子及认证合作伙伴的物联网（IoT）硬件、软件和数字化服务，并正逐步向模块化、云连接和基于标准 API 构建转型；

二、一个由大型科技公司到中小企业等各类认证合作伙伴组成的、持续发展壮大的生态系统，他们在西门子的管理和治理下贡献解决方案并共同创造价值 ；

三、一个用于发现、学习、交流及交易解决方案的线上 Marketplace，它不仅是产品目录，更是连接客户、伙伴和专家的社区空间，并设有 API World 板块及针对中国市场的本地化平台 。

上边三个段落的信息量可能过大。如果让我用更简短的话去总结西门子 Xcelerator 战略的核心，我想就在于将公司深厚的工业领域知识与尖端的IT/ AI 技术（特别是来自合作伙伴的）相结合。开放，是这一战略非常重要的修饰词。

因为这样，西门子和伙伴就能根据针对具体的工业场景提供更有效的解决方案。

实现：西门子提供平台支撑，合作伙伴提供专业方案，最终客户共创新型场景。

在展台上，我们看到了西门子的中国合作伙伴，也就是国内3D打印初创科技公司“三迭纪”的身影，双方的合作，就是一次很好的尝试。

西门子中国执行副总裁、西门子大中华区数字化工业集团总经理王海滨曾对此解释，双方会将增材制造技术应用于药品生产，串联研发和生产，实现从需求到交付的端到端模式的变革，进一步打开“万物皆可打印”的想象空间。

所以，我们可以最后得出的一个工业AI的结论就是：工业AI无法闭门造车，只有让整个生态紧密关联，才能各显其能，优化模型。

最后，我再补充一个额外的感想。

虽然，我们用了一个很大的篇幅介绍西门子的新战略、新技术，但是我也会发现，西门子的举措，目标都很聚焦，是在一个比较垂直的赛道中下功夫。

奈柯表示，西门子近年的核心想法是不再追求规模扩张，而是转向智能化升级。

以西门子德国埃尔兰根F80园区为例，这是一座建于1970年代的老厂，西门子在面临其未来发展的抉择时，最终选择了再次追加投入改造，将其翻新打造为全球最具现代化的工厂，最终实现面积不变，员工数不变，但是产值加N倍。

王海滨也在采访中告诉我们，回顾过去三四十年的业务发展，工业的增长主要依靠产能扩张。但展望未来，产能扩张的幅度可能不会像过去那样大，取而代之的是工厂内部的能力提升，比如AI应用、技能提升、绿色发展、能源转型等方向。

我想，西门子虽然在对外提供工业技术，但是本身也是一家工业企业（比如，比如西门子数控南京有限公司就是西门子打造的首座原生数字化工厂，也是一个工业元宇宙范例）。

所以，才会有这些当前环境下，制造业企业主听起来会感同身受的体会吧。

在汉诺威工博会期间，我参观了西门子德国安贝格IMPULSE中心。在一块展板上我看到了这样一句话，写到：“We use what we sell”。