作者｜周雅
在消費級AI賽道，通常大家關心模型又學會了什麼：能不能寫更長的代碼，生成更逼真的影片，或者完成一次更複雜的推理。
工業AI賽道面對的問題更實際：它會不會讓生產線停下來？這是因為在工業現場，「生成一個答案」和「交付一個工程結果」，中間隔著一整套生產責任。
這可能是理解當下工業AI的一條重要分界線。
「工業AI邁進現實」，這是西門子在2026世界人工智慧大會（WAIC）的一場論壇主題，而「邁進現實」四字，現在分量更重了。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，在開場演講時講了一句話，這已經是他連續第三年在WAIC上講的話：
「消費AI創造頭條，工業AI產生實效。（Consumer AI makes the headline, industrial AI makes the real impact.）」但是他說，今年的感受，比以往任何時候都更強烈。
01/
「廠長的四個問題」
肖松在演講里給了一個非常具體的場景：一台具身智能
進工廠，廠長會關心什麼？
他給出的答案是四個問題：「它能不能適配現有的運營系統？能不能穩定完成任務？需要人工多久介入一次？失誤率是多少?」
這四個問題是判斷工業AI價值最直接的一把尺子，AI越是在工業場景里「向實」，要能夠被工程師、被廠長、被真實的生產流程「信得過」。
肖松用了一個短語——「AI for Real」（AI向實而行）。他說，工業AI向實而行，不是把模型、算法簡單搬進工廠，也不是做幾個漂亮的demo，而是真正把技術的浪潮推進到產業的縱深，讓智能吃透工藝機理、流程約束和工業數據，讓AI真正有用、好用，可以放心用。
但現實情況是，目前的工業AI發展中，正在出現一種「錯配」。
一邊，企業希望建設更多設備、交付更多項目、進入更多市場，業務規模可以迅速擴張；但另一邊，工程能力通常只能逐步增加，產品越複雜、客戶需求越個性化、交付周期越短，工程師要處理的項目差異、控制邏輯和協作成本就越多。
西門子數位化工業大中華銷售區工業AI與數位化產品經理宋元明一針見血指出：「每一家成功的公司最終都會面臨同樣的局面，業務雄心呈指數級的增長，而工程能力只能漸進式提升，這個缺口就成了增長瓶頸。」
這並不只是西門子一家之言。早在2017年，教育部、人社部、工信部發布的《製造業人才發展規劃指南》就預測，到2025年，中國製造業十大重點領域的人才缺口將接近3000萬人，其中智能製造領域人才缺口預計約450萬人。2024年一項有關工程師隊伍的調研還提到，大量製造企業反映，工科畢業生通常需要經過2至3年的企業培養，才能真正適應工程崗位。企業缺的因此不只是「更多人」，而是能夠理解工藝、設備、軟體和生產約束，並把複雜項目按期交付的工程能力。
宋元明分析兩條不同路徑的底層邏輯：「消費級AI創造的是可能性，而工業級AI創造的是可信性。消費級AI理解語言，工業級AI理解工程。」
「理解語言」和「理解工程」的不同之處在於，理解語言的AI，能夠回答問題、能夠生成文本、能夠寫代碼；但理解工程的AI，需要在此之外，還能理解PLC文件庫、驅動器、工程規範、項目結構、行業標準。
於是，西門子正式亮出了它的工程智能體——Eigen Engineering Agent（Eigen工程智能體），並正式面向中國市場發售。
02/
Eigen工程智能體的what、why和how？
Eigen這個名字來自德語單詞「eigen」，字面含義是「自身的」。在工程領域，更為工程師所熟知的是「特徵值(eigenvalue)」這一概念——能在周圍環境劇烈變化時始終保持恆定的數值。
西門子把這個數學概念拿來作為產品名字，是給這個AI一個非常明確的定位：在AI技術劇烈演進的當下，它要成為「穩定可靠、能真正落地」的那個特徵值。
WAIC並非Eigen工程智能體的首次亮相，它於2026年4月23日在漢諾威工業博覽會上首次全球發布，而這場WAIC上的宣布，是它在中國市場的正式落地。
那麼Eigen工程智能體到底做的是什麼?
按西門子官方定義，它是「全球首批正式商用、可自主規劃執行工業自動化工程任務的AI系統之一」，可以嵌入到自動化開發的關鍵工作流，完成PLC編程、HMI可視化、設備配置、項目理解及工程規範轉化等任務。執行過程中，系統可以對需求進行拆解和規劃，生成工程結果，並在關鍵節點交由工程師確認。
宋元明進一步指出，Eigen工程智能體不只是單純生成代碼，不只是生成工程產出，而且能夠確切的執行工程任務，能夠進行規劃、執行、反思，響應任務，完成工作。「我們自身的工程師就是這樣的工作方式。」
肖松在演講里舉了一個具體的行業場景：汽車、機械製造行業的切割工段。過去，切割精度下降時，工程師必須趕到現場排查並修改PLC程序。現在，只要輸入自然語言指令，Eigen工程智能體就能理解需求、協助分析問題、拆解任務、生成代碼，並持續疊代優化，在關鍵節點由工程師確認執行。
Michael Schrapp補充了另一個使用場景：「翻譯和理解工作流中使用的不同語言」。這一句聽起來抽象，但對全球化製造企業來說是一個很實在的痛點。一家中國的汽車零部件供應商，可能同時要給德國、日本、美國的整車廠供貨，每一家的工程標準、軟體規範、注釋語言都不一樣。Eigen工程智能體能夠在這些標準之間做翻譯和轉換，讓工程團隊之間的協作從「來回溝通幾個月」縮短到「共享一個可執行的工程輸出」。
這兩個場景不失為「工業級AI理解工程」的註腳，這背後其實是一整套跨語言、跨標準、跨工程團隊的協作能力。
而我們再看具體數字。據西門子披露，從4月發布到7月中國上市，三個月里，Eigen工程智能體已在全球19個國家、100多家企業開展試點；在部分工業自動化工程任務中，執行效率達到人工流程的2至5倍，工程效率提升50%，整體解決方案質量最高提升80%。「這些數字背後，正是在座各位最關心的幾個關鍵詞：效率、質量和可靠性。」肖松一句話總結。
反觀中國市場，同樣在躍躍欲試。肖松在現場透露，「就在前不久，我們向中國客戶開放了Eigen工程智能體試點申請，短短兩周，就收到數千位企業用戶報名。而且就在昨天，Eigen工程智能體斬獲了WAIC 的SAIL之星獎。」
「兩周數千位」這個數字，也反映了一個市場信號，它足以說明中國市場對於工業AI的需求，在快速走向「想部署、想落地、想規模化應用」。
此處，借用西門子數位化工業大中華銷售區數位化產品經理陳旻的一個形容詞：「工程解放者」，她說，「長期以來，自動化工程師的大量時間是耗費在組態，寫代碼和對參數這一類重複性的工作當中，真正把時間花在工藝方案、架構設計的時間非常少。有了Eigen工程智能體之後，我們就可以把自動化工程師解放出來，讓他們聚焦真正高價值創新的工作。」
攝於WAIC 2026西門子展台
03/
AI進廠之後，是騾子是馬，拉到產線上跑一跑
正所謂「是騾子是馬，拉到產線上跑一跑。」
這次在西門子WAIC展台現場的一角，我們看到一台由西門子和北辰循環聯合打造的電池模組智能拆解原型機。
西門子工程師告訴科技行者，這台原型機瞄準的是電池回收行業一個非常具體的痛點，不同車型的動力電池,型號、大小都不一樣，目前主要靠人工拆解，存在燃燒、爆炸、短路等安全風險。原型機基於西門子TIA博途全集成自動化解決方案，通過相機掃描電池模組的焊縫位置，自動鑽孔完成拆解，工程師只需要在界面上確認孔位是否正確。
而這台設備在開發過程中，用到了Eigen工程智能體。工程師在現場做了一個小演示：讓一個塔燈亮起來。你沒看錯，就是工廠車間隨處可見的、裝在設備頂上、告訴工人這台機器狀態是綠燈還是紅燈的那種圓柱形三色警示燈。
工程師打開Eigen工程智能體的對話框，輸入了一段描述——「我需要一個控制塔燈的程序」。幾秒鐘，程序生成，他把程序導進設備，過了幾秒鐘，塔燈亮了。
這個演示太快，以至於乍看可能並不覺得有什麼。但如果你旁邊站著一個PLC編程的工業自動化工程師，他大概率會盯著這個塔燈多看一會兒。
因為讓塔燈亮起來這件事，在工業AI的語境裡，並不容易。塔燈需要工業AI理解的，是「這個塔燈接在哪個PLC上、這個PLC用的是什麼型號、這個型號的編程語言是Ladder還是SCL、這套自動化系統的I/O地址如何分配、和現有的報警邏輯如何對接」，這些都是工程語義，不是自然語言語義。
Eigen工程智能體在現場做的這個演示，從對話框輸入，到程序導入，到塔燈亮起來。它是一段可運行的自動化程序，直接落進了一台真實設備。這才是工業AI這個詞裡最重的環節之一，它不看AI能想什麼，它看AI能做什麼。
西門子透露，Eigen工程智能體已試點應用於中國多家企業。現場，有四位製造從業者，來自非標集成、整車製造、能源裝備和AI檢測裝備四個不同領域，把Eigen放回真實的工業AI語境給出了自身體感。
中科摩通所代表的「非標集成」賽道，關鍵是「非標」這兩個字。每一次交付都是新的產品、新的工藝、新的組態。中科摩通(常州)智能製造股份有限公司總裁趙丹透露，「傳統自動化，高度依賴工程師手動組態、編程，交付周期特別長，且人工參與多了就容易出現失誤。傳統的一條產線組態的工程配置，需要兩三周，對於工程師是較大壓力。」
而市場層面的需求變化，又在拉大這個痛點：「客戶的訴求，從原來滿足基本的生產，現在變成要個性化、柔性化以及更高要求。」一邊是「手動組態+人工失誤+交付周期長」，另一邊是「個性化+柔性化+更高要求」，趙丹講這個痛點時，現場同行都點了點頭。
西門子和中科摩通打造了一款電動汽車電子機械制動系統(EMB)組裝與檢測設備。據悉，在調試過程中，Eigen工程智能體助力中科摩通將程序開發時間減少30%，產線現場調試周期縮短30%，人工與物料損耗降低10%。
趙丹的原話是：「Eigen工程智能體進來之後，我們只需輕鬆輸入基本的需求，就能幫助我們快速生成基礎的程序和配置，快速應對客戶需求的變化或者產品工藝的變化。」更關鍵的一句是：「這對我們工程師來說，可以把精力聚焦在客戶的工藝梳理上或者產品方案的解決上，改變了工程師的原有思維。」
整車廠面對的是另一類壓力，重慶長安汽車所代表的「整車製造」賽道，近幾年的狀態是「卷」。重慶長安汽車製造中心智能製造所所長陳浩銘把這個「卷」拆成了兩個來源：「第一是C端客戶越來越追求極致的個性化和定製化；第二是各大主機廠要不停加速產品疊代，爭取競爭優勢。」
一邊是消費者要個性化，另一邊是車企拼疊代速度，雙重壓力下，不是升級設備可以解決的。這裡還有個矛盾，傳統自動化的邏輯，是大批量、長周期、單一產品；今天的汽車市場要的是多品種、小批量快切換、更柔性。「從產線基因里，這兩者就是矛盾的。」陳浩銘強調。
陳浩銘認為工業AI「不能影響生產線，不能影響節拍的輸出。用一個詞來形容，就是需要做到『即插即用』。」長安從去年底開始AI變革，已經開發的AI包括「機器視覺的質檢、設備的智能運維、預測性維護」。而Eigen工程智能體在長安的角色是，「介入到我們的生產線調試和生產線安裝階段，甚至再往前到了工藝設計，以及我們要做產品和工藝的協同，也就是SE分析、產品設計等等」。
如果說前兩條賽道講的是「AI怎麼幫工程師幹活」，那麼上海電氣所代表的「能源裝備」賽道，講的是「AI怎麼幫工廠省錢」。
上海電氣集團股份有限公司中央研究院高級工程師談宏志指出，「我們能源裝備有一個很大的特點，不僅要能轉得快，也要能停得准。一個百萬千瓦的電廠，如果停一個小時，就是100萬、50萬的損失。所以如果能夠提前預測設備7天前停下來，比它多運行7天帶來的收益更大。」而在目前，這個預測能提前3天、7天，準確度在50%、60%。
上海電氣正在跟西門子探索兩個具體項目，把能源裝備AI的複雜度講得非常直觀。
第一個是海上風電運維。談宏志分享說，海上風電的運營成本占整體20%-30%，主要花在運維上，但工程師什麼時候出海運維，決定權不在他手裡，而是全憑船老大的經驗。AI在這裡要做的，是預測性維護，同時預測兩件事：風機的狀態和天氣的狀態。
第二個是工業母機健康監測。談宏志的原話是：「上海電氣先進的加工能力體現在工業母機上，這個工具機雖然不怎麼壞，但是一壞可能就會帶來5%產能的損失，像有一些廠里可能造成250萬個產品的損失。」他隨後強調，「在頭部製造業里，以後可能就是比拼這5%。」
這句話背後是一個產業判斷，真正拉開頭部製造業差距的，是一些細枝末節，是那些看似不影響運行的「亞健康損失」能不能被提前識別，以及，工具機亞健康和產品粗糙度之間是否有關聯。後者，如果能被提前預測發現，談宏志認為「這也是核心競爭力的體現」。
天准科技所代表的「AI檢測裝備」賽道更主張AI的預見性。蘇州天准科技股份有限公司副總經理、客戶事業部總經理黃沄，講了一個真實案例，一個AI工藝軟體讓客戶核心產線的瓶頸設備效率大幅提升，測試時間提升60%，意味著以前需要100台設備，現在只需要40台就可以。相應的，場地也會節省60%，維護人員也會減少，能源消耗都會減少。「這筆經濟賬不是簡單的1+1+1的，是2×2×2指數級的變化。」黃沄如是說。
這個2×2×2，是工業AI被講得很直白的複利效應。黃沄說，「西門子Eigen工程智能體給我的直觀感受，確實有降本增效，它可以節省我們大量的低代碼事情，我們的高手就能專注於研發公司自己產線上的工藝AI軟體。」
以上，可見工業AI的不同打法，非標場景要快複製，整車場景要穩嵌入，能源裝備場景要深預測，而檢測場景要高效率。同一款Eigen工程智能體，面對四種不同的KPI。這也是為什麼肖松強調「AI for Real」，工業AI不是一個通用產品，它是不同垂直賽道上的不同產品。
04/
這並非單點AI，這是規模化落地
如果只把Eigen工程智能體理解成一個能夠生成PLC代碼的工具，會低估西門子的意圖。
西門子數據和人工智慧全球業務總監Michael Schrapp在演講中將它放進了一條更長的四段式路徑：從預測性維護，到生成式AI，到智能體AI，最終到物理AI。這四段路徑的核心動作是「超越硬編碼任務，進入到更加靈活、目標驅動的工作流」。
Eigen工程智能體目前首先進入自動化工程，是因為這一環節任務明確、規則相對清晰，也存在大量重複勞動。但西門子設想的終點，是讓類似能力覆蓋產品設計、模擬仿真、建造、安裝調試、生產運營和設備維護。
此次，西門子同時在中國首展了另一款產品——工業AI編排軟體Intelligence Center X。按西門子的官方描述，這款產品「以統一的規範化底座整合企業數據、模型與工作流程，幫助企業高效部署AI應用及AI智能體，推動工業AI從零散試點走向可管控、可擴展的生產級應用」。
Michael Schrapp給了這款產品最直接的存在理由：「歸根結底，一切都關乎數據，尤其是製造環節每天產生的海量數據。然而，這些數據大多尚未被充分利用。所以，我們的挑戰並不是收集數據，而是用好數據，我們的目標正是連接這些孤立的數據源，實現跨越生命周期和系統的上下文轉換，將這些數據轉化成為洞見，以及可信決策。」
據西門子披露，Intelligence Center X在全球首批合作項目中，將部分重複性人工工作負荷降低了95%，生產問題處置效率提升85%。
在這次WAIC展台，西門子設立了生命科學、消費品、汽車製造和基礎設施四個「行業島」，呈現了工業AI在不同行業的應用實力。我們具體來看基礎設施島，有三個被量化的案例。上海穎奕皇冠假日酒店，用智冷魔方AI BOX實現「3天快速部署、不影響運營、額外7%節能量」，四川川潤股份成都工廠用Smart ECX智慧能碳管理平台實現「園區用能成本降低30%，綜合能效達90%以上，自系統運行以來已減少碳排放6.4萬噸」，中金數據烏蘭察布零碳算力基地由西門子提供NXAirS中壓開關櫃、SIVACON S8低壓櫃等核心配電解決方案。
這些數字，恰恰是工業AI向實的寫照。
05/
工業AI的下一段路
「工業AI不是在實驗室里『想』出來的，而是在真實項目中做出來、磨出來、驗證出來，並一步步走向規模化的。」演講最後，肖松把問題重新落回工業現場。
而在他看來，中國是工業AI發展的一片熱土，也為這一過程提供了難得的試驗場：
「中國工業門類的廣度、製造業體系的深度、產業創新的速度、對新技術的開放態度，構成了中國發展工業AI的獨特優勢。」
行業足夠多，場景足夠複雜，意味著一項工業AI能力可以多次驗證。但硬幣的另一面是，不同行業差異極大，要把通用技術與具體行業知識一層層接起來。
西門子的確擁有進入這一階段的基礎。「西門子有著超過175年的工業數據和行業知識，在智能軟體和自動化領域居於領導地位，而且長期深耕中國。」Michael Schrapp特別提到：全球三分之一的工廠運行著西門子PLC控制器，公司自身也運營著100多家工廠，可以從內部生產實踐中學習，再把這些經驗融入AI產品。目前，西門子在全球擁有超過1500名AI領域專家，持有2000餘個AI專利家族。
這是西門子深耕工業AI的底氣，但這家公司並不打算把工業AI做成一套封閉系統。工業知識分散在設備廠商、系統集成商和最終用戶手中：西門子理解自動化平台，集成商了解如何交付產線，工廠則掌握真正的工藝規則、異常情況和成本邊界。缺少任何一方，AI都可能掉線。
因此，在發布Eigen工程智能體之外，西門子也在藉助西門子Xcelerator連接模型、工業數據、開發者和行業夥伴。按照西門子披露的數據，西門子Xcelerator在中國已有超過60萬註冊用戶、500餘家生態夥伴和800餘款產品與解決方案。
肖松在演講中強調——「今天的發布，只是一個起點。」
而工業AI的下一段路，可能比這場發布更長，也更難。
但至少，這條路已經開始了。
