怎么才能讓工廠放心用AI？

頭圖｜AI生成

“死亡谷”是AI領域一個始終繞不開的話題，這是技術從實驗室到真實場景之間最難跨越的一段距離。Gartner的研究顯示，高達85%的AI項目無法從實驗室走向規?；渴鸷蜆I務價值轉化。

雖然已經能寫代碼、做設計，甚至替代一部分程序員的工作，但在真實的工業生產中，它卻連一臺機器都指揮不好。

比如，某電子廠想通過AI降低質檢成本提升準確率，但僅應用三個月，產品批次更換，系統誤報率從0.5%飆升到15%，生產不能停，工廠只好又換回人工質檢。

這背后的沖突在于，AI是概率性的，而機器世界必須是確定性的。

過去100年，工業的每一次躍遷，從來不是某項技術的發布，而是生產方式的重寫。從電氣化讓機器替代人力，到自動化讓流程變得可控，再到數字化讓工廠第一次被記錄與計算，工業世界始終圍繞一個命題演進——把不確定性，變成可以被理解、被預測、被控制的系統。

但AI還沒有給出這個命題的解法，真正從理解世界，走向深度參與世界。

在西門子RXD大會上，西門子董事會主席、總裁兼首席執行官博樂仁表示，當 AI融入物理系統，它就不再只是一項技術功能，而是一種變革力量，一種能切實影響現實、重塑世界運行方式的力量。

這一步，并不會自然發生。

回顧歷次工業躍遷，西門子都占據了關鍵位置。這一次，它正在面對一個更難的問題：如何讓AI真正融入到物理世界？

工業AI，為何遲遲未能爆發？

AI在真實物理世界中的落地，往往看起來很美好，但現實遠比想象復雜。

某電解鋁工廠想要通過時序大模型為電壓設定、出鋁量、氟化鹽添加量等操作提供操作建議，讓生產更穩定。實際應用中卻遭到了工區長的抵制，因為AI無法解釋每一項建議，工區長擔心出問題背鍋，不敢采納執行。

這是因為單一技術模型無法適配全流程的復雜需求，根本不具備可解釋的能力。AI想要真正在電解鋁工廠落地，不僅要分析時序數據，還需結合電解槽操作的全工藝，梳理數據-特征-模型的因果關系。

在西門子中國董事長、總裁兼首席執行官肖松看來，「工業AI是座金礦，但要挖出金礦里的真金，也并非易事」。

西門子中國董事長、總裁兼首席執行官肖松

因為工業場景并非單一環節，而是覆蓋產品設計、生產制造、質量檢測、運維全生命周期的復雜系統，技術研發也不像文本、圖片生成那么簡單。

在西門子RXD大會的圓桌討論環節，國機數科董事長王宇航總結了當下AI在工業生產中落地慢的原因：「技術與場景脫節、業務與數據脫節、投入與產出脫節」。

大語言模型和工業生產并不是完全匹配，很多工業知識可能是圖紙、照片，現在的大語言模型還不能很好的理解這些知識。

企業每天在生產經營中產生大量數據，但這些數據就像尾礦一樣，雖然大家都知道它有價值卻不知道如何提煉出來。

國機數科董事長王宇航

AI在工業領域的應用是一個跨界融合的命題，部署成本高，無正向收益閉環。對于工廠來說，無論工業AI的愿景有多美好，最終都要核算其所有的投入能否在生產當中落地形成正向收益。

在排產、庫存、供應鏈等各個場景的優化問題上，工業AI的真正難點不是實現路徑，而是能否解決復雜系統問題。在數據、模型等多個層面，工業AI都需要面對復雜系統帶來的挑戰。

比如，排產、庫存、供應鏈中，一個環節的調整，往往會在多個環節產生連鎖反應，局部最優往往意味著整體失衡，這屬于系統耦合的問題。這種現實世界的復雜性同時也會映射到數據層面，形成數據的耦合性。

工業場景數據存在多元異構、多模態、時空耦合的特征，且需保證同時間基點的關聯性，這是數據利用的核心難點。即使是頭部企業，工業數據的正確性和高質量性尚未被系統性解決。

很多工廠了解自身的生產情況但缺乏技術能力，AI公司擁有足夠的技術能力卻很難深度了解工廠不同場景之間的關聯和需求痛點，雙方很難形成合力。

工業AI的勝負手不在模型，而是數據

西門子通過構建一套貫通硬件、軟件與數據的技術棧，將AI帶入物理世界。

西門子RXD大會發布的26款新品中，絕大多數指向硬件，涉及自動化與運動控制、AI 基礎設施與電氣等多個品類。

在肖松看來，「當AI加速融入物理世界，硬件比過去更重要」。

軟件則構建一個基于物理規律、可實時運行的數字孿生系統，為排產、庫存等決策層優化提供虛擬仿真環境，降低試錯成本。其中，西門子在今年CES期間新推出的Digital Twin Composer作為高精度數字孿生構建工具，支持產線全流程虛擬驗證。

西門子的全棧能力，更關鍵在于其長期沉淀的工業數據資產。在工業AI領域，數據不是附屬資源，而是決定模型能否落地的前提。

大模型落地需要三個關鍵條件：算力、模型和數據。算力和模型已經平權，各個企業都具備獲得最領先算力和模型的能力，但如果工廠只依賴于通用模型和其衍生Agent，模型始終無法達到可用的精度。

企業擁有大量的生產數據，但這就如同地底下的石油和鐵礦一樣，并不能直接使用和交易。石油和鐵礦需要開采提煉成同標準可交易的大宗商品，數據也需要標注清洗加工變成高質量的數據集，才能用于模型訓練。

在西門子RXD大會的圓桌討論環節，西門子中國董事長、總裁兼首席執行官肖松和幾位嘉賓也深入討論了數據重要性以及獲取的難度。

一方面，工業數據具有易腐、離散等特征，獲取的難度非常高。

北京數據集團的李振軍指出，「工業數據采集極難，而且存不下、邊采邊丟」。很多工廠為了節省成本，傳感器數據只存一個月，甚至邊采邊丟。當你想訓練一個“預測性維護”模型時，卻發現連去年的故障樣本都沒有。

此外，工業門類極其細分，每一家工廠都是一座孤島?；ヂ摼W可以大集中，但工廠是離散的。這種離散性決定了工業AI很難產生像GPT一樣規模效應。

因此，數據是AI在制造業落地過程中最難、也是最有價值的領域。

北京數據集團副總經理 李振軍

另一方面，數據的使用必須看得懂、用得上、算得清，同樣存在非常高的門檻。

工業企業的內部流程和場景非常復雜，不管是生產準備、流程控制，還是庫存、供應鏈，一個不具備20年經驗的人很難找得到、看得懂有用的數據，更不要說把數據用好。

數據不僅要轉化為生產、運營、決策層面可理解的信息，并與實際工業場景深度綁定，還要確保企業投入能夠形成正向收益。

可以說，誰掌握了高質量、可用的數據，誰才能真正釋放AI價值。以高價值場景為牽引，推動多模態模型與產業知識融合，才能真正把數據用好，實現工業AI的破局。

在西門子RXD大會期間，肖松邀請中國客戶和AI初創企業舉行了一場閉門會，專門討論工業AI的落地。關于數據的門檻怎么過，他的判斷是：「不能在所有領域同時展開，要在聚焦的行業里找突破」。

預測性維護、質量視覺檢測等成熟場景，數據相對充分，價值可以量化。西門子成都工廠部署了一百多項AI技術、南京工廠有50多項，都是一線工程師自己開發的?？偛繘]有空降方案，車間里的人最清楚痛點在哪、哪些數據有價值。

具身智能等初級場景，還處在數據匱乏的階段，需要合成數據、仿真數據來補充，突破的時間軸更長。

那為什么西門子可以沉淀足夠多的工業數據資產？

這背后是西門子近180年的持續積累。目前，西門子的工業軟件與硬件產品，已服務于全球40多個行業、40多萬家客戶。

在軟件領域，西門子的版圖幾乎囊括了從設計、仿真到制造、運維的完整生命周期，并深入汽車制造、食品加工、化工流程、生物制藥等對行業know-how要求極高的復雜系統。

在硬件領域，西門子更是構筑起了從設備實時控制、全廠數據采集和監控到數據處理與 AI 實時決策的完整硬件體系，把生產車間的每一個動態都轉化成可被采集、推理的數據。

正是這些積累，讓西門子訓練工業基礎模型IFM所依托的高質量工業數據就達到了 150PB?？梢哉f，數據構筑了西門子在工業AI的護城河，其能力并非只掌握技術能力的互聯網科技公司所能匹敵的。

西門子，點燃工業AI浪潮

已經傳承700多年的瀘州老窖，基于西門子工廠仿真軟件Plant Simulation完成了整廠級的數字孿生建模與系統驗證優化，古老的白酒行業釀造生產向可預測、可控、可復現的數智化方向邁進。

還有更多的中國制造企業在西門子的助力下，實現從單點提效到全局優化的轉型升級。

在新能源、高端制造、數據中心、電池、機器人等高增長領域，大量中國制造企業通過使用西門子中國研發、適配中國場景的智能硬件與軟件產品，大幅縮短工程周期、提升良品率、降低能耗與物料損耗。

可以說，幾乎沒有哪一種工業AI解決方案，是西門子無法構建的。這些領先的成果并非偶然，而是長期在技術研發領域投入的結果。

1973年，西門子在人工智能發展尚未清晰的時候，就獲得了自己的第一項AI相關專利，并在AI領域開啟了持續的投入。

即使在上世紀90年代科技互聯網泡沫破滅的時候，西門子仍然聚焦專家系統、模式識別、神經網絡在工業場景的可行性研究，探索AI在質量檢測、故障診斷等環節的應用。

隨著AI能力的提升和在各行業更廣泛的應用，西門子也升級了AI戰略。2022年，西門子面向工業、樓宇、電網、交通領域推出西門子Xcelerator平臺，讓企業數字化轉型更簡單、更快速、更易規?；?。

今年1月，西門子宣布將打造工業AI操作系統，讓AI能夠真正進入工業生產系統，實現更安全、高效、規?；穆涞亍?/p>

目前，西門子在AI領域已擁有超過1500名專家，讓西門子AI領域的專利持有量居世界領先地位。

工業AI的使用門檻被不斷降低，才能向更廣泛的行業滲透。這個過程中，西門子所扮演的角色，正在從單純的技術提供者，轉向工業AI的啟蒙者和產業升級路徑的共建者。工業技術一直在變革，風口也在不停變換，但西門子一直是不可或缺的存在。

小結

工業AI的突破，并不只是一次簡單的技術升級，而是工業體系第一次被完整地重寫。西門子點燃了工業AI浪潮，也讓一條原本模糊的路徑開始變得清晰。當越來越多工廠真正在核心業務場景落地AI，新一輪生產力的革命才正式開始。

本內容由作者授權發布，觀點僅代表作者本人，不代表虎嗅立場。如對本稿件有異議或投訴，請聯系 tougao@huxiu.com。

本文來自虎嗅，原文鏈接：https://www.huxiu.com/article/4845878.html?f=wyxwapp