軟硬協同決定成敗。

作者｜田思奇

編輯｜王博

過去幾年，人工智能的進展主要發(fā)生在數字環(huán)境中。技術演進的路徑大多指向同一個方向：讓算法在虛擬環(huán)境中變得更好用。

隨著這一輪技術熱潮進入中段，更現實的產業(yè)問題浮現：當人工智能進入充滿噪聲和物理約束的工廠與電網時，它還能保持“智能”嗎？

在工業(yè) AI 從試驗走向規(guī)模化部署、虛實融合加速深化的背景下，西門子于2026年3月23-24日在北京召開RXD大會（Real meets Digital），讓AI走出數字環(huán)境、在復雜物理場景中穩(wěn)定可靠運行。

作為同時貫通電氣化、自動化、數字化到智能化，并具備工業(yè)軟件與工程經驗的百年工業(yè)巨頭，西門子在本次大會上集中探討了AI深度進入生產流程后的工程挑戰(zhàn)、系統協同與規(guī)模化路徑，試圖給出一種更接近現實的方案：當AI進入真實世界，軟件與硬件的結合不再是配合關系，而是決定成敗的前提。數字能力必須通過設備與系統工程，才能真正轉化為物理世界的價值。

1.直面真實生產深水區(qū)

全球AI產業(yè)的競爭重心，正在轉移。

如今在真實的生產環(huán)境里，技術參數不再是唯一的通行證。能否在制造環(huán)境中7×24小時穩(wěn)定運行、實現規(guī)模化的降本增效，才是拉開企業(yè)差距的關鍵。

畢竟，工業(yè)場景是高度耦合的復雜系統，每一道指令都受到嚴苛的物理法則約束，任何決策必須在安全底線、運行穩(wěn)定與生產效率之間找到極窄的平衡點。

IIoT World與HiveMQ聯合發(fā)布的《2026工業(yè)AI就緒度報告》戳破了行業(yè)此前過于樂觀的預期。在這份基于272位工業(yè)專業(yè)人士的調研中，54%受訪者將數據質量與可用性列為頭號障礙，48%受制于遺留系統集成與數據孤島，43%擔憂AI決策的可解釋性與可信度不足。在不夠了解“為什么”的情況下，沒有人敢讓機器完全接管。

西門子RXD這一命名，也對應著產業(yè)階段的變化。單點技術已無法支撐產業(yè)演進，眼下更需要跨系統、跨區(qū)域的協同機制，是數字世界與物理世界相互承載技術突破的節(jié)點。

「甲子光年」觀察發(fā)現，行業(yè)已形成共識：AI邁入物理世界后，軟件價值依舊突出，但硬件與系統工程的價值迎來強勢回歸，成為工業(yè)AI落地的核心支撐。

在西門子RXD大會的主旨演講中，西門子股份公司董事會主席、總裁兼首席執(zhí)行官博樂仁點出了核心：“當AI進入物理系統，它便不再是一項功能，而是一股力量。一股能夠影響現實世界的力量，一股能夠改變世界運行方式的力量。”

在他看來，不妨將工業(yè)AI操作系統視為一個“智能層”：它貫穿整個工業(yè)價值鏈，連接硬件、軟件與數據。這一層正在改變工業(yè)設備與基礎設施的設計、工程及運營方式。

西門子股份公司董事會主席、總裁兼首席執(zhí)行官博樂仁

博樂仁同時強調，要讓AI真正走進現實，來到物理世界，絕非僅靠更優(yōu)的算法就能實現。在工業(yè)場景中，我們需要100%可靠的AI。而要實現這一點，需要依賴契合的技術棧、深厚的行業(yè)知識以及合作伙伴之間的協同。

順著這一邏輯，跨界協同成為工業(yè)AI落地的必然選擇，比如西門子與阿里巴巴的合作，就是能力互補的典型案例。阿里巴巴集團主席蔡崇信在西門子RXD大會現場表示，阿里巴巴深耕軟件與電商服務，西門子扎根制造業(yè)、擁有海量產業(yè)客戶資源，“雙方能力高度互補”。

蔡崇信進一步指出，“工業(yè)人工智能”和“人工智能+制造”的最佳試驗場就在中國——中國占全球工業(yè)產出的30%，是全球最大制造業(yè)經濟體。這也意味著中國擁有海量的工業(yè)數據，“這是我們合作落地、迭代優(yōu)化、打磨模型的絕佳土壤。我非常期待與西門子持續(xù)合作，讓工業(yè)人工智能真正落地。”

這種互補優(yōu)勢已轉化為實打實的落地成果：西門子與阿里云聯手，將整合西門子仿真產品組合與阿里云的算力及基礎設施，面向中國市場客戶，提供以基礎設施即服務（IaaS）模式交付的計算機輔助工程（CAE） 能力；同時將西門子的全球技術優(yōu)勢與中國本地創(chuàng)新有機融合，賦能工業(yè)基礎設施、自動化以及AI應用等多個方向。

從雙方實踐不難看出，工業(yè)AI并非單一技術的線性升級，而是扎根真實產業(yè)場景的系統能力，核心是打通數據、軟件與設備的閉環(huán)運行體系——這也正是西門子布局硬件、深耕軟硬協同的核心原因。

2.軟件之外，硬件回歸

面對工業(yè)AI落地的現實阻礙，西門子并未跟隨以模型參數優(yōu)先的發(fā)展路徑，而是依托近180年的制造積淀，全力打通電氣化、自動化、數字化與智能化全棧技術，讓虛擬算力穩(wěn)定、持續(xù)地驅動物理生產。

在西門子RXD大會上，這一邏輯被進一步具象化。圍繞工業(yè)AI的落地路徑，博樂仁將“硬件”的重要性提到了一個更高的位置。“談到現實世界，就不能不談硬件，這是技術棧的另一要素。當前的硬件，變得前所未有的重要。”在他看來，模型訓練在云端，而智能應用則在生產一線，實時響應，統籌調控一眾工業(yè)控制器。一旦有設備偏離既定目標，就會被工控機發(fā)現，并自動調整參數，保障設備與整套系統穩(wěn)定運行——“模型不僅解讀數據，更能實時觸發(fā)行動，而且是全天候、無間斷地實時響應。”

例如，在奧迪的造車廠，西門子的工業(yè)AI以每分鐘2000次的速度檢測焊縫質量。這項工作若由人工完成，將耗費數天。如今，僅在確實需要專家介入時，AI才會即刻發(fā)出提醒。

在這套軟硬一體的體系中，數據、軟件與硬件不再是相互割裂的模塊，而是共同組成工業(yè)AI的核心技術棧，讓智能真正融入生產全流程、實現持續(xù)運轉。

這種“軟件定義、硬件承載”的核心能力，在西門子RXD大會發(fā)布的新品矩陣中得到集中體現。西門子一次性推出26款本土化研發(fā)新品，覆蓋邊緣計算、自動化領域、AI應用等多個層級，搭建起從數據采集、實時響應到精準執(zhí)行的完整落地鏈路。

西門子RXD大會新品展示區(qū)

例如，新一代可編程邏輯控制器S7-200 SMART G2在性能與存儲能力上的提升，使其能夠承擔更復雜的任務，成為設備側的“決策大腦”；S200緊湊型伺服系統則負責將數字指令轉化為高精度運動控制，在保障性能的同時降低客戶成本，助力提升生產效率與產品質量。

與此同時，AI能力也開始直接嵌入生產過程。預測性維護軟件SiePA Pro能夠基于設備運行數據識別異常趨勢，在故障發(fā)生前進行干預，減少停機損失。這類應用不再停留在分析層，而是直接參與生產節(jié)奏的調節(jié)。

為什么硬件與控制系統重新變得關鍵？在大會圓桌中，西門子中國董事長、總裁兼首席執(zhí)行官肖松給出了更直白的解釋：“軟件是大腦，硬件是手腳。”只有當兩者形成緊密耦合，才能完成從感知、決策到執(zhí)行的閉環(huán)。工業(yè) AI 是座金礦，但要挖出金礦里的真金并非易事。

西門子中國董事長、總裁兼首席執(zhí)行官肖松

高端制造的嚴苛場景，更是印證了軟硬協同的必要性。寧德時代首席制造官、工程與研發(fā)體系聯席總裁倪軍也在西門子RXD大會現場指出，電池是他數十年職業(yè)生涯中最復雜、最難制造的產品之一。因為電池的生產是一個連續(xù)的過程，必須嚴格保障安全性、一致性、性能與使用壽命。“從工程師的設計階段，到生產制造，再到售后市場，我們都在運用大數據和AI 模型，確保出廠，才能保證產品達到最高標準。”

在這一邏輯下，工業(yè)AI的落地依賴兩大關鍵能力。

首先是高質量工業(yè)數據供給。不同于互聯網流量數據，工業(yè)數據源于設備長期運行、生產流程實時產生，具備明確的時序特征和物理含義，直接關聯生產決策。肖松在西門子RXD大會主持的圓桌進一步將數據問題與場景階段綁定：在成熟場景中，關鍵是高質量數據，通過有限但高價值的數據實現能力泛化；而在初級場景中，則需要先建立數據規(guī)模，通過持續(xù)積累為系統能力打基礎。

這也意味著，數據問題本質上不是獨立問題，而是場景問題。西門子的優(yōu)勢在于，其長期沉淀于設備與控制系統中的數據本身就嵌入在真實生產流程中，使其能夠在具體場景中持續(xù)生成并被直接用于決策。

其次是工程經驗與行業(yè)know-how的結構化能力。在大會現場，博樂仁的一個數據分享似乎帶來了更直觀的沖擊，體現西門子行業(yè)知識累積深厚的底蘊：全球1/3的制造設備搭載了西門子控制器，近70%的電力流經由西門子軟件規(guī)劃或優(yōu)化的電網。

這背后是強大的專家資源——西門子擁有1500名AI專家與數萬名工程師，深耕虛擬世界與現實世界。他們身處行業(yè)前沿，最清楚哪些數據具備價值、如何分類歸集，也最懂哪些AI應用行之有效。

3.開放協作為何是必選項

博樂仁在大會上多次強調，想要實現工業(yè)AI規(guī)模化落地，我們還需要強大的合作伙伴。生態(tài)在工業(yè)AI中的角色正在發(fā)生變化。它不再只是技術合作的補充，而是系統能夠成立的前提。關鍵不在于參與者數量，而在于是否存在一套機制，能夠將分散的技術能力與產業(yè)環(huán)節(jié)接入同一條運行鏈路。

西門子RXD大會展區(qū)布局印證了這一趨勢。「甲子光年」觀察發(fā)現，40余家合作伙伴并非孤立展示產品，而是按云計算、工業(yè)軟件、機器人、裝備制造及數據中心等職能分布，共同拼湊出一條完整的技術鏈路。

當這一鏈路被串聯起來，工業(yè)AI規(guī)模化落地的難點便不再是模型能力本身，而在于能否在這一整條鏈路中穩(wěn)定運行。

在西門子RXD大會現場與博樂仁對談中，宇樹科技創(chuàng)始人、董事長兼首席執(zhí)行官王興興將這一難點說得更為直接。在他看來，人形機器人的移動和基礎動作問題基本已經攻克，但抓取、操作尤其是觸覺相關的技術難題還未突破。想要解決這個問題，就需要海量不同物品的訓練數據來補齊短板，但目前這部分數據訓練還未完全攻克。

博樂仁（圖右）與宇樹科技創(chuàng)始人、董事長兼首席執(zhí)行官王興興（圖左）對談

這印證了具身智能落地的關鍵判斷：真實工業(yè)場景的復雜性無法被單一技術覆蓋，必須依托多層能力協同運行，系統才能持續(xù)優(yōu)化。

正如肖松所言，要破局工業(yè)AI，場景，數據，軟件，硬件，人才缺一不可。唯有建立強大的生態(tài)，才能真正釋放AI的無限的潛能。

4.結語

Fortune Business Insights預測，2026年制造業(yè)AI市場中，硬件相關板塊占比將達45.89%，與機器學習技術占比近乎持平，足以證明工業(yè)AI早已不是單點技術延伸，而是多層技術協同的系統工程。

西門子正是這一系統路徑的標桿，依托西門子Xcelerator開放平臺，它把工業(yè)軟件、自動化系統、硬件設備與生態(tài)伙伴能力整合為統一接口，實現多方技術高效協同，也讓自身從技術參與者升級為工業(yè)AI生態(tài)的系統組織者。

回望過去，算法浪潮曾讓人確信，所有行業(yè)將被輕易顛覆。工業(yè)現實卻證明，當代碼指令轉化為機械轟鳴，那些看似傳統的工程經驗、自動化控制系統與硬件壁壘不僅未消亡，反而成為決定技術落地的關鍵護城河。

RXD（Real meets Digital），這一大會命名本身就直指工業(yè)AI的核心命題：當AI走出數字空間、扎根工廠車間與能源基建，決定成敗的早已不是算法強弱，而是現實世界與數字世界能否高效打通、深度融合。

這場從虛擬計算走向實體生產的產業(yè)變革才剛剛啟幕，唯有敬畏物理世界規(guī)律、深耕系統工程建設、堅守軟硬協同理念的企業(yè)，才能跨越落地鴻溝，真正抓住工業(yè)智能化的時代紅利。

（封面圖及文中配圖來源：西門子RXD大會）