從會模仿和學(xué)習(xí)人類動作的工業(yè)機器人，到能協(xié)助工程師寫代碼、調(diào)參數(shù)的AI智能體，再到可以識別產(chǎn)線異常、提出優(yōu)化建議的工業(yè)系統(tǒng)，人工智能（AI）正在以更具象、更實用的形態(tài)進入制造業(yè)。在日前閉幕的2026年德國漢諾威工業(yè)博覽會（以下簡稱工博會）上，這一趨勢貫穿全場。與早期更偏向“未來想象”的展示不同，今年展會上的工業(yè)AI，已不再是單純的技術(shù)實力演示，而是開始貼近真實的生產(chǎn)現(xiàn)場。

這是2026年4月20日在德國漢諾威工業(yè)博覽會上拍攝的機器人 新華社/路透

在一些展示場景里，許多原本依賴工程師經(jīng)驗、反復(fù)調(diào)試和多系統(tǒng)切換才能完成的工作，正被重構(gòu)為更簡潔高效的人機協(xié)作過程。工程師只需用自然語言描述需求，系統(tǒng)就能輔助生成控制代碼，甚至直接給出工藝優(yōu)化建議。

正因如此，一個現(xiàn)實問題開始浮現(xiàn)：當(dāng)AI越來越深入地走進生產(chǎn)現(xiàn)場，它究竟會在哪些環(huán)節(jié)獲得自主性，又在哪些關(guān)鍵決策上仍需依賴人的判斷？

從輔助到執(zhí)行，工業(yè)AI走進現(xiàn)場

判斷工業(yè)AI是否真正融入生產(chǎn)系統(tǒng)，核心標(biāo)準(zhǔn)是其輸出的建議能否轉(zhuǎn)化為可執(zhí)行動作。過去，AI更多停留在識別、預(yù)測和提醒層面；如今，一些系統(tǒng)已能將自然語言指令與設(shè)備配置、啟動流程直接打通，AI的角色也從“信息提供者”轉(zhuǎn)向“行為影響者”。

德國冠歐發(fā)動機有限公司（SEW-EURODRIVE，以下簡稱冠歐）在本屆工博會上展示的“Startup Agent”，便提供了一個典型應(yīng)用場景。讓一臺設(shè)備按設(shè)定要求運轉(zhuǎn)，傳統(tǒng)方式需要工程師打開專業(yè)軟件，逐項設(shè)置電機、變頻器等部件的參數(shù)；而借助AI，這一過程可以部分變成一場對話。

“用戶在聊天窗口里寫下想讓設(shè)備完成什么動作，系統(tǒng)會繼續(xù)追問必要的信息，并在確認(rèn)后自動完成相關(guān)設(shè)置。”冠歐網(wǎng)絡(luò)軟件開發(fā)負(fù)責(zé)人萊昂·康特尼表示，為防范AI自主操作帶來的風(fēng)險，系統(tǒng)還會把每一步設(shè)置清楚地顯示在軟件界面，用戶可開啟“人工確認(rèn)模式”，所有修改必須經(jīng)審核后才能寫入設(shè)備。

這類探索，勾勒出工業(yè)AI落地的現(xiàn)實路徑：從邊界清晰、風(fēng)險可控的環(huán)節(jié)切入，把人的意圖轉(zhuǎn)化為設(shè)備可識別、可執(zhí)行的指令。沿著這條路徑往前看，工業(yè)AI的價值最終要在車間現(xiàn)場接受檢驗。

“AI起于物理世界，也終于物理世界。”德國西門子公司管理委員會成員兼數(shù)字工業(yè)首席執(zhí)行官塞德里克·奈克對《環(huán)球》雜志記者說，工業(yè)AI的技術(shù)底座首先來自物理世界的數(shù)據(jù)，包括傳感器、控制系統(tǒng)和生產(chǎn)設(shè)備產(chǎn)生的工業(yè)數(shù)據(jù)，經(jīng)算力與軟件模型處理后，最終要回到物理世界，在車間現(xiàn)場發(fā)揮作用。

“如果AI不能走進真實世界，它就只是一個裝在罐子里的大腦。”奈克說。

如何讓AI走出“罐子”？奈克以西門子在本屆工博會上展示的一條鞋底柔性產(chǎn)線為例說，用戶可通過AI對話界面提交個性化定制需求，后臺AI自動協(xié)調(diào)設(shè)計工具，鞋底經(jīng)3D打印完成生產(chǎn)；全過程由AI智能體自主調(diào)度，人形機器人負(fù)責(zé)物料搬運，AI控制機械臂完成最終包裝。

奈克認(rèn)為，本屆工博會的關(guān)注重點在于把AI真正嵌入設(shè)備、融入生產(chǎn)、貫穿全產(chǎn)業(yè)鏈。“工業(yè)AI正從實驗階段邁向現(xiàn)實應(yīng)用，我們正處在這輪技術(shù)熱潮周期中最關(guān)鍵的節(jié)點。”

“AI讓許多過去無法實現(xiàn)的自動化場景成為可能。”順克抓取與自動化技術(shù)業(yè)務(wù)負(fù)責(zé)人塞巴斯蒂安·赫普夫爾說，“即便是傳統(tǒng)技術(shù)已能實現(xiàn)的自動化流程，引入AI后也變得更加高效、經(jīng)濟且易于使用。”

IT服務(wù)商阿德索公司（Adesso）董事會成員貝內(nèi)迪克特·邦曼表示，AI已實實在在進入制造業(yè)現(xiàn)場。“從預(yù)測性維護、視覺質(zhì)量檢測，到自適應(yīng)生產(chǎn)線等應(yīng)用，AI已進入常規(guī)輪班生產(chǎn)。”

物理AI：當(dāng)AI長出“手和眼睛”

AI進入生產(chǎn)現(xiàn)場只是第一步。它能否真正理解設(shè)備、空間、運動和物料特性，并通過機器系統(tǒng)完成穩(wěn)定可靠的操作，是下一階段的關(guān)鍵。圍繞這一方向，“物理AI”成為今年工博會的高頻詞。按照主辦方定義，“物理AI”是指能夠通過機器、設(shè)備和機器人等載體，與現(xiàn)實物理世界直接交互的AI。人形機器人是這一概念最容易被看見的載體。

在機器人和裝配自動化展區(qū)，多款人形機器人穿梭其中，執(zhí)行搬運、抓取、人機交互等任務(wù)，引來不少觀眾駐足。它們帶來的想象空間，既來自類人外形，也來自一種更具體的技術(shù)趨勢：AI開始擁有能夠移動、感知和操作的物理載體，算法能力從屏幕和軟件系統(tǒng)中延伸出來，通過機器人手臂、傳感器和控制系統(tǒng)，轉(zhuǎn)化為車間里的具體動作。

在本屆工博會前夕，西門子披露了與英國機器人公司Humanoid的合作進展：后者開發(fā)的HMND 01 Alpha輪式人形機器人，已在西門子德國埃朗根工廠投入物流作業(yè)測試，執(zhí)行自主物流任務(wù)。西門子稱，測試數(shù)據(jù)顯示，這款機器人每小時可完成60次料箱移動，連續(xù)運行超過8小時，自主抓取和放置成功率超過90%。“我們共同證明，人形機器人已具備在真實工業(yè)環(huán)境部署的條件。”Humanoid首席執(zhí)行官兼創(chuàng)始人阿爾喬姆·索科洛夫說。

“AI正成為工廠的核心生產(chǎn)力，尤其是在工業(yè)機器人和人形機器人領(lǐng)域。”本屆工博會主辦方德意志會展公司董事會主席約亨·科克勒說。

在弗勞恩霍夫制造工程與自動化研究所展臺，智能移動機器人項目負(fù)責(zé)人約亨·林德邁爾向《環(huán)球》雜志記者介紹了兩項“物理AI”演示項目，其中之一是基于機器人實體和自研軟件搭建的小型物流場景，機器人可自主拾取料箱、行走、搬運并完成上架操作。

“‘物理AI’有望在許多傳統(tǒng)方法難以勝任的場景發(fā)揮作用。”林德邁爾指出，尤其是在處理電纜這類結(jié)構(gòu)復(fù)雜、形態(tài)多變的物體時，傳統(tǒng)編程往往難以實現(xiàn)有效操作。

談及“物理AI”的未來，林德邁爾說，目前來看，傳統(tǒng)方法仍然在穩(wěn)定性上表現(xiàn)更出色。但他將當(dāng)前階段比作數(shù)碼相機問世之初：“起初，新技術(shù)只能實現(xiàn)與傳統(tǒng)技術(shù)相似的功能，但隨著能力持續(xù)演進，最終有望實現(xiàn)真正的超越。”

AI智能體：讓工廠學(xué)會“自己協(xié)調(diào)”

工廠里的很多問題，往往不止于“發(fā)現(xiàn)異常”。設(shè)備停機后，還需判定原因、派工維修、調(diào)配備件，并評估對生產(chǎn)排期和交付的影響。正是在這類復(fù)雜協(xié)同場景中，AI智能體成為工業(yè)AI演進的重要方向。

“智能體是能感知環(huán)境、自主決策、采取行動以達(dá)成目標(biāo)的系統(tǒng)，它可以自主運行，無需人工直接操控。”弗勞恩霍夫智能分析和信息系統(tǒng)研究所數(shù)據(jù)科學(xué)家亞歷山大·措恩說。

他認(rèn)為，AI智能體的核心能力，是由主智能體將復(fù)雜任務(wù)拆解成幾個小任務(wù)，分發(fā)給子智能體或其他工具去執(zhí)行；系統(tǒng)會全程監(jiān)控執(zhí)行過程、識別錯誤，并在必要時自主修正方案。

這種“任務(wù)拆解—工具調(diào)用—推動執(zhí)行”的能力，正被軟件企業(yè)引入具體工業(yè)流程。

歐洲最大的軟件公司思愛普（SAP）在本屆工博會上展示了一款聚焦設(shè)備維護場景的AI智能體：系統(tǒng)實時監(jiān)控包裝機的運行狀態(tài)，發(fā)現(xiàn)故障后自動指派維修人員，并同步推送故障診斷結(jié)果和設(shè)備信息。此外，思愛普還在為收貨和倉儲管理開發(fā)同類“數(shù)字化員工”智能體。

不過，這類自動化協(xié)同鏈條的落地并不簡單，它要求設(shè)備與系統(tǒng)全面聯(lián)網(wǎng)、機器數(shù)據(jù)持續(xù)采集，才能為生產(chǎn)與物流決策提供判斷依據(jù)。因此，這類智能體的應(yīng)用仍處于早期階段，但市場需求十分迫切。

“供應(yīng)鏈的復(fù)雜性不斷增加，我們的客戶需要重新規(guī)劃運輸路線，或?qū)崟r監(jiān)控風(fēng)險，AI正是解決這些問題的關(guān)鍵。”思愛普供應(yīng)鏈管理營銷主管哈根·霍伊巴赫說。

博世制造協(xié)同智能業(yè)務(wù)首席執(zhí)行官諾貝特·云格在工博會“AI智能體”主題研討會上表示，專家資源稀缺是制造業(yè)長期痛點：制造現(xiàn)場勞動力來源復(fù)雜、語言多樣，專業(yè)知識又分散在不同崗位和環(huán)節(jié)；AI智能體在周末、夜班或凌晨等專家難以及時到場的時段，價值尤為突出。

他說，當(dāng)設(shè)備或產(chǎn)線發(fā)生故障停機時，智能體可快速給出處置方案，幫助非專業(yè)人員盡快恢復(fù)生產(chǎn)；在更先進的多智能體系統(tǒng)中，一次故障處理還能觸發(fā)維護智能體據(jù)此調(diào)整維保計劃，并聯(lián)動優(yōu)化智能體持續(xù)改進生產(chǎn)。

“根據(jù)經(jīng)驗，在一家約有2000名員工的中等規(guī)模制造工廠中，僅減少停機時間這一項，在應(yīng)用這類系統(tǒng)后，就能帶來近100萬歐元的收益；若進一步推廣到整個生產(chǎn)網(wǎng)絡(luò)，經(jīng)濟效益還將繼續(xù)放大。”云格說。

工業(yè)AI的“可控”難題

盡管工業(yè)AI正在進入更多生產(chǎn)環(huán)節(jié)，但在實現(xiàn)真正意義上的自主運行之前，還有很長的路要走。工廠不同于一般數(shù)字場景，任何一次參數(shù)調(diào)整、設(shè)備啟停或流程變更，都可能影響產(chǎn)品質(zhì)量、交付周期和生產(chǎn)安全。AI可以參與判斷和執(zhí)行，但越接近核心生產(chǎn)環(huán)節(jié)，越需要明確的規(guī)則邊界和嚴(yán)格的人工審核。

奈克說，當(dāng)我們需要寫信或查菜譜時，通用大語言模型已經(jīng)足夠勝任，即使出現(xiàn)一些小的誤差也可以接受。但在工業(yè)環(huán)境中，“大體可靠”完全不可接受，工業(yè)機器人必須做到安全、可靠、值得信任。

“AI將顯著縮短工程周期，使工程師能夠?qū)Ｗ⒂诟邇r值的工作。但在涉及安全和倫理的關(guān)鍵決策上，工程師必須始終保有最終控制權(quán)，責(zé)任不能被自動化。”奈克說。

亞歷山大·措恩也認(rèn)為，智能體實現(xiàn)自主運行的前提，是可信性及明確的邊界約束，對其權(quán)限進行嚴(yán)格監(jiān)控和限制至關(guān)重要。

貝內(nèi)迪克特·邦曼說，目前制造企業(yè)采用AI時面臨數(shù)據(jù)整合、規(guī)模化推廣和員工信任三大挑戰(zhàn)。“在許多工廠中，不同機器、生產(chǎn)系統(tǒng)和IT系統(tǒng)長期并行運行，數(shù)據(jù)格式、接口和管理方式并不統(tǒng)一。系統(tǒng)之間如果無法順暢連接，AI就容易停留在單點試驗或試點項目中。”他說，此外，即便單個工廠跑通了某個AI用例，如何推廣到更多廠區(qū)、國家和地區(qū)，實現(xiàn)規(guī)模化復(fù)制，依然充滿挑戰(zhàn)。