# 热门搜索 #
大模型
人工智能
openai
融资
chatGPT
软硬协同决定成败。
过去几年，人工智能的进展主要发生在数字环境中。技术演进的路径大多指向同一个方向：让算法在虚拟环境中变得更好用。
随着这一轮技术热潮进入中段，更现实的产业问题浮现：当人工智能进入充满噪声和物理约束的工厂与电网时，它还能保持“智能”吗？
在工业 AI 从试验走向规模化部署、虚实融合加速深化的背景下，西门子于2026年3月23-24日在北京召开RXD大会（Real meets Digital），让AI走出数字环境、在复杂物理场景中稳定可靠运行。
作为同时贯通电气化、自动化、数字化到智能化，并具备工业软件与工程经验的百年工业巨头，西门子在本次大会上集中探讨了AI深度进入生产流程后的工程挑战、系统协同与规模化路径，试图给出一种更接近现实的方案：当AI进入真实世界，软件与硬件的结合不再是配合关系，而是决定成败的前提。数字能力必须通过设备与系统工程，才能真正转化为物理世界的价值。
全球AI产业的竞争重心，正在转移。
如今在真实的生产环境里，技术参数不再是唯一的通行证。能否在制造环境中7×24小时稳定运行、实现规模化的降本增效，才是拉开企业差距的关键。
毕竟，工业场景是高度耦合的复杂系统，每一道指令都受到严苛的物理法则约束，任何决策必须在安全底线、运行稳定与生产效率之间找到极窄的平衡点。
IIoT World与HiveMQ联合发布的《2026工业AI就绪度报告》戳破了行业此前过于乐观的预期。在这份基于272位工业专业人士的调研中，54%受访者将数据质量与可用性列为头号障碍，48%受制于遗留系统集成与数据孤岛，43%担忧AI决策的可解释性与可信度不足。在不够了解“为什么”的情况下，没有人敢让机器完全接管。
西门子RXD这一命名，也对应着产业阶段的变化。单点技术已无法支撑产业演进，眼下更需要跨系统、跨区域的协同机制，是数字世界与物理世界相互承载技术突破的节点。
「甲子光年」观察发现，行业已形成共识：AI迈入物理世界后，软件价值依旧突出，但硬件与系统工程的价值迎来强势回归，成为工业AI落地的核心支撑。
在西门子RXD大会的主旨演讲中，西门子股份公司董事会主席、总裁兼首席执行官博乐仁点出了核心：“当AI进入物理系统，它便不再是一项功能，而是一股力量。一股能够影响现实世界的力量，一股能够改变世界运行方式的力量。”
在他看来，不妨将工业 AI 操作系统视为一个“智能层”：它贯穿整个工业价值链，连接硬件、软件与数据。这一层正在改变工业设备与基础设施的设计、工程及运营方式。
西门子股份公司董事会主席、总裁兼首席执行官博乐仁
博乐仁同时强调，要让AI真正走进现实，来到物理世界，绝非仅靠更优的算法就能实现。在工业场景中，我们需要100%可靠的AI。而要实现这一点，需要依赖契合的技术栈、深厚的行业知识以及合作伙伴之间的协同。
顺着这一逻辑，跨界协同成为工业AI落地的必然选择，比如西门子与阿里巴巴的合作，就是能力互补的典型案例。阿里巴巴集团主席蔡崇信在西门子RXD大会现场表示，阿里巴巴深耕软件与电商服务，西门子扎根制造业、拥有海量产业客户资源，“双方能力高度互补”。
蔡崇信进一步指出，“工业人工智能”和“人工智能+制造”的最佳试验场就在中国——中国占全球工业产出的30%，是全球最大制造业经济体。这也意味着中国拥有海量的工业数据，“这是我们合作落地、迭代优化、打磨模型的绝佳土壤。我非常期待与西门子持续合作，让工业人工智能真正落地。”
这种互补优势已转化为实打实的落地成果：西门子与阿里云联手，将整合西门子仿真产品组合与阿里云的算力及基础设施，面向中国市场客户，提供以基础设施即服务（IaaS）模式交付的计算机辅助工程（CAE） 能力；同时将西门子的全球技术优势与中国本地创新有机融合，赋能工业基础设施、自动化以及AI应用等多个方向。
从双方实践不难看出，工业AI并非单一技术的线性升级，而是扎根真实产业场景的系统能力，核心是打通数据、软件与设备的闭环运行体系——这也正是西门子布局硬件、深耕软硬协同的核心原因。
面对工业AI落地的现实阻碍，西门子并未跟随以模型参数优先的发展路径，而是依托近180年的制造积淀，全力打通电气化、自动化、数字化与智能化全栈技术，让虚拟算力稳定、持续地驱动物理生产。
在西门子RXD大会上，这一逻辑被进一步具象化。围绕工业AI的落地路径，博乐仁将“硬件”的重要性提到了一个更高的位置。“谈到现实世界，就不能不谈硬件，这是技术栈的另一要素。当前的硬件，变得前所未有的重要。”在他看来，模型训练在云端，而智能应用则在生产一线，实时响应，统筹调控一众工业控制器。一旦有设备偏离既定目标，就会被工控机发现，并自动调整参数，保障设备与整套系统稳定运行——“模型不仅解读数据，更能实时触发行动，而且是全天候、无间断地实时响应。”
例如，在奥迪的造车厂，西门子的工业AI以每分钟2000次的速度检测焊缝质量。这项工作若由人工完成，将耗费数天。如今，仅在确实需要专家介入时，AI才会即刻发出提醒。
在这套软硬一体的体系中，数据、软件与硬件不再是相互割裂的模块，而是共同组成工业AI的核心技术栈，让智能真正融入生产全流程、实现持续运转。
这种“软件定义、硬件承载”的核心能力，在西门子RXD大会发布的新品矩阵中得到集中体现。西门子一次性推出26款本土化研发新品，覆盖边缘计算、自动化领域、AI应用等多个层级，搭建起从数据采集、实时响应到精准执行的完整落地链路。
西门子RXD大会新品展示区
例如，新一代可编程逻辑控制器S7-200 SMART G2在性能与存储能力上的提升，使其能够承担更复杂的任务，成为设备侧的“决策大脑”；S200紧凑型伺服系统则负责将数字指令转化为高精度运动控制，在保障性能的同时降低客户成本，助力提升生产效率与产品质量。
与此同时，AI能力也开始直接嵌入生产过程。预测性维护软件SiePA Pro能够基于设备运行数据识别异常趋势，在故障发生前进行干预，减少停机损失。这类应用不再停留在分析层，而是直接参与生产节奏的调节。
为什么硬件与控制系统重新变得关键？在大会圆桌中，西门子中国董事长、总裁兼首席执行官肖松给出了更直白的解释：“软件是大脑，硬件是手脚。”只有当两者形成紧密耦合，才能完成从感知、决策到执行的闭环。工业 AI 是座金矿，但要挖出金矿里的真金并非易事。
西门子中国董事长、总裁兼首席执行官肖松
高端制造的严苛场景，更是印证了软硬协同的必要性。宁德时代首席制造官、工程与研发体系联席总裁倪军也在西门子RXD大会现场指出，电池是他数十年职业生涯中最复杂、最难制造的产品之一。因为电池的生产是一个连续的过程，必须严格保障安全性、一致性、性能与使用寿命。“从工程师的设计阶段，到生产制造，再到售后市场，我们都在运用大数据和AI 模型，确保出厂，才能保证产品达到最高标准。”
在这一逻辑下，工业AI的落地依赖两大关键能力。
首先是高质量工业数据供给。不同于互联网流量数据，工业数据源于设备长期运行、生产流程实时产生，具备明确的时序特征和物理含义，直接关联生产决策。肖松在西门子RXD大会主持的圆桌进一步将数据问题与场景阶段绑定：在成熟场景中，关键是高质量数据，通过有限但高价值的数据实现能力泛化；而在初级场景中，则需要先建立数据规模，通过持续积累为系统能力打基础。
这也意味着，数据问题本质上不是独立问题，而是场景问题。西门子的优势在于，其长期沉淀于设备与控制系统中的数据本身就嵌入在真实生产流程中，使其能够在具体场景中持续生成并被直接用于决策。
其次是工程经验与行业know-how的结构化能力。在大会现场，博乐仁的一个数据分享似乎带来了更直观的冲击，体现西门子行业知识累积深厚的底蕴：全球1/3的制造设备搭载了西门子控制器，近70%的电力流经由西门子软件规划或优化的电网。
这背后是强大的专家资源——西门子拥有1500名AI专家与数万名工程师，深耕虚拟世界与现实世界。他们身处行业前沿，最清楚哪些数据具备价值、如何分类归集，也最懂哪些AI应用行之有效。
博乐仁在大会上多次强调，想要实现工业AI规模化落地，我们还需要强大的合作伙伴。生态在工业AI中的角色正在发生变化。它不再只是技术合作的补充，而是系统能够成立的前提。关键不在于参与者数量，而在于是否存在一套机制，能够将分散的技术能力与产业环节接入同一条运行链路。
西门子RXD大会展区布局印证了这一趋势。「甲子光年」观察发现，40余家合作伙伴并非孤立展示产品，而是按云计算、工业软件、机器人、装备制造及数据中心等职能分布，共同拼凑出一条完整的技术链路。
当这一链路被串联起来，工业AI规模化落地的难点便不再是模型能力本身，而在于能否在这一整条链路中稳定运行。
在西门子RXD大会现场与博乐仁对谈中，宇树科技创始人、董事长兼首席执行官王兴兴将这一难点说得更为直接。在他看来，人形机器人的移动和基础动作问题基本已经攻克，但抓取、操作尤其是触觉相关的技术难题还未突破。想要解决这个问题，就需要海量不同物品的训练数据来补齐短板，但目前这部分数据训练还未完全攻克。
博乐仁（图右）与宇树科技创始人、董事长兼首席执行官王兴兴（图左）对谈
这印证了具身智能落地的关键判断：真实工业场景的复杂性无法被单一技术覆盖，必须依托多层能力协同运行，系统才能持续优化。
正如肖松所言，要破局工业AI，场景，数据，软件，硬件，人才缺一不可。唯有建立强大的生态，才能真正释放AI的无限的潜能。
Fortune Business Insights预测，2026年制造业AI市场中，硬件相关板块占比将达45.89%，与机器学习技术占比近乎持平，足以证明工业AI早已不是单点技术延伸，而是多层技术协同的系统工程。
西门子正是这一系统路径的标杆，依托西门子Xcelerator开放平台，它把工业软件、自动化系统、硬件设备与生态伙伴能力整合为统一接口，实现多方技术高效协同，也让自身从技术参与者升级为工业AI生态的系统组织者。
回望过去，算法浪潮曾让人确信，所有行业将被轻易颠覆。工业现实却证明，当代码指令转化为机械轰鸣，那些看似传统的工程经验、自动化控制系统与硬件壁垒不仅未消亡，反而成为决定技术落地的关键护城河。
RXD（Real meets Digital），这一大会命名本身就直指工业AI的核心命题：当AI走出数字空间、扎根工厂车间与能源基建，决定成败的早已不是算法强弱，而是现实世界与数字世界能否高效打通、深度融合。
这场从虚拟计算走向实体生产的产业变革才刚刚启幕，唯有敬畏物理世界规律、深耕系统工程建设、坚守软硬协同理念的企业，才能跨越落地鸿沟，真正抓住工业智能化的时代红利。
（封面图及文中配图来源：西门子RXD大会）
文章来自于“甲子光年”，作者 “田思奇”。
