过去两年，行业讨论更多集中在 AI 能做什么：能不能辅助设计、能不能做预测性维护、能不能自动生成代码。

一个又一个概念验证项目让 AI 快速进入制造企业，但真正形成规模化生产力的案例依然不够多。

此前不久，西门子大中华区 Realize LIVE 用户大会在深圳召开，大会背后有一个清晰的判断：

工业 AI，正在从 " 讲故事 " 进入 " 算细账 " 的时代。

图片来源：西门子

西门子工业软件中国董事长及总经理梁乃明在开场致辞中直指行业面临的三重现实挑战：AI 应用场景广泛却难创造实质工业价值；企业数据储备充足但工程知识分散割裂；单点试点项目居多却难以实现规模化推广。

这三重挑战，恰好勾勒出工业 AI 从 " 能做什么 " 到 " 怎么落地 " 之间的鸿沟。

西门子在这场大会上给出的回答，或许为整个行业指明了一条路。

工业 AI 的 " 西门子方案 "

" 全面数字孪生、全生命周期智能和自适应能力。" 西门子数字化工业软件总裁兼首席执行官 Tony Hemmelgarn 在大会上这样定义西门子工业软件的核心战略。

这三大战略支柱，帮助企业连接数字世界与现实世界，在应对复杂性和持续变化的同时，加快创新并创造实际业务价值。

在此基础上，西门子进一步将 AI 嵌入整个产品组合，围绕三个方向展开：更快的引擎速度、更智能的执行、交付可信成果。

这三个方向并非空泛的口号，而是有实实在在的数据支撑。

更快的引擎速度，指向的是效率的指数级提升。

在 Designcenter 中，AI 生成图纸的速度提高了 50%；Teamcenter 的零件复用功能让效率提升了 10 倍。" 当其他人的速度提升 5000 倍时，舒适区便不再稳固。"Tony Hemmelgarn 这样说。一家名为 Kinetic Vision 的中小企业使用西门子方案后，速度提升了 4000 倍，准确率达到了 98%。

更智能的执行，体现为 AI 从 " 辅助工具 " 走向 " 工作伙伴 "。

Designcenter Copilot 深耕七年，能以 94% 的准确率预测用户下一步操作，仅上个月就被使用了 50 万次。" 这是西门子的 Copilot，不是微软的。" 西门子 PLM 产品执行副总裁 Joe Bohman 特意澄清。Teamcenter Copilot 则让每位工程师都能安全、即时地访问企业全量知识，将百万级文档库转化为可交互的智能知识库。

交付可信成果，则触及工业 AI 最核心的命题：可信。

消费级 AI 可以犯错，工业 AI 不能。

图片来源：现场拍摄

Tony Hemmelgarn 强调：" 工程领域的 AI 必须始终以物理模型和工程真实性为基础，并通过仿真和真实产品性能数据进行验证，确保 AI 能力既强大又可靠。" 承载这一理念的核心产品是 Intelligence Center X，西门子在本次大会上发布的工业 AI 编排软件。它能够连接企业数据与工业知识，帮助用户构建智能应用、AI 智能体和自动化工作流。其核心能力之一是 Graph Studio，通过创建知识图谱，将 PLM、ERP、CRM 等多源数据连接起来，让客户在工厂全量数据上执行统计学习。GSK 利用此功能在核心工作中减少了 90% 的工作量。

这印证了 Intelligence Center X 亚太区资深副总裁 Jornt Moerland 的判断：" 企业真正需要的不是更多 AI 工具，而是能够创造业务价值的工业 AI。"

值得注意的是，西门子还提出了工业本体论（Industrial Ontologies） 的概念。

每个客户内部都有 PLM、ERP、CRM 系统：PLM 中有硬核的工程数据，ERP 中有供应链信息，CRM 中有客户信息和保修记录。西门子通过工业本体论将这些数据点连接起来。

梁乃明将这一问题概括为 " 数据很多，但知识碎片化 "。很多中国企业已经积累了丰富的研发、制造和运营数据，但这些数据分散在不同系统和业务流程中，背后的工程知识、行业经验和业务逻辑尚未得到充分连接和利用。

这正是工业 AI 区别于消费级 AI 的关键所在。

一个通用 AI 回答得好不好是效率问题；但当 AI 参与产品设计、工程仿真、生产制造时，它面对的是一个高度复杂、强约束、需要承担工程责任的现实世界。工业 AI 的第一个门槛从来不是模型够不够聪明，而是企业有没有把 AI 真正放进有价值的工作流程里。

西门子给出的答案很清晰：AI 不是孤立的功能模块，而是嵌入数字孪生、数字主线、工业软件全链条的能力。

从三大战略支柱到三个 AI 方向，再到 Intelligence Center X 这一载体，西门子搭建了一整套从战略到产品的工业 AI 落地框架。

从比亚迪到东风：汽车行业的 AI 落地样本

汽车行业是西门子工业 AI 战略中最具说服力的试验场。

在中国市场，" 以点带面 " 的拓展逻辑尤为显著。

Tony Hemmelgarn 在大会上列举了一系列中国汽车客户案例：比亚迪正全面应用西门子产品组合；东风汽车已上线 Teamcenter，而从 Teamcenter 起步的客户最终往往扩展至全产品组合。

比亚迪的案例尤为典型。Tony Hemmelgarn 在大会期间透露，他近期刚访问了比亚迪，亲眼看到了对方 " 正在广泛使用我们的产品组合 "。从设计端的 NX 计算机辅助设计软件，到产品生命周期管理平台 Teamcenter，再到仿真测试软件 Simcenter，比亚迪几乎覆盖了西门子工业软件的全产品线。

东风汽车则是另一条路径的典型代表。

按照 Tony Hemmelgarn 的经验，" 客户往往从 Teamcenter 起步，最终都会扩展至全产品组合 "，东风汽车正是如此。Teamcenter 作为全生命周期智能的核心，是全球最成熟、最可扩展的 PLM 工具之一。它不仅是数据管理的骨干，更是数字主线的基础——将设计、制造、运营各环节的数据串联起来。东风柳州汽车使用 Teamcenter 后，数据准确性提高，数模查询时间节省了 50%。

宁德时代则是另一个角度的成功案例。这家全球领先的电池制造商已开始采用西门子 Polarion 工具。Polarion 是面向复杂系统和软件开发的需求管理平台，它的引入说明西门子的能力正在从传统机械设计向软件定义产品延伸。而软件定义，恰恰是智能汽车的核心命题。

除了这些头部企业，西门子在汽车行业的渗透还在向更深处延伸。2026 年 3 月发布的汽车行业标准化 SICAR 白皮书显示，SICAR 自动化标准化解决方案已广泛应用于比亚迪、小鹏、蔚来、小米、北汽、广汽、理想等车企，以及多家线体商和零部件供应商。

汽车行业为什么成为西门子工业 AI 落地最密集的领域？

答案或许藏在汽车工程本身的复杂性中。

现代汽车早已不是单纯的机械产品。软件团队需要在硬件准备好之前就开始编写代码，传统方式面临 " 集成噩梦 "。通过 Capital、Expedition、Simcenter 等工具，工程师可在芯片尚未流片时仿真并验证整个系统。

Tony Hemmelgarn 在演讲中特别强调了 PLM 与 EDA（电子设计自动化）结合的战略意义："PLM 与 EDA 的结合并非可选项，而是由我们所解决的复杂工程问题本质决定的。现代产品集成了设计、电子产品、PCB 乃至集成电路，所有要素必须无缝协同。"

Joe Bohman 则从更具体的场景说明了 AI 在汽车行业的价值。连接器巨头 Molex 曾向他提出一个问题：" 我们要招 1000 名工程师，AI 能帮助这 1000 名新工程师快速掌握你们的工具吗？能帮他们学习我们的做事方式吗？"

这正是汽车产业链上几乎所有企业都在面临的共性挑战：人才缺口巨大，知识传承困难，AI 成了唯一的破局路径。

从比亚迪的研发周期缩短，到东风的 Teamcenter 上线，再到宁德时代的 Polarion 引入，这些案例共同指向一个结论：在汽车行业，西门子的工业 AI 不是 " 锦上添花 " 的功能模块，而是从设计到制造再到运营的全链条生产力工具。

从人形机器人到 AI 工厂：具身智能的工业路径

如果说汽车行业是西门子工业 AI 的 " 主战场 "，那么具身智能就是正在开辟的 " 新边疆 "。

Apptronik 是 Tony Hemmelgarn 在大会上重点提及的案例。这家做人形机器人的公司，用西门子的全套软件栈替换了其他企业的产品。核心原因是什么？

" 若要仿真整个系统，实现降本、节能、轻量化，就必须将所有组件纳入统一框架进行协同设计。"Tony Hemmelgarn 这样解释。

更关键的是，" 我们不仅可以仿真机器人本体，更重要的是我们可以仿真完整流程 "。西门子 " 多年来在汽车行业的焊接喷漆等传统机器人应用中已经验证了这一能力。如今，我们正将同样的方法论迁移到人形机器人领域。"

这揭示了一个重要的产业逻辑：人形机器人本质上不是一个新的行业，而是工业机器人能力在复杂系统维度的延伸。

西门子过去在汽车产线机器人上积累的工艺规划、路径仿真、系统协同能力，可以直接迁移到人形机器人场景。

与英伟达的战略合作则是西门子在具身智能领域的另一重要布局。

2026 年 1 月的 CES 上，西门子与英伟达宣布大幅拓展战略合作，共同打造工业 AI 操作系统。双方计划在全球范围内打造全球首批完全由 AI 驱动、具备自适应能力的制造基地，并于 2026 年以德国爱尔兰根的西门子电子工厂作为首个示范样本启动实施。

这一合作的标志性成果在 2026 年 4 月落地：西门子携手人形机器人公司 Humanoid 及英伟达，在爱尔兰根工厂成功完成了人形机器人的运行测试。搭载英伟达物理 AI 技术栈的轮式人形机器人 HMND 01 Alpha，自主执行了周转箱搬运等物流任务。

在中国本土，西门子也在加速具身智能的生态布局。

2026 年世界人工智能大会期间，光轮智能与西门子正式达成合作，双方将打通西门子工业仿真与光轮智能 SimFoundry 仿真平台，把工业工程知识转化为机器人可交互、可学习、可评测的仿真世界，解决工业场景具身智能虚实转化的行业共性难题。

此外，西门子还与松应科技签署战略合作协议，围绕物理仿真、工业数字孪生与具身智能等领域展开合作，共同推进物理 AI 技术在先进制造场景的应用。

从 Apptronik 的软件栈替换，到英伟达的工业 AI 操作系统，再到光轮智能和松应科技的本土生态合作——西门子在具身智能领域的布局呈现出清晰的层次：

以工业仿真和数字孪生为底座，以物理 AI 为引擎，以开放生态为触角，将具身智能从实验室推向真实的工业场景。

Tony Hemmelgarn 在大会上的总结，或许最能概括西门子对工业 AI 的整体判断：" 数字孪生正为我们开辟全新业务增量；生命周期智能正加速 Teamcenter 增长，因为 AI 已成为客户的刚性需求；自适应能力战略确保客户永不陷入数据孤岛，而是与我们共同成长。"

当工业 AI 从概念验证走向规模化落地，当 AI 不再是 " 能不能做 " 的问题而是 " 能创造多少价值 " 的问题。西门子给这个行业指的路，本质上是一条从数据到知识、从知识到智能、从智能到生产力的闭环路径。这条路的起点是全面数字孪生，终点是每一次工业决策都更快、更准、更可信。