市堅(jiān)秉

機(jī)器之心原創(chuàng)

微胖

那是1964年，德國(guó)南部的小城愛(ài)爾蘭根，陽(yáng)光灑落在西門(mén)子數(shù)據(jù)中心的窗格上，一臺(tái)名為ZuseGraphomatZ64的繪圖儀靜靜運(yùn)轉(zhuǎn)著。

它并不懂何為藝術(shù)，卻在工業(yè)數(shù)學(xué)家GeorgNees的指令下，畫(huà)出了世界上最早一批由計(jì)算機(jī)生成的圖像。

1965年，德國(guó)斯圖加特大學(xué)的研究畫(huà)廊舉辦了全球首個(gè)在愛(ài)爾蘭根西門(mén)子公司數(shù)字計(jì)算機(jī)上通過(guò)算法生成的圖形作品展覽Computergrafik（算法藝術(shù)），GeorgNees是唯一參展的藝術(shù)家，這是當(dāng)時(shí)展出的作品之一。

一段代碼、一卷紙帶、一組圖形庫(kù)，借由ALGOL語(yǔ)言緩緩運(yùn)行。方格、曲線(xiàn)，輪廓與空白——工業(yè)數(shù)學(xué)家的靈魂在矩形與曲線(xiàn)中悄然躍動(dòng)，沒(méi)有人會(huì)想到，它會(huì)成為人工智能與工業(yè)融合的漫長(zhǎng)序章。

次年，西門(mén)子在愛(ài)爾蘭根設(shè)立研究中心。超過(guò)7個(gè)足球場(chǎng)大的封閉園區(qū)，成為無(wú)數(shù)推動(dòng)工業(yè)4.0技術(shù)的母體。

60年過(guò)去，城市依舊寧?kù)o，工廠早已煥然一新。在西門(mén)子愛(ài)爾蘭根工廠中，超100項(xiàng)人工智能應(yīng)用嵌入制造流程，數(shù)字孿生技術(shù)成為理解現(xiàn)實(shí)的鏡像。

機(jī)器人能識(shí)別陌生零件，借助虛擬物料進(jìn)行訓(xùn)練，還能將直徑僅為幾十分之一毫米的導(dǎo)線(xiàn)，精準(zhǔn)插入同樣微小的孔中。

愛(ài)爾蘭根工廠的半導(dǎo)體生產(chǎn)潔凈室

每天，這座「全球燈塔工廠」生成的數(shù)據(jù)浩如煙海，源源不斷匯入一場(chǎng)更為深遠(yuǎn)的競(jìng)爭(zhēng)：

誰(shuí)能讓AI聽(tīng)懂機(jī)器語(yǔ)言，穩(wěn)穩(wěn)落地于最復(fù)雜的工業(yè)體系？

從智能體到工業(yè)基礎(chǔ)模型：

西門(mén)子打造工業(yè)AI「操作系統(tǒng)」

人機(jī)之間最自然的溝通方式，或許始于一種新的「伙伴」關(guān)系。西門(mén)子稱(chēng)它為IndustrialCopilot。

這位摘下今年「工業(yè)界奧斯卡」桂冠的「伙伴」，正步入智能體時(shí)代——

你向它發(fā)問(wèn)，它回應(yīng)的，不只是一個(gè)「答案」，而是一個(gè)「行動(dòng)」，如同經(jīng)驗(yàn)老道的匠人。

IndustrialCopilot摘下今年「工業(yè)界奧斯卡」赫爾墨斯獎(jiǎng)

在德國(guó)蒂森克虜伯工廠的一隅，電池測(cè)試機(jī)靜靜運(yùn)轉(zhuǎn)著。玻璃箱里，電池單元在傳送帶上緩緩滑過(guò)，紅綠燈交替閃爍，傳感器與攝像頭捕捉每一刻的細(xì)節(jié)。

過(guò)去，每個(gè)動(dòng)作都需要PLC工程師逐行編寫(xiě)代碼，甚至要拆解其他供應(yīng)商提供的程序模塊。稍有經(jīng)驗(yàn)不足，便如墜迷霧。

蒂森克虜伯的工程師們正在使用西門(mén)子工業(yè)Copilot為這臺(tái)用于測(cè)試電動(dòng)汽車(chē)電池組的機(jī)器編寫(xiě)自動(dòng)化代碼。

如今，只需一句自然語(yǔ)言指令，Copilot便可生成150行自動(dòng)化代碼，并無(wú)縫對(duì)接TIA博途系統(tǒng)。開(kāi)發(fā)效率提升近一半，代碼部署時(shí)間縮短三成。

從設(shè)計(jì)、規(guī)劃，到工程、運(yùn)營(yíng)和服務(wù)，西門(mén)子工業(yè)智能體正悄然貫穿整個(gè)工業(yè)脈絡(luò)。而這套工業(yè)智能體系統(tǒng)的靈魂，在于一套如「指揮中心」的「指揮家」（Orchestrator）——

它會(huì)遵循業(yè)務(wù)SOP拆解不同任務(wù)，準(zhǔn)確調(diào)度、協(xié)調(diào)多種智能體，讓它們串聯(lián)、協(xié)作，最終完成任務(wù)。

IndustrialCopilot則扮演「前臺(tái)」，提供訪問(wèn)接口，負(fù)責(zé)人類(lèi)語(yǔ)言與工業(yè)語(yǔ)言的轉(zhuǎn)換。

IndustrialCopilotsAIAgents

想象一個(gè)常見(jiàn)的場(chǎng)景：「幫我新增一批訂單，交付時(shí)間提前三天?！鼓阒恍鑼?duì)IndustrialCopilot說(shuō)出這句話(huà)，屏幕顯示智能體開(kāi)始運(yùn)轉(zhuǎn)。

后臺(tái)的「指揮家」迅速解析這條需求，根據(jù)SOP拆解任務(wù)、規(guī)劃流程，并調(diào)度多個(gè)「小智能體」協(xié)同作業(yè)——

檢查設(shè)備運(yùn)行狀態(tài)、調(diào)整產(chǎn)線(xiàn)參數(shù)、核算物料庫(kù)存、啟動(dòng)生產(chǎn)。

生產(chǎn)完成后，智能體還會(huì)自動(dòng)規(guī)劃AGV小車(chē)的數(shù)量、速度和路徑，將產(chǎn)品送至指定倉(cāng)位。

在整個(gè)過(guò)程中，機(jī)械臂無(wú)需重新編程，便可聽(tīng)從智能體的指令，自動(dòng)執(zhí)行分揀、裝配等操作。

你能在屏幕上實(shí)時(shí)看到任務(wù)進(jìn)度、數(shù)據(jù)流轉(zhuǎn)，甚至一鍵生成工作報(bào)告。

西門(mén)子工業(yè)智能體系統(tǒng)架構(gòu)

顯然，它不只是一個(gè)「超級(jí)助理」，更是一個(gè)能運(yùn)籌帷幄的「工業(yè)現(xiàn)場(chǎng)指揮家」。而真正的認(rèn)知核心，是被西門(mén)子稱(chēng)作「工業(yè)基礎(chǔ)模型」（IndustrialFoundationModel，IFM）的新事物——

它并非單一模型構(gòu)成的孤峰，而是一組模型匯聚而成的群山（industrialfoundationmodels），扎根于150PB經(jīng)過(guò)驗(yàn)證的工業(yè)數(shù)據(jù)，澆筑于西門(mén)子百年來(lái)積淀的工程知識(shí)之上。

這些模型各有所長(zhǎng)。時(shí)間序列基礎(chǔ)模型GTT精于預(yù)測(cè)性維護(hù)、異常檢測(cè)與工藝調(diào)優(yōu)。另有模型擅長(zhǎng)圖紙和3D模型，有的通曉PLC編程。但都共通一理：深諳工程語(yǔ)義，工業(yè)邏輯推理，可嵌入真實(shí)生產(chǎn)流程，接受工業(yè)的約束。

工業(yè)基礎(chǔ)模型（IFM）的核心，在于對(duì)多模態(tài)工業(yè)數(shù)據(jù)的深刻理解。這也是它與當(dāng)下主流多模態(tài)大模型路徑的根本分野——

后者更擅長(zhǎng)處理泛化的消費(fèi)者數(shù)據(jù)，而工業(yè)世界充斥著機(jī)器語(yǔ)言。

圖紙上的幾何結(jié)構(gòu)、流程圖中的控制邏輯、PLC發(fā)出的電壓脈沖、傳感器記錄下的時(shí)間序列……它們無(wú)聲，卻自有嚴(yán)密的語(yǔ)法和秩序。

一個(gè)小數(shù)點(diǎn)的漂移，一次聯(lián)動(dòng)的遲滯，便足以導(dǎo)致系統(tǒng)的紊亂、生產(chǎn)的中斷，乃至安全事故的發(fā)生。

因此，西門(mén)子試圖突破文本范式的邊界，構(gòu)建一種能讀懂機(jī)器語(yǔ)言、能適應(yīng)嚴(yán)苛工業(yè)約束的模型——這，正是工業(yè)基礎(chǔ)模型（IFM）的出發(fā)點(diǎn)，也是它與生俱來(lái)的宿命。

護(hù)城河：

數(shù)據(jù)為基，know-how為魂

4月初，IndustrialCopilot與工業(yè)基礎(chǔ)模型（IFM）亮相漢諾威工業(yè)博覽會(huì)，那并非一次炫技，而是對(duì)現(xiàn)實(shí)的回應(yīng)：

曾親手繪圖、調(diào)試、維護(hù)系統(tǒng)的工程專(zhuān)家，很多人已年過(guò)六旬，即將退休。該如何留住他們的專(zhuān)業(yè)知識(shí)？

這一切，靠的不是聊天機(jī)器人。至少不是當(dāng)下這些通用模型所能勝任的。無(wú)論是ChatGPT，還是市面上各類(lèi)AI助手，都無(wú)法觸及西門(mén)子所展現(xiàn)的這些能力。

并非模型不夠聰明，而是它們尚未學(xué)會(huì)如何「生活在工廠里」。而這，正是西門(mén)子的護(hù)城河——

既有規(guī)模驚人的高質(zhì)量數(shù)據(jù)資產(chǎn)，更有百年基業(yè)下的行業(yè)know-how。

例如，訓(xùn)練工業(yè)基礎(chǔ)模型（IFM）所依托的語(yǔ)料庫(kù)，其深度與廣度在整個(gè)工業(yè)世界中都堪稱(chēng)罕見(jiàn)。

高達(dá)150PB的優(yōu)質(zhì)工業(yè)數(shù)據(jù)，像一條貫穿時(shí)空的脈絡(luò)，橫越產(chǎn)品設(shè)計(jì)、仿真、制造等多個(gè)階段，從CAD圖紙到控制邏輯、從傳感器序列到操作日志的多模態(tài)輸入。

哪怕是單一模態(tài)的時(shí)間序列基礎(chǔ)模型GTT，數(shù)據(jù)量已擴(kuò)展至1,240億。

如此「大手筆」的背后，是一座旁人無(wú)法復(fù)制的「數(shù)據(jù)底座」：西門(mén)子的工業(yè)軟件與硬件產(chǎn)品，服務(wù)于全球40多個(gè)行業(yè)、40多萬(wàn)家客戶(hù)。

作為全球領(lǐng)先的工業(yè)軟件供應(yīng)商之一，西門(mén)子的版圖幾乎囊括了CAD、EDA、CAE、PLM、MES/MOM等所有關(guān)鍵工業(yè)軟件品類(lèi)，打通從設(shè)計(jì)、仿真到制造、運(yùn)維的完整生命周期。

而且，西門(mén)子的工業(yè)軟件早已深入流程工業(yè)、離散制造等多個(gè)垂直場(chǎng)景，包括食品加工、化工流程、生物制藥等對(duì)行業(yè)know-how要求極高的復(fù)雜系統(tǒng)。

至于硬件世界，西門(mén)子已構(gòu)筑起完整、端到端的設(shè)備體系。

從PLC控制器、SCADA系統(tǒng)到工業(yè)邊緣計(jì)算設(shè)備，它能夠?qū)④?chē)間里的每一絲動(dòng)態(tài)都轉(zhuǎn)化為可被采集、可被推理的數(shù)字信號(hào)。其中，僅PLC控制器就運(yùn)行于全球三分之一的工廠。

但，光有數(shù)據(jù)還不夠。整個(gè)AI模型生命周期中，最被津津樂(lè)道的「建?！?，其實(shí)不過(guò)是十分之一的工作。真正耗時(shí)且關(guān)鍵的，是那九成隱藏在背后的工作：數(shù)據(jù)清理、接口調(diào)試、部署與運(yùn)維。相比于互聯(lián)網(wǎng)應(yīng)用，這套流程要復(fù)雜得多，需要極為深厚的行業(yè)know-how。

就說(shuō)構(gòu)建工業(yè)智能體，第一步就是拆解具體任務(wù)。而這一步，就已經(jīng)高度依賴(lài)非公開(kāi)、非通用的工業(yè)SOP知識(shí)；訓(xùn)練GTT捕捉多變量之間的動(dòng)態(tài)關(guān)系，你也得明白模具溫度、電機(jī)電流、注射壓力和成型時(shí)間之間，存在動(dòng)態(tài)耦合。

比起建模，數(shù)據(jù)采集和清洗看似「體力活」，其實(shí)是最具經(jīng)驗(yàn)門(mén)檻的一環(huán)。

不同的應(yīng)用場(chǎng)景，采集方式和頻率有著完全不同的訴求。

有的直接從PLC拉數(shù)，有的依賴(lài)傳感器實(shí)時(shí)回傳，還有的要通過(guò)邊緣設(shè)備匯總上傳；而數(shù)據(jù)的刷新頻率，更是從毫秒級(jí)的實(shí)時(shí)采集，到分鐘級(jí)、小時(shí)級(jí)的周期性采集，差異極大。

再往下，通信協(xié)議的兼容性也是繞不開(kāi)的挑戰(zhàn)。

Modbus、OPCUA、CAN……這些協(xié)議五花八門(mén)，要讓它們「說(shuō)同一種語(yǔ)言」，考驗(yàn)?zāi)銓?duì)現(xiàn)場(chǎng)的工藝?yán)斫馀c系統(tǒng)級(jí)的適配能力。

一旦數(shù)據(jù)打通，質(zhì)量問(wèn)題又接踵而來(lái)。

缺失值怎么補(bǔ)？異常點(diǎn)怎么識(shí)別？低質(zhì)量數(shù)據(jù)如何甄別？數(shù)據(jù)質(zhì)量不過(guò)關(guān)，AI無(wú)異于「建在流沙上」。

當(dāng)你構(gòu)建了AI模型之后，距離完成還差很遠(yuǎn)——

怎么把模型部署到產(chǎn)線(xiàn)中？怎么確保它能穩(wěn)定運(yùn)行十年？更重要的是，客戶(hù)能不能在無(wú)需數(shù)據(jù)科學(xué)家介入的前提下，自行維護(hù)、使用、調(diào)優(yōu)？

能否破解這些問(wèn)題，才是工業(yè)AI成敗的分水嶺。

比如，一個(gè)任務(wù)可能需要多個(gè)模型協(xié)同完成：異常檢測(cè)、狀態(tài)分類(lèi)、時(shí)間預(yù)測(cè)……它們使用的算法不同，數(shù)據(jù)處理邏輯各異，部署門(mén)檻高。

要讓它們「跑」起來(lái)，首先要理解每個(gè)模型的訓(xùn)練邏輯、算法結(jié)構(gòu)與輸入輸出機(jī)制，并實(shí)現(xiàn)它們?cè)谙到y(tǒng)中的無(wú)縫聯(lián)動(dòng)。

更大的挑戰(zhàn)，往往出現(xiàn)在模型上線(xiàn)之后。

三個(gè)月后，你可能會(huì)發(fā)現(xiàn)某個(gè)模型突然「罷工」了：傳感器產(chǎn)生了微小漂移、環(huán)境溫度波動(dòng)、機(jī)械老化……這些變化會(huì)導(dǎo)致數(shù)據(jù)分布偏移，模型的預(yù)測(cè)準(zhǔn)確率急劇下降。

而一旦分布發(fā)生漂移，就意味著必須重新訓(xùn)練模型——過(guò)去，這通常意味著甲方數(shù)據(jù)科學(xué)家的再次介入，流程長(zhǎng)、成本高。

西門(mén)子提供貫穿整個(gè)AI應(yīng)用價(jià)值鏈或生命周期的服務(wù)，讓數(shù)據(jù)科學(xué)家以一種兼容工業(yè)環(huán)境的方式，將某些軟件包集成到模型中。如果監(jiān)控系統(tǒng)發(fā)現(xiàn)模型性能不夠好，工廠的自動(dòng)化工程師只需通過(guò)幾次點(diǎn)擊，就可以在已經(jīng)收集到的數(shù)據(jù)上重新訓(xùn)練模型。

所有這些積淀，并非成立僅20余年的數(shù)字公司或互聯(lián)網(wǎng)企業(yè)所能比肩。西門(mén)子AI技術(shù)負(fù)責(zé)人RobertLohmeyer曾說(shuō)，未來(lái)25年也難以復(fù)制。

半個(gè)世紀(jì)：

為AI寫(xiě)下最硬核的工業(yè)注腳

直到今天，幾乎沒(méi)有哪一種工業(yè)AI解決方案，是西門(mén)子無(wú)法構(gòu)建的。

像IndustrialCopilot和工業(yè)基礎(chǔ)模型（IFM）這樣令人驚嘆的技術(shù)成果，也絕非憑空出現(xiàn)，而是沿著一條數(shù)十年未曾中斷的路徑生長(zhǎng)而出——其根系，深植于上世紀(jì)對(duì)神經(jīng)網(wǎng)絡(luò)的執(zhí)著探索中。

那是1973年。世界尚未為「人工智能」劃出清晰的輪廓，西門(mén)子卻悄然取得了自己的第一項(xiàng)AI專(zhuān)利，開(kāi)啟一場(chǎng)長(zhǎng)期主義的孤獨(dú)遠(yuǎn)征。

20多年后，在AI遭遇信任斷崖、被視為「科技泡沫」的年代，西門(mén)子卻推出了全球首個(gè)基于神經(jīng)網(wǎng)絡(luò)的鋼鐵焊接控制系統(tǒng)。

后來(lái)，潮水終于來(lái)了。ChatGPT橫空出世，一夜之間改變了人類(lèi)對(duì)智能的理解。

當(dāng)許多西方公司還在激烈爭(zhēng)論「是否使用」時(shí)，西門(mén)子已默默完成切換——發(fā)布不到半年，幾乎每一位員工都能在安全合規(guī)的邊界下自由使用ChatGPT。DeepSeek發(fā)布后兩三天，西門(mén)子便已投入使用。

這種對(duì)新技術(shù)的響應(yīng)速度，并非一時(shí)興起的果敢，而是源于一種深入骨髓的本能——不斷向未來(lái)靠攏。

如今，西門(mén)子正投入大量資源，為員工和一線(xiàn)工人提供系統(tǒng)性的技能再培訓(xùn)，努力讓人與AI并肩同行。AI的最大挑戰(zhàn)不在于數(shù)據(jù)安全，而在于文化認(rèn)同，西門(mén)子數(shù)字化工業(yè)集團(tuán)CEO奈柯曾說(shuō)，如果企業(yè)文化無(wú)法接納AI，AI就無(wú)法真正發(fā)揮作用。

這份對(duì)未來(lái)的投入，并不止于應(yīng)用層面的擁抱，還包括在AI基礎(chǔ)研究上的持續(xù)耕耘。

超過(guò)1,500名AI專(zhuān)家，其中250人專(zhuān)注于基礎(chǔ)研究，輔以大量經(jīng)驗(yàn)豐富的數(shù)據(jù)科學(xué)家，共同構(gòu)建起一座通往下一代工業(yè)文明的「大腦」。而這背后，是一套早已被時(shí)間驗(yàn)證的技術(shù)版圖——

西門(mén)子在全球工業(yè)AI領(lǐng)域的專(zhuān)利持有量居領(lǐng)先地位。在歐洲，更穩(wěn)居AI專(zhuān)利申請(qǐng)首位；

500+活躍的AI專(zhuān)利家族，不僅代表著技術(shù)積累，更彰顯算法、工業(yè)方法論與系統(tǒng)集成的可變現(xiàn)能力，構(gòu)筑起西門(mén)子在AI深水區(qū)的堅(jiān)實(shí)護(hù)城河。

最近幾個(gè)月的戰(zhàn)略動(dòng)作，更勾勒出這家百年工業(yè)巨頭的布局野心。

原AWS生成式AI副總裁VasiPhilomin加盟西門(mén)子，擔(dān)任執(zhí)行副總裁，全面負(fù)責(zé)AI與數(shù)據(jù)技術(shù)戰(zhàn)略，推動(dòng)包括工業(yè)基礎(chǔ)模型（IFM）在內(nèi)的核心能力建設(shè)。西門(mén)子正以更強(qiáng)勢(shì)的姿態(tài)，搶占技術(shù)制高點(diǎn)。

工業(yè)軟件領(lǐng)域的并購(gòu)步伐也在加速。今年3月至5月期間，西門(mén)子連續(xù)完成5項(xiàng)重大收購(gòu)，其中兩筆交易震動(dòng)行業(yè)。

其一，以高達(dá)百億美元的價(jià)格收購(gòu)了工業(yè)仿真與AI驅(qū)動(dòng)優(yōu)化領(lǐng)域的領(lǐng)軍企業(yè)Altair。這也是西門(mén)子史上第二大規(guī)模的收購(gòu)。

其二，完成對(duì)Dotmatics的收購(gòu)，將AI驅(qū)動(dòng)的工業(yè)軟件版圖延伸至生命科學(xué)領(lǐng)域，打開(kāi)面向生物醫(yī)藥與健康產(chǎn)業(yè)的新局面。

愛(ài)爾蘭根的陽(yáng)光依舊溫暖，Z64繪圖儀雖已沉寂，但它描繪的第一道曲線(xiàn)，如破曉的微光，映照著西門(mén)子深耕AI的漫漫長(zhǎng)路。

它不擅編織炫目的童話(huà)，卻將智能深植于原子與代碼的土壤——讓算法穿透自動(dòng)化表層，叩響自決策的大門(mén)；使封閉的系統(tǒng)學(xué)會(huì)呼吸，令塵封的經(jīng)驗(yàn)獲得傳承；讓未來(lái)更加激動(dòng)人心。

在這條「長(zhǎng)坡厚雪」的征程上，西門(mén)子每一步都帶著時(shí)間的沉淀。當(dāng)浮躁的科技喧囂退去，唯有對(duì)行業(yè)的深刻理解才能定義真正的制造未來(lái)。

此刻，最懂工業(yè)的巨人，正用AI重寫(xiě)下一紀(jì)元的制造語(yǔ)法。