穆清暉

機器之心原創(chuàng)

微胖

那是1964年，德國南部的小城愛爾蘭根，陽光灑落在西門子數(shù)據(jù)中心的窗格上，一臺名為ZuseGraphomatZ64的繪圖儀靜靜運轉(zhuǎn)著。

它并不懂何為藝術(shù)，卻在工業(yè)數(shù)學家GeorgNees的指令下，畫出了世界上最早一批由計算機生成的圖像。

1965年，德國斯圖加特大學的研究畫廊舉辦了全球首個在愛爾蘭根西門子公司數(shù)字計算機上通過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，這是當時展出的作品之一。

一段代碼、一卷紙帶、一組圖形庫，借由ALGOL語言緩緩運行。方格、曲線，輪廓與空白——工業(yè)數(shù)學家的靈魂在矩形與曲線中悄然躍動，沒有人會想到，它會成為人工智能與工業(yè)融合的漫長序章。

次年，西門子在愛爾蘭根設(shè)立研究中心。超過7個足球場大的封閉園區(qū)，成為無數(shù)推動工業(yè)4.0技術(shù)的母體。

60年過去，城市依舊寧靜，工廠早已煥然一新。在西門子愛爾蘭根工廠中，超100項人工智能應(yīng)用嵌入制造流程，數(shù)字孿生技術(shù)成為理解現(xiàn)實的鏡像。

機器人能識別陌生零件，借助虛擬物料進行訓練，還能將直徑僅為幾十分之一毫米的導線，精準插入同樣微小的孔中。

愛爾蘭根工廠的半導體生產(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，源源不斷匯入一場更為深遠的競爭：

誰能讓AI聽懂機器語言，穩(wěn)穩(wěn)落地于最復雜的工業(yè)體系？

從智能體到工業(yè)基礎(chǔ)模型：

西門子打造工業(yè)AI「操作系統(tǒng)」

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

這位摘下今年「工業(yè)界奧斯卡」桂冠的「伙伴」，正步入智能體時代——

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

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

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

過去，每個動作都需要PLC工程師逐行編寫代碼，甚至要拆解其他供應(yīng)商提供的程序模塊。稍有經(jīng)驗不足，便如墜迷霧。

蒂森克虜伯的工程師們正在使用西門子工業(yè)Copilot為這臺用于測試電動汽車電池組的機器編寫自動化代碼。

如今，只需一句自然語言指令，Copilot便可生成150行自動化代碼，并無縫對接TIA博途系統(tǒng)。開發(fā)效率提升近一半，代碼部署時間縮短三成。

從設(shè)計、規(guī)劃，到工程、運營和服務(wù)，西門子工業(yè)智能體正悄然貫穿整個工業(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）——

它會遵循業(yè)務(wù)SOP拆解不同任務(wù)，準確調(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」，提供訪問接口，負責人類語言與工業(yè)語言的轉(zhuǎn)換。

IndustrialCopilotsAIAgents

想象一個常見的場景：「幫我新增一批訂單，交付時間提前三天?！鼓阒恍鑼ndustrialCopilot說出這句話，屏幕顯示智能體開始運轉(zhuǎn)。

后臺的「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「小智能體」協(xié)同作業(yè)——

檢查設(shè)備運行狀態(tài)、調(diào)整產(chǎn)線參數(shù)、核算物料庫存、啟動生產(chǎn)。

生產(chǎn)完成后，智能體還會自動規(guī)劃AGV小車的數(shù)量、速度和路徑，將產(chǎn)品送至指定倉位。

在整個過程中，機械臂無需重新編程，便可聽從智能體的指令，自動執(zhí)行分揀、裝配等操作。

你能在屏幕上實時看到任務(wù)進度、數(shù)據(jù)流轉(zhuǎn)，甚至一鍵生成工作報告。

西門子工業(yè)智能體系統(tǒng)架構(gòu)

顯然，它不只是一個「超級助理」，更是一個能運籌帷幄的「工業(yè)現(xiàn)場指揮家」。而真正的認知核心，是被西門子稱作「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)過驗證的工業(yè)數(shù)據(jù)，澆筑于西門子百年來積淀的工程知識之上。

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

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

后者更擅長處理泛化的消費者數(shù)據(jù)，而工業(yè)世界充斥著機器語言。

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、傳感器記錄下的時間序列……它們無聲，卻自有嚴密的語法和秩序。

一個小數(shù)點的漂移，一次聯(lián)動的遲滯，便足以導致系統(tǒng)的紊亂、生產(chǎn)的中斷，乃至安全事故的發(fā)生。

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

護城河：

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，那并非一次炫技，而是對現(xiàn)實的回應(yīng)：

曾親手繪圖、調(diào)試、維護系統(tǒng)的工程專家，很多人已年過六旬，即將退休。該如何留住他們的專業(yè)知識？

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

并非模型不夠聰明，而是它們尚未學會如何「生活在工廠里」。而這，正是西門子的護城河——

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，訓練工業(yè)基礎(chǔ)模型（IFM）所依托的語料庫，其深度與廣度在整個工業(yè)世界中都堪稱罕見。

高達150PB的優(yōu)質(zhì)工業(yè)數(shù)據(jù)，像一條貫穿時空的脈絡(luò)，橫越產(chǎn)品設(shè)計、仿真、制造等多個階段，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)的時間序列基礎(chǔ)模型GTT，數(shù)據(jù)量已擴展至1,240億。

如此「大手筆」的背后，是一座旁人無法復制的「數(shù)據(jù)底座」：西門子的工業(yè)軟件與硬件產(chǎn)品，服務(wù)于全球40多個行業(yè)、40多萬家客戶。

作為全球領(lǐng)先的工業(yè)軟件供應(yīng)商之一，西門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，打通從設(shè)計、仿真到制造、運維的完整生命周期。

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

至于硬件世界，西門子已構(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)邊緣計算設(shè)備，它能夠?qū)④囬g里的每一絲動態(tài)都轉(zhuǎn)化為可被采集、可被推理的數(shù)字信號。其中，僅PLC控制器就運行于全球三分之一的工廠。

但，光有數(shù)據(jù)還不夠。整個AI模型生命周期中，最被津津樂道的「建?！梗鋵嵅贿^是十分之一的工作。真正耗時且關(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、部署與運維。相比于互聯(lián)網(wǎng)應(yīng)用，這套流程要復雜得多，需要極為深厚的行業(yè)know-how。

就說構(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)高度依賴非公開、非通用的工業(yè)SOP知識；訓練GTT捕捉多變量之間的動態(tài)關(guān)系，你也得明白模具溫度、電機電流、注射壓力和成型時間之間，存在動態(tài)耦合。

比起建模，數(shù)據(jù)采集和清洗看似「體力活」，其實是最具經(jīng)驗門檻的一環(huán)。

不同的應(yīng)用場景，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)，有的依賴傳感器實時回傳，還有的要通過邊緣設(shè)備匯總上傳；而數(shù)據(jù)的刷新頻率，更是從毫秒級的實時采集，到分鐘級、小時級的周期性采集，差異極大。

再往下，通信協(xié)議的兼容性也是繞不開的挑戰(zhàn)。

Modbus、OPCUA、CAN……這些協(xié)議五花八門，要讓它們「說同一種語言」，考驗你對現(xiàn)場的工藝理解與系統(tǒng)級的適配能力。

一旦數(shù)據(jù)打通，質(zhì)量問題又接踵而來。

缺失值怎么補？異常點怎么識別？低質(zhì)量數(shù)據(jù)如何甄別？數(shù)據(jù)質(zhì)量不過關(guān)，AI無異于「建在流沙上」。

當你構(gòu)建了AI模型之后，距離完成還差很遠——

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

能否破解這些問題，才是工業(yè)AI成敗的分水嶺。

比如，一個任務(wù)可能需要多個模型協(xié)同完成：異常檢測、狀態(tài)分類、時間預測……它們使用的算法不同，數(shù)據(jù)處理邏輯各異，部署門檻高。

要讓它們「跑」起來，首先要理解每個模型的訓練邏輯、算法結(jié)構(gòu)與輸入輸出機制，并實現(xiàn)它們在系統(tǒng)中的無縫聯(lián)動。

更大的挑戰(zhàn)，往往出現(xiàn)在模型上線之后。

三個月后，你可能會發(fā)現(xiàn)某個模型突然「罷工」了：傳感器產(chǎn)生了微小漂移、環(huán)境溫度波動、機械老化……這些變化會導致數(shù)據(jù)分布偏移，模型的預測準確率急劇下降。

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

西門子提供貫穿整個AI應(yīng)用價值鏈或生命周期的服務(wù)，讓數(shù)據(jù)科學家以一種兼容工業(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，工廠的自動化工程師只需通過幾次點擊，就可以在已經(jīng)收集到的數(shù)據(jù)上重新訓練模型。

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。西門子AI技術(shù)負責人RobertLohmeyer曾說，未來25年也難以復制。

半個世紀：

為AI寫下最硬核的工業(yè)注腳

直到今天，幾乎沒有哪一種工業(yè)AI解決方案，是西門子無法構(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而出——其根系，深植于上世紀對神經(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，西門子卻悄然取得了自己的第一項AI專利，開啟一場長期主義的孤獨遠征。

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

后來，潮水終于來了。ChatGPT橫空出世，一夜之間改變了人類對智能的理解。

當許多西方公司還在激烈爭論「是否使用」時，西門子已默默完成切換——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，西門子便已投入使用。

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

如今，西門子正投入大量資源，為員工和一線工人提供系統(tǒng)性的技能再培訓，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，而在于文化認同，西門子數(shù)字化工業(yè)集團CEO奈柯曾說，如果企業(yè)文化無法接納AI，AI就無法真正發(fā)揮作用。

這份對未來的投入，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1,500名AI專家，其中250人專注于基礎(chǔ)研究，輔以大量經(jīng)驗豐富的數(shù)據(jù)科學家，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，是一套早已被時間驗證的技術(shù)版圖——

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

500+活躍的AI專利家族，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)筑起西門子在AI深水區(qū)的堅實護城河。

最近幾個月的戰(zhàn)略動作，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加盟西門子，擔任執(zhí)行副總裁，全面負責AI與數(shù)據(jù)技術(shù)戰(zhàn)略，推動包括工業(yè)基礎(chǔ)模型（IFM）在內(nèi)的核心能力建設(shè)。西門子正以更強勢的姿態(tài)，搶占技術(shù)制高點。

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

其一，以高達百億美元的價格收購了工業(yè)仿真與AI驅(qū)動優(yōu)化領(lǐng)域的領(lǐng)軍企業(yè)Altair。這也是西門子史上第二大規(guī)模的收購。

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

愛爾蘭根的陽光依舊溫暖，Z64繪圖儀雖已沉寂，但它描繪的第一道曲線，如破曉的微光，映照著西門子深耕AI的漫漫長路。

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

在這條「長坡厚雪」的征程上，西門子每一步都帶著時間的沉淀。當浮躁的科技喧囂退去，唯有對行業(yè)的深刻理解才能定義真正的制造未來。

此刻，最懂工業(yè)的巨人，正用AI重寫下一紀元的制造語法。

101圍棋網(wǎng):作業(yè)提交與錯題訂正詳解

101圍棋網(wǎng)作業(yè)指南與學習策略建議

上海圍棋熱潮:101圍棋網(wǎng)的助力與學習路徑