智能体深入工程任务，工业AI也从技术展示走向产业深处。

2026年的WAIC，模型竞赛依然热闹，但展馆里最受关注的问题已经变了。人们开始追问，智能体能否离开对话框，进入工厂和基础设施，长期稳定地完成任务。参数和榜单仍能说明技术进步，却越来越难单独回答产业的价值。

同时，行业一边进入加速期，一边迎来淘汰赛。

中国工程院院士邬贺铨近期提出，从2026年起，工业互联网将进入智能体驱动的新阶段。工业智能体将与行业大模型结合，工业知识图谱也会进一步参与人机协同与生产闭环。Gartner则预测，超过40%的智能体AI项目可能在2027年底前被取消。成本持续上升，商业价值又不够清晰，一些项目对风险的控制也并不充分。

两种判断放在一起并不矛盾。应用铺开的速度在加快，项目筛选也会随之加快。工业AI已经走出概念验证的兴奋期，接下来要接受生产现场的检验。

今年3月，「甲子光年」在西门子北京RXD大会上观察到，当AI走进物理世界，单点算法很难独自决定成败。数字系统需要理解现场，还要通过硬件和自动化系统影响现场。软件写下的指令，最终要经得起设备运行和物理规律的约束。

到了WAIC，西门子这一判断有了更具体的产品承接。Eigen工程智能体负责下沉工程执行、Intelligence Center X承担企业级AI全域编排、行业案例落地真实经营价值、以西门子Xcelerator平台为抓手承接产业规模化。整套布局浓缩为两大核心关键词：向深、向实。

向深，对应AI进入工程软件和自动化流程，获得边界清晰的执行权。向实，则看它能否在工厂与基础设施中留下可以核算的结果。工业AI的下一场竞争，也从展示能力转向长期创造结果。

1.AI跳出辅助阈值，工业现场考题更换

工业AI的第一波落地，解决了有没有用的问题。过去几年，视觉质检和预测性维护跑出大量试点，参数优化也在不少产线上见到成效。然而一个悖论逐步浮现：AI试点越多，重复投入越多，整体交付成本不降反升。

现实进度，仍然落后于市场热度。HiveMQ发布的《2026工业AI就绪度报告》显示，68%的受访机构仍处于研究、概念验证或试点阶段，只有7%已经将AI嵌入大部分核心流程。西门子与至顶科技对200余家工业制造企业的调研也发现，43%的企业尚未部署工业智能体，实现多场景应用的企业仅占8%。

另一个变化发生在AI承担的工作上。过去的工具主要给出建议，答案出现偏差，影响的可能只是一份报告。进入工业现场后，智能体会接触PLC代码和设备参数，也可能参与质量判断与能源调度。一个细小错误，可能带来停机或废品，严重时还会触碰安全边界。

除此之外，行业工艺Know-How是通用AI无法跨越的壁垒。温度、湿度、物料特性、设备运行机理等隐性工业经验，无法靠通用文本学习掌握。模型需要与机理和仿真工具结合，再经过现场数据校准，语言能力才有机会变成工程能力。

跨过辅助门槛后，会不会回答已经没有那么重要。企业更在意AI能否进入工作流，在稳定运行中留下结果。

在WAIC现场，西门子中国董事长、总裁兼首席执行官肖松博士给出一个例子：一台具身智能引进工厂，厂长可能不会太关心“它用的是VLA还是世界模型，模型参数有多大？”他更在意的反而是：“它能不能适配现有的运营系统？能不能稳定完成任务？需要人工多久介入一次？失误率是多少？” 

“这就是工业AI最核心的特点，”肖松概括说。“它的价值，不在于概念有多新，而在于能不能真的走进研发、生产、运营等关键流程，在真实场景中解决看得见的问题，带来算得清的回报。”

西门子此次展示的两款产品，正是从这里展开。

2.会回答已经不够，智能体接手工程作业

西门子展台上，一台电池模组智能拆解原型机吸引了不少观众。

退役动力电池的模组型号不一，内部结构也有差异，拆解过程还伴随短路和起火风险。机器要先识别模组，操作人员确认结果后，控制系统才能继续执行动作。几个环节必须顺畅衔接，自动拆解才不会停在一场演示里。

西门子与北辰循环联合开发的原型机，将TIA全集成自动化方案与NX MCD机械仿真软件接入同一套工程流程。WAIC期间面向中国市场全面发售的，西门子全球首款针对工业自动化工程的AI智能体——Eigen工程智能体也参与其中，帮助团队完成自动化程序开发。观众看到的是设备识别电池并完成拆解，背后改变的则是工程师设计和调试设备的方式。

以往的AI辅助工具通常生成一段代码，或者回答一个工程问题。Eigen工程智能体继续往后走。它可以理解项目需求，再完成控制软件编写和系统配置。任务结束后，智能体还会按照预设标准校验结果，发现问题便继续修改。

西门子披露的数据显示，Eigen工程智能体可以让部分日常工程任务的执行速度达到手动流程的2至5倍，工程效率提升50%，方案质量提升80%。今年6月，它又增加ECAD集成和符合行业规范的项目自动生成功能。工程师用自然语言描述设备需求，智能体便可以生成符合规范的项目，电气设计与软件开发之间的衔接也随之缩短。

这套能力的核心价值不是替代工程师，而是重构工业人机分工体系：智能体承接重复编程、参数核对、反复调试等机械工作，工程师聚焦架构设计、标准定义、风险决策等高价值环节，让AI拥有边界清晰的执行权，让人守住工业安全与质量的最终决策权，完美适配工业低容错的现场规则。

值得一提的是，Eigen工程智能体斩获本届WAICSAIL之星奖。

不过，Eigen工程智能体解决的仍是一项工程任务。企业内部的AI试点越积越多，分散建设很容易带来重复投入，管理也会变得混乱。同期首次在中国展出的Intelligence Center X，则解决了企业AI规模化的管理乱象。

制造企业处理一次生产异常，往往要在多个系统之间寻找线索。数据分散时，智能体即使能够分析问题，也很难获得足够完整的上下文。作为工业AI编排软件，Intelligence Center X把企业数据和工作流程接入统一环境，模型与智能体也在其中运行。企业可以管理智能体调用的数据，并设置相应权限。整个执行过程会被记录下来，人与智能体也能在同一项业务中协同工作。

西门子称，首批合作项目中，Intelligence Center X帮助客户减少95%的重复性手工作业，生产问题处置效率提升85%。它给已经存在的AI应用提供了共同环境，企业既能看到智能体怎样得出结果，也能在必要时及时介入。

「甲子光年」认为，从展台关系来看，两款新品形成纵向深耕、横向拓宽的格局。Eigen工程智能体下沉工程一线，补齐工业AI的执行深度，让智能体真正融入生产作业；Intelligence Center X立足企业全域架构，拓宽工业AI的部署广度，解决多场景规模化复用难题。

从RXD大会提出的虚实协同理念，到WAIC落地可执行、可编排的完整产品体系，西门子完成了工业AI从理论架构到落地工具的完整闭环，推动行业彻底告别模型问答的浅层应用，迈入流程嵌入、价值可量化的全新阶段。

3.技术走进产业深处，价值要在现场算账

展区另一侧，西门子把工业AI放进了几个差异很大的行业。表面看，这些案例覆盖实验室和基础设施等不同场景，背后其实解决的是同一类问题：如何减少那些昂贵又难以预测的波动。

对企业来说，模型参数不会自动出现在经营报表上。一次实验能否少走弯路，产线能否稳定运行，往往比模型会回答多少问题更重要。西门子提出的向实而行，也要通过这些可以核算的结果才能成立。

在新药研发中，最昂贵的环节是试错。一个候选分子从设计走进实验室，可能经过漫长验证，最后才发现方向走不通。失败暴露得越晚，前面投入的时间就越难收回。

西门子展示的生命科学数字实验室，将Dotmatics与gPROMS数字孪生平台结合。研究团队可以先在虚拟模型中测试分子研发方案，再把更有希望的方向送进物理实验。AI没有绕开实验，只是帮助研究人员提前完成一部分筛选。这套方案有望将实验周期缩短约30%。前期研发投入也可能降低20%。对于一项以年计算的新药研发项目，早一点发现错误方向，价值可能远高于单次实验本身。

到了品客薯片产线，问题从研发试错变成了工艺稳定。

一片薯片看起来简单，面团状态却会随着原料和环境发生变化，随后影响成型与罐装。西门子为面团混合环节建立工艺数字孪生，用生产数据推演面团在不同条件下的变化，再优化配方和加工参数。整套改造没有增加新的生产设备，产能却提升了10%。废料减少13%，单片薯片能耗下降7%。

对消费品企业来说，这种稳定会随着产量不断放大。单片产品节省的能耗看起来有限，放到一条昼夜运转的产线上，就会成为持续发生的成本变化。工业AI就这样落到最不起眼的工艺细节里，也在这些细节中形成收益。

汽车产线面对的是另一种麻烦。一款新车型投产时，设计调整或零部件变化，都可能一路传到车间，打乱设备程序和装配节拍。很多问题过去要等到试生产后才会暴露。

在汽车制造岛中，数字孪生帮助工程师提前模拟产线变化，SICAR标准化控制用于验证生产逻辑。方案进入现场后，Inspekto AI视觉质检继续识别零部件缺陷，预测性维护关注设备运行状态。问题越早被发现，返工和物料损失就越少，产线调整也会从容一些。

基础设施场景，关键在于用轻量化改造适配存量市场。酒店和园区已经运行多年，很难为了部署AI整体更换设备。工业AI能否轻量接入存量系统，直接影响它能覆盖多少客户。

上海嘉定颖奕皇冠假日酒店将西门子智冷魔方AI BOX接入原有制冷机房，只用3天便完成部署，也没有影响营业。在相近工况下，制冷机房能效进一步提升7%以上。到了川润成都工厂，Smart ECX根据园区能源供需变化调整运行策略，使园区用能成本降低30%，综合能效超过90%。

中金数据乌兰察布零碳算力基地又把问题推向AI基础设施本身。算力持续扩张后，稳定供电已经成为数据中心运行的前提。西门子在这里提供中低压配电方案，保障基地供电，也让工业技术进入AI产业更靠近基础设施的一端。

多行业案例，共同印证一个核心趋势：成熟的工业AI从不颠覆现有体系，而是深度嵌入原生流程，找到最昂贵或最容易波动的环节，再一点点把问题压下去。研发端少走一些弯路，生产和运营环节少付出一些损耗，所谓的向实，最终靠的是这些留在现场的结果。

4.生态扩圈，从一项应用走向一片产业

不同于消费互联网单点产品快速出圈的逻辑，工业AI的产业化，注定是一场多方协同的长期工程，开放共建是产业进阶的唯一路径。西门子的全域生态布局，恰好完整覆盖了工业AI从技术研发到现场落地的全链路环节。

算力与基础模型层面，NVIDIA、微软提供稳定的算力底座与通用大模型能力，筑牢AI技术底层；数据层面，Snowflake助力企业打通内部分散数据，西门子联合北数所，进一步搭建规范、安全的工业数据流通体系，解决数据孤岛与数据合规难题；产业应用层面，Xometry将AI可制造性分析延伸至采购全流程，设序科技深耕生产流程智能化工具，同时十五冶、中科摩通、北辰循环等本土产业伙伴，则分别补齐垂直场景的工艺know-how短板。

分散的技术能力与行业资源，最终都统一沉淀至西门子Xcelerator开放式数字商业平台，成为可共享、可迭代的产业公共能力。目前该平台中国区已积累超60万注册用户、500+生态伙伴、800+行业解决方案，搭建起连接技术开发者、方案服务商与制造企业的核心桥梁。

平台的核心价值，是革新了传统工业AI的交付与迭代模式。过去工业AI多为项目制交付，单次项目沉淀的经验、工艺、代码难以复用，导致行业重复开发、成本居高不下。而西门子Xcelerator将零散的项目经验、行业工艺、开发工具固化为标准化可复用组件。

依托平台配套的AI开发者中心，开发者可借助持续更新的工业知识库、匹配的算力资源，快速迭代工业智能体应用；终端企业则可直接筛选适配自身设备、工况的成熟方案，大幅降低AI落地的试错成本与部署门槛。

回看本届WAIC展台，西门子的布局早已超越两款新品的技术展示：Eigen工程智能体打通工业AI的执行深度，让智能体深度参与工程作业；Intelligence Center X补齐企业AI的全域管理能力，实现AI规范化编排；全行业实景案例将技术能力转化为可核算的经营收益；西门子Xcelerator生态平台则打通产业边界，让单点能力迭代为全域可复用的产业价值。

从RXD到WAIC，西门子的判断始终如一：AI越靠近物理世界，越要回到工程和行业本身。向深，需要走进软件与自动化系统；向实，需要在现场留下可以核算的结果。工业AI正在离开喧闹的技术竞赛，走进更漫长的产业建设，西门子，也已经站在这场变化的纵深处。

（封面图及文中图片来源：西门子）