寫在前邊：西門子股份公司董事會成員、西門子數字化工業集團首席執行官奈柯在漢諾威工博會接受至頂科技等在內中國媒體採訪時說，我們並非將AI視為工人的對手，而是視作幫手，因為AI擅長處理重複枯燥的任務，機器人也能承擔高難度的作業。事實上，AI技術的最大挑戰更在於如何產生文化認同。如果企業文化無法接納AI，AI也就難以取得成功。這段話，或可以作為西門子工業AI的一個思考脈絡。
AI，尤其是大模型為代表的生成式AI，在工業中使用的難點和門檻是什麼，又該如何解決和跨越，是過去幾個月在我腦海中一直盤旋的問題。起因是至頂AI實驗室在年後發布的一份《DeepSeek完全實用手冊》。指南非常受歡迎，有幾萬份的下載，現在每天還在不斷增加中。
但指南發布後，陸續有很多企業IT技術負責人問過來，是否有專門針對企業AI，尤其是在工業製造中使用DeepSeek等大模型的方法論。
在我們的指南中，這些內容有一些，但不夠多。
不過，沒有更多呈現這些資訊並不是我們的初衷，也就是不是不想多寫，而是在撰寫報告時發現，企業AI、工業AI方面的熱度不低，但相關討論素材卻較少。
這就涉及到了一個非常有意義的話題，AI在消費者市場，和企業級市場的發展境遇，幾乎完全不同。
在消費者市場，AI可以說風生水起。
一兩周前，OpenAI發布了更新版的GPT-4o功能，升級了風格轉繪功能。大量用戶用它生成吉卜力風格的圖片。據OpenAI CEO 山姆·阿特曼說，這個功能火爆到讓ChatGPT一個小時，就增加一百萬用戶。
但這樣的殺手級應用，在企業級AI、工業級AI領域就沒怎麼被看到。大概，這就是ToC市場，和ToB市場的輿論傳播量級區別了。
赫耳墨斯、工業AI助手、西門子
所以，當我決定參加兩周前在德國舉行的漢諾威工業博覽會（Hannover Messe）（簡稱漢諾威工博會）時，一個核心想法，就是想為工業AI方法論找到、總結出一個脈絡。
三天的展會日程結束之後。我的感受是，西門子正在為工業AI提供一種很有啟發的解題思路。
先讓我們從漢諾威工博會說起。
漢諾威工博會的標誌很有特色，是希臘神話十二主神之一的赫耳墨斯（Hermes）。
這個標誌歷史悠久，是德國已故知名平面設計師保羅·拉德馬赫的作品。
拉德馬赫在1947 年首屆展會（當時還叫「漢諾威出口博覽會」）開幕時就將它創作出來。此後，展會一直沿用，距今有近八十年的歷史。赫耳墨斯是希臘神話中商人的保護神，作為交易展會的標誌，當然很恰當。
2004年，漢諾威工博會第一次設立了官方獎項，名字也叫「赫耳墨斯」（HERMES AWARD），表彰在展會上展示了技術創新的公司和機構。
這讓人感受到了組委會的另一重用意。因為赫耳墨斯除了是商人的保護神，還是跑得最快的神。我想用這個名字來讚賞創新，實在是再合適不過。
西門子的「Industrial Copilot」（西門子工業AI助手 ）產品，則榮獲了今年的漢諾威工博會的赫爾墨斯獎。而它就是一個跑得很快的創新，據西門子說，它是首個針對整個價值鏈的工業環境的生成式人工智慧（AI）產品，從設計、規劃、工程到運營和服務。
這款產品的重要劇情，幾乎也都發生在漢諾威。
2023年，西門子和微軟在展會上共同展示了對生成式人工智慧助手的願景。隨後的2024年，西門子在漢諾威正式發布了相關產品。今年漢諾威工博會2025把赫耳墨斯獎給了此前一年發布的產品。
我覺得這個時間差，正好說明了工業應用和消費應用的一個區別。
在工業領域，產品創新很快固然很重要，能夠被真實商業世界用更長時間去驗證同樣很重要。實際上，西門子今年在漢諾威也確實公布了多個工業AI助手的實際用例。
所以，這時我的第一個感受，工業AI需要跑得快，更需要跑得穩。
其實，在個人消費級AI市場，甚至是專業編碼開發領域，大家對 Copilot 類產品工具應該已經不陌生了。Github Copilot、Cursor、bolt.new、Replit等等不一而足。
所以，為什麼消費級和工業級產品，會有這樣一個時間差。進而，為什麼是西門子開發出了這個產品。這兩個問題，就和我們要討論的大主題息息相關了。
接下來，我們要從工業AI的特殊性，或者說是難點談起。
工業AI的三個難點
通過和展會上與西門子相關發言人的交流，對於工業AI落地的難點，我得到了三個關鍵詞，分別是數據、容錯、知識。
我們首先說數據。
大家知道，AI的核心三要素是算法、算力、數據。其中數據無疑是關鍵。OpenAI研究員Jbetker在2023年寫過一篇技術博客說，根據他的觀察，所有的模型，只要訓練數據集相同，不管你用什麼樣的算法訓練，最終模型的性能會非常的接近。
因此，我們甚至可以說，數據集就是模型的基因。
而與通用大模型預訓練所用的Internet網際網路數據相比，工業數據具有顯著的特殊性和複雜性
正如西門子數字化工業集團CEO奈柯（Cedrik Neike）在接受至頂科技在內的中國媒體採訪時所言，通用大語言模型在處理日常網際網路數據時表現突出，但工業模型需要完全不同的數據。比如工業領域會涉及很多多模態數據——三維設計數據和時間序列數據。這些數據在網際網路上是不存在的。
其次，工業領域對AI系統的容錯率要求極為嚴格。
西門子AI實驗室負責人Robert Lohmeyer告訴我們，工業AI與消費級AI的一個根本場景使用上的差異在於可靠性和確定性。
在某些消費場景，偶爾的不確定性是可以接受的，但當AI被用於自動駕駛、自動控制等高風險領域時，任何不確定性或錯誤都是完全不可接受的。
系統的精確性、安全性必須得到絕對保障，這使得工業級AI面臨更高的技術與成本挑戰。
最後，要真正實現AI技術在工業領域的有效應用，跨領域的專業知識必不可少。工業環境中的AI應用涉及接口兼容性及部署等工作。
要用好AI，尤其是生成式AI，更需要深入理解具體的工業場景。
甚至，如果完全不懂工業場景，面對問題時，可能連提示詞怎麼寫都不知道，更不用說開發出一個工業AI產品。
但是，顯然西門子的「Industrial Copilot」在解決這些難題。據其官方資訊，如果工業工程團隊使用自然語言（工程師母語）為可編程邏輯控制器（PLC）生成控制代碼，可以使SCL（結構化控制語言）代碼生成速度提升約 60%，不僅顯著降低出錯率，也可減少對專業知識的依賴。
短短一段話，就完整涵蓋了剛才我們所說的三個難點：數據、容錯、知識。尤其是第一點：數據。
所以，我們的第二個體會就是，數據是工業AI的主要攔路虎。
當我問西門子股份公司數字化工業集團過程自動化首席執行官Axel Lorenz，什麼是工業AI落地的第一個挑戰。他的答案也是數據。
他認為，我們需要大量優質數據來構建有效的模型，這不是簡單的可信AI問題，要開發高度智能的Copilot或AI解決方案，我們必須獲取大量且正確的數據。
從PC到PLC：工業數據的一個起點
數據問題對任何人都不容易，包括西門子。但是，西門子有一個天然性的優勢。
如果說數據是模型的基因，那麼西門子具備生產工業數據的基因。畢竟，西門子在工業領域已經有150多年的深厚積累。
在AI方面，早在1973年，西門子就獲得了第一個AI專利。
1995年，西門子又推出了第一個基於神經網路的控制優化鋼鐵焊接解決方案，當時正值AI的"寒冬"時期。
現在，這家公司已經擁有超過1500名AI專家，其中約250名專注於基礎技術研究，並擁有超過500個活躍的AI專利家族。
將大量行業知識與AI技術結合，使得西門子能夠更容易解決數據問題。我想這也是它率先開發出工業AI助手的原因吧。
說到這兒，我想多講一下西門子的一款產品——PLC，這也是在「Industrial Copilot」發布中談及的技術。
我想將PLC和一個我們更熟悉的產品PC，做一個類比。
微軟公司最近在慶祝成立五十周年，創始人比爾·蓋茨講了一段話，說AI時代的價值在於智能的免費（低成本），而當年他所創造的PC革命，則是計算的免費——也就是讓人人都能買得起，用得上的個人電腦。
這和後來的大模型革命息息相關。因為如果沒有PC的普及（等同於計算的普及），就不會有人人上網。沒有人人上網，也就沒有網際網路這個大數據集的創造。當然，我們也不能忽視智慧型手機，移動網際網路的數據創造，但是PC網際網路確實是第一個起點。
而如果說消費者網際網路的第一個重要硬體載體是PC，那麼工業網際網路的重要硬體載體應該就是PLC了。
PLC的全稱是可編程邏輯控制器（Programmable Logic Controller），誕生於20世紀60年代，其興起與汽車工業自動化生產的發展密切相關。
在PLC誕生之前，汽車製造業的自動化生產，如一般控制、順序控制以及安全互鎖邏輯控制等環節，完全依賴大量的繼電器、定時器及專用閉環控制器。這些設備不僅體積龐大、噪音嚴重，每年的維護成本也極為可觀。
而且，繼電器-接觸器系統繁瑣的線路檢修對維護人員的專業技能要求極高，無形中增加了企業的人力和運營成本。
為解決上述問題，美國通用汽車公司於1968年公開招標，尋求一種新型自動控制系統替代傳統的繼電器系統，並提出「通用十條」設計指標。
第二年，美國數字設備公司（DEC）基於此要求，成功開發了首台PDP-14控制器，並成功應用於汽車自動化裝配生產線，標誌著世界上第一台PLC的誕生。
巧合的是，PLC的發明在時間線上，幾乎和PC（個人電腦）時間線完全重合。
1962年11月3日《紐約時報》在相關報導中首次使用「個人電腦」一詞。1968年，惠普公司第一次將其產品Hewlett-Packard 9100A稱作「個人電腦」，和「通用十條」發布就在同一年。
這次在漢諾威，我注意到，當工業領域專家要向普通人解釋何為PLC時，通常會簡單的說，「你可以理解它就是工業中的PC」。
不過，正如最終將PC發揚光大的是IBM，PLC後來的蓬勃發展，主要推動者之一是西門子。
西門子的PLC產品品牌叫SIMATIC。名字最早來自1958年西門子發布的鍺電晶體工業控制系統（也是工業自動化時代的開始標誌之一）。
1979年，西門子一款重要的PLC產品SIMATIC S5系列產品問世，它採用STEP 5編程工具，這是最早的電腦化PLC編程工具，使複雜過程控制成為可能。
此時的PLC，其實也和PC很像了，能編程，能開發，更具通用性。
經過超過半個世紀的發展，西門子現在已是全球PLC市場的領導者，SIMATIC系列產品在這個幾百億美金的工業自動化市場占據主導地位。在中國市場，西門子占據PLC市場四成的份額。
由於PLC是直接與物理設備交互的第一層控制單元，負責採集各類傳感器數據和執行控制指令，所以它生成的是最基礎的工業實時數據。
PLC數據沿著工業金字塔向上流動，又為更高層次的MES、ERP等決策系統提供了底層的數據支撐，為分析提供基礎。
從這個意義上說，如果說PC就是大模型訓練數據的起點。參照類比，我們應該就可以說PLC上跑得實時數據，是工業數據的起點了。
也因此，如果要開發大語言模型相關的AI工具，一個PLC相關的Copilot產品也就實在是再合適不過了。
這就是我們剛才所講的，西門子能夠率先開發出「Industrial Copilot」，和它在這個領域的根基密不可分。
PLC所使用的SCL（Structured Control Language） 編程語言，是一種專用工業語言。雖然這種工業語言語法並不是秘密，但是生成高質量的可靠代碼或者提出有價值的調試意見並不容易。
我曾經問過通用大模型領域，開發者口碑最好的Claude模型，它是否能生成可靠的用於工業生產環境的SCL代碼。
模型回覆說，它可以生成相關代碼，但是有這樣幾個問題需要使用者慎重考慮：
1、代碼驗證 - 任何用於工業生產環境的代碼都必須經過嚴格的測試和驗證。我提供的代碼應被視為參考實現或起點，而不是可以直接投入生產的完整解決方案。
2、安全考量 - 工業環境中的控制系統直接影響到設備、流程和人員安全。所有代碼都需要經過安全審核，並實現適當的故障保護機制。
3、特定硬體適配 - SCL代碼需要針對特定的PLC型號、固件版本和I/O配置進行調整。
4、專業認證 - 在許多地區，工業控制系統的編程必須由持有相關認證的專業人員執行或監督。
5、文檔和標準 - 生產環境的代碼應遵循行業標準和公司規範，包括適當的注釋和文檔。
所以，最後Claude模型建議：只能將它提供的代碼作為學習資源或概念驗證，然後由具備工業自動化資質的工程師進行適當的修改、測試和驗證，才能確保它們適合特定的生產環境和安全要求。
顯然，雖然我並沒有親自上手過「Industrial Copilot」，但我相信這些問題，一定在西門子AI工具設計的考慮範圍之內。
不知道大家有沒有發現一個很有趣的巧合。五十年前，西門子首先將電腦化編程帶到了PLC產品，五十年後的今天，又是西門子，將生成式AI編程，應用到PLC產品。
這次在漢諾威，我也發現，西門子還在推動PLC自身的升級換代。正如PC個人電腦也有虛擬化雲電腦的使用方式。西門子在致力於用軟體重新定義PLC，也就是虛擬PLC。
西門子數字化工業集團首席執行官奈柯對此做了一個總結：這是一次巨大的技術飛躍，這一突破意味著，控制系統不再依賴部署在機器或機器人旁的傳統硬體，而是由遠在數公里外的數據中心的虛擬控制器遠程運行。
目前，西門子正在與奧迪合作虛擬可編程邏輯控制器（vPLC）的具體落地。
我們在這個章節的故事中，很明顯看到了一種傳承與創新。
所以，這裡的體會就是，工業AI產品的打造，不相信「一夜炸場」，更相信「做時間的朋友」。
AI才是老師傅的關門弟子？
說到傳承，我們正好可以繼續借這個詞，講一講工業AI助手的價值。
這半年來，我和製造業朋友交流很多，深刻感覺到，雖然工業講得是傳承，但是對於具體在工廠中工作的人而言，技能傳承確實越來越難了，這就是所謂的「老師傅」缺乏問題。
如果說在工業領域構建大模型的三個難點是數據、容錯和知識。
那麼工業製造行業所面臨的挑戰也是三個：人力短缺、產線靈活和運營可持續。
第一個短缺，就是熟練勞動力人才的短缺。隨著人口老齡化的到來，和人們就業意願的變化，製造行業的老師傅越來越少。
早在十年前，我曾參觀國內一個龍頭機械裝備企業，當時我看到產線上有不少焊接機器人。我問廠內領導，用上機器就可以替代了人工吧。我到現在還記得他說的話，「這些活要是有很多人能幹，也願意干，我都不會上機器」。
所以，雖然我們總在談AI取代人類工作，但是在工業領域，不是用AI取代人類工作的問題，而是人類越來越少（或者說不喜歡）在這個行業工作的問題。
奈柯在接受採訪時說，我們能看到在中國、德國和G7國家，"工廠勞動力在持續減少"。
西門子AI技術專家Robert Lohmeyer也在和我們分享中提到，西門子研發工業AI助手Copilot的重要原因之一即是應對職位空缺問題：
"研發Copilot的另一個重要原因，除了直接提升生產力之外，還在於我們正面臨著一波巨大的職位空缺。這種情況在中國可能也類似，許多工程專業人士如今已經60多歲了，他們很快會退休。「
這時，如果我們有類似西門子「Industrial Copilot」的工具，就可以幫助到工業企業解決新老員工傳承，新舊知識交接難題。
西門子一名中國技術專家在展區現場，用一個「氣包溫度」（氣包，也稱為蒸汽包或汽鼓，通常是鍋爐或蒸汽發生系統中的一個關鍵組件，用於存儲和分離蒸汽與水的混合物）的具體舉例，說明了AI如何保留"老師傅"的經驗。
"老師傅的經驗是非常寶貴，比如假設我們要讓工廠里的氣包溫度達到305度，老師傅憑30年的經驗，三個參數一調就行。而且不是錢的問題，以前5萬塊錢可以調試，現在要10萬，但是還是很難找到，因為老師傅也要逐漸退休了。所以，工業必須朝著人工智慧方向發展。"
Robert Lohmeyer用自己的經驗，印證了上邊的例子：
"我有物理學和數據科學的背景，但其實我對西門子的機器如何運作也一無所知。我主要專注在AI和軟體領域，但通過Industrial Copilot for Engineering，我能夠直接詢問'這台機器在做什麼'之類的問題，並迅速得到回答。"
因此，工業AI助手技術的出現可以說恰逢其時，不僅工廠能夠獲得巨大的生產力提升，而且還可以在新工程師入職在第一天，就迅速上手工作。
所以，在這個部分，我們的結論就是：如果說工業界的人才因為社會老齡化，不可避免會出現斷層，那麼AI，就是存儲壓縮這些老師傅智慧的最好方法。
當然，西門子並未滿足於AI助手這樣一個工具性產品，而是從AI助手望向了模型本身。
在本屆漢諾威工博會上，西門子宣布，將聯手微軟在Azure平台上共同開發首個基於行業特定數據的工業基礎模型(IFM)。這個IFM將能夠處理和語義理解包括三維模型、二維圖紙、工業數據與技術規範在內的多維工業資訊，進而生成基於專業工業數據的智能建議。
對此，奈柯表現的很有信心，他表示：大語言模型已經在通用消費環境中取得了顯著進展，接下來將在工業網路環境中繼續發展和進步。
有了殺手級應用工業AI助手Industrial Copilot，也有了工業基礎模型IFM，看起來西門子的AI組合已經很完美了。
但是我覺得還需要提到西門子的另一個舉措，而且是想像空間更大的一個願景，這就是西門子的工業元宇宙戰略。因為，它和工業AI簡直可以說是一體兩面。
從數字孿生到工業元宇宙
AI和元宇宙，是最近五年最受關注的產業議題。
不過，在技術演化史上，我們正在目睹一個奇特的現象：大模型與元宇宙這兩個技術軌道，在消費者市場呈現出截然相反的市場滲透路徑。
AI在消費者市場大行其道，我想一個原因就在於你可以與ChatGPT討論一個不存在的世界。即使有幻覺，也對現實無害，也無需承擔現實的物理約束。
但是，就像我們剛才已經討論過的，AI在工業領域落地，則難度陡增。
元宇宙技術的發展軌跡則幾乎完全相反，當年雖然在消費者市場風頭無二，FaceBook甚至為此改名Meta，但現在在消費者市場幾乎無人問津。甚至連蘋果的Apple Vision Pro都未能穿透應用的凍土層。
我想，原因就在於，元宇宙所定義的虛擬世界的成功建立，一旦要人深入其中，參與互動，就必然要體現在對物理世界的精確模擬基礎上。
而消費級元宇宙之所以遭遇困境，不僅是因為缺乏足夠吸引力的應用場景，更是因為它很難完全構建一個脫離物理規則的替代空間。
簡單來說，真實世界是無限大的，消費者所在的現實世界也是無限大的，讓現有技術模擬一個無限大，又無限逼真好玩的數字空間，是非常不現實的。
但在工業世界，元宇宙則反而更容易發揮其作用。
這是因為，在工業場景，無論是產品、產線、工廠還是供應鏈，雖然複雜博大，但這個工業真實世界依然是一個有限場景。
只要是有限場景，就會相對容易模擬。
對我們今天的故事主角西門子來說，它還有一個非常好的基礎，那就是其數字孿生技術。
西門子曾提出「全面數字孿生」這一獨特概念，旨在實現產品、生產和性能三個維度在其整個生命周期中的無縫集成與連接。
這不僅僅是單個產品的虛擬模型，而是連接開發、生產和運營流程，整合產品生命周期、工廠/設備生命周期以及性能數據的整體虛擬表示。
這種全面性，可以讓工程師能夠獲得可操作的洞察，做出明智決策，從而持續優化產品和生產 。
這裡，我們將西門子的數字孿生分為三種類型：
1、產品數字孿生 (Product Digital Twin)：複製物理產品，用於產品設計、測試和仿真。工程師和設計師可藉此分析產品在不同條件下的性能，在物理生產前優化設計和功能 。
2、生產/流程數字孿生 (Production/Process Digital Twin)：模擬和分析物理流程或系統的行為，如製造工廠、供應鏈或能源網路。用於實時監控、控制和優化運營，促進更好的決策制定 。
3、性能/系統數字孿生 (Performance/System Digital Twin)：在運營階段，物理資產與其數字孿生並存。收集、分析來自真實生產或產品的性能數據，並反饋回開發環節，形成持續優化的閉環 。系統數字孿生則整合多個產品、流程的數字孿生，模擬複雜系統（如智慧城市、交通網路）的整體行為 。
大家應該注意到了，西門子強調數字孿生要可執行：不僅是虛擬複製品，更能實時執行、模擬虛擬模型並與之交互 。
不知道大家有沒有感受到，西門子的數字孿生做到高級階段，其實已經離元宇宙非常接近了。
而對於工業元宇宙，西門子則定義為一個持久的（always on）、並發的（支持無限用戶和資產交互）、沉浸式的數字世界，用於鏡像和模擬真實的工業資產。
其核心目標是利用這個虛擬環境實現更緊密的虛實結合，通過物理精確、照片級真實感、實時的仿真、數據分析和人工智慧，獲得新的洞察，優化產品設計和製造流程，從而解決現實世界的問題 。
西門子不止有對數字孿生和工業元宇宙的定義，更有一系列非常成熟的產品技術組合。
比如：Simcenter 是西門子用於仿真和測試的核心產品；Tecnomatix 專注於製造過程和工廠仿真；NX 軟體集成了強大的 CAD 和 CAE（仿真）能力等等。
而且，西門子還在不斷在這個領域增加投資，短短幾個月內已經完成兩筆重量級收購。一宗是2024年10月宣布的、2025年3月完成的100億美元Altair Engineering收購，以及漢諾威工博會期間宣布的51億美元Dotmatics收購，總計超過150億美元。
這兩筆收購不僅豐富了西門子的技術儲備，還將數字孿生技術的應用從傳統製造業擴展至生命科學領域，預計將為西門子帶來110億美元的新增市場空間。
西門子股份公司數字化工業集團過程自動化首席執行官Axel Lorenz在漢諾威也接受了我們的採訪，他說從藥物研發到上市需要8到10年的時間，西門子希望能通過將現實世界與數字世界相結合來大幅加快這一進程，為製藥行業從實驗室研發環節到生產環節提供各種不同的軟體工具。
如果說數字孿生是物理資產或流程的可執行虛擬副本，而工業元宇宙則是利用這些數字孿生進行沉浸式協作、模擬和優化的持久性數字環境。
元宇宙很重要的一點就是面向人的優化，真實或者說逼真是一個重要的升級特徵。
而一旦這樣的數字孿生和工業元宇宙真正落地，那麼這個數字空間的一切數據，都可以得到有效的數據，又會協助我們所說的工業大模型的構建，這就是我們所說過的，工業AI和工業元宇宙，其實是一體兩面。
所以，這個部分，我們可以得到的結論就是：如果說網際網路是大模型的先導程序（因為提供了數據），那麼數字孿生和工業元宇宙，就是工業AI的先導程序（道理相同）。
而說到這兒，我們這裡就可以再談及西門子另外一個合作夥伴，英偉達。
就像西門子AI助手「Industrial Copilot」是2023年就開始醞釀，最終由西門子和微軟共同打造出的產物。
在工業元宇宙領域，我們看到了另外一個西門子的重要夥伴「英偉達」。
他們的長期合作，時間始於2022年。在那個時間點，甚至ChatGPT還沒有發布。
英偉達官方頻道2022年7月份曾發布了一個圓桌對話影片：西門子股份公司董事會主席、總裁兼首席執行官博樂仁，英偉達CEO黃仁，和寶馬集團董事會成員Milan Nedeljkovic共同參與的一次對話，討論的就是關於工業元宇宙的合作。
這場對話的含金量很高，可以完美解釋西門子為什麼可以讓工業元宇宙更進一步，甚至也觸及了之前我們所討論的元宇宙和AI的關係，我在這裡做一下引用。
西門子股份公司董事會主席、總裁兼首席執行官博樂仁在對話中表示：
西門子十多年來一直致力於數字孿生技術的發展，目前已能提供業內最全面的基於物理模型的數字孿生體系。
"我們的數字孿生不僅外觀逼真，更能準確模擬實物的行為特性。它能精確呈現現實世界中系統的功能和表現。"博樂仁表示，"當產品受到震動、加熱或運行特定軟體時會有什麼反應？數字孿生可以告訴你答案。"
黃仁勛則對西門子的工作給予相當肯定，他補充：
"如果觀察過去十年工業數字化轉型的歷程，西門子在奠定數字化基礎方面發揮了重要作用，引領眾多企業將設計資訊、運營資訊、規劃和製造資訊全部數字化。下一個十年將更加激動人心，這將徹底改變工業領域，就像網際網路改變消費領域一樣。"
黃仁勛又進一步說：
推動工業變革的兩項關鍵使能技術，就是人工智慧和工業元宇宙。因為，"我們雖然已經在人工智慧領域取得了巨大進展。如今，我們能夠開發出人類無法編寫的軟體，實現感知、傳感、推理和執行功能，效果近乎神奇。"黃仁勛認為，"但要真正實現工業AI的開發和部署，就還需要實時虛擬世界，元宇宙的支持。"
黃仁勛解釋，與網際網路服務中的AI不同，工業AI面臨兩大獨特挑戰：一是它必須理解物理世界規律；二是它的決策涉及安全與生命安全等重要因素。因此，工業元宇宙必須能以完全真實的方式實時模擬物理世界。
在去年的2024世界人工智慧大會（WAIC 2024）的產業發展主論壇上，西門子全球執行副總裁，西門子中國董事長、總裁兼首席執行官肖松博士在《以AI重塑產業未來，化想像力為生產力》的演講中說：人工智慧技術的爆發式增長，必將加速「工業元宇宙」的實現，豐富「工業元宇宙」的內涵，並最終重塑整個產業價值鏈。
這些高管的洞察，幾乎是我們上邊所有論述的精確概括。
ONE TECH COMPANY：工業生態如何加速？
在本屆漢諾威工業博覽會上，我們看到，西門子和英偉達等方面的合作，已看到成果，正如西門子和微軟雙劍合璧的Industrial Copilot。
西門子在會上重點展示了Teamcenter Digital Reality Viewer，這是西門子 Xcelerator與NVIDIA Omniverse技術的首次集成。該解決方案可顯著提升可視化與仿真能力，使用戶能夠創建沉浸式、逼真的數字孿生模型，從而獲得設計和操作流程的關鍵洞察。
西門子還展示了 Simcenter STAR-CCM 如何藉助 NVIDIA 加速計算平台及其 CUDA-X™ 庫，在不影響仿真精度的前提下，顯著提升仿真效率。
不知道大家有沒有注意到，剛才我們提到了西門子 Xcelerator——一個開放式數字商業平台。我想，這又是一個西門子值得關注的舉措。
但是要講西門子 Xcelerator，還要從一個西門子更大的戰略說起：One Tech Company。
西門子是一個紮根工業的公司，但自2024年起，西門子就升級了它的使命願景，將自身定位為「西門子股份公司（總部位於柏林和慕尼黑）是一家專注於工業、基礎設施、交通和醫療領域的科技公司」。
這就標誌著西門子已經從傳統工業集團向聚焦軟體、人工智慧（AI）和數字化的統一技術公司的戰略重心轉移，旨在實現更強的客戶聚焦、更快的創新速度和更高的盈利性增長。
而西門子幾年前新推出的西門子 Xcelerator 平台，就與「ONE Tech Company」戰略計劃之間存在著密不可分、相互依存的共生關係。
西門子在其官方溝通中，始終將西門子 Xcelerator 定位為實現「ONE Tech Company」願景的關鍵推動者、「重要支柱」或「基石」 ，該平台包含了三個核心內容：
一、一系列業務組合，即基於標準API構建的軟體、服務及物聯網硬體的模塊化業務組合，包含來自西門子及認證合作夥伴的物聯網（IoT）硬體、軟體和數字化服務，並正逐步向模塊化、雲連接和基於標準 API 構建轉型；
二、一個由大型科技公司到中小企業等各類認證合作夥伴組成的、持續發展壯大的生態系統，他們在西門子的管理和治理下貢獻解決方案並共同創造價值 ；
三、一個用於發現、學習、交流及交易解決方案的線上 Marketplace，它不僅是產品目錄，更是連接客戶、夥伴和專家的社區空間，並設有 API World 板塊及針對中國市場的本地化平台 。
上邊三個段落的資訊量可能過大。如果讓我用更簡短的話去總結西門子 Xcelerator 戰略的核心，我想就在於將公司深厚的工業領域知識與尖端的IT/ AI 技術（特別是來自合作夥伴的）相結合。開放，是這一戰略非常重要的修飾詞。
因為這樣，西門子和夥伴就能根據針對具體的工業場景提供更有效的解決方案。
實現：西門子提供平台支撐，合作夥伴提供專業方案，最終客戶共創新型場景。
在展台上，我們看到了西門子的中國合作夥伴，也就是國內3D列印初創科技公司「三迭紀」的身影，雙方的合作，就是一次很好的嘗試。
西門子中國執行副總裁、西門子大中華區數字化工業集團總經理王海濱曾對此解釋，雙方會將增材製造技術應用於藥品生產，串聯研發和生產，實現從需求到交付的端到端模式的變革，進一步打開「萬物皆可列印」的想像空間。
所以，我們可以最後得出的一個工業AI的結論就是：工業AI無法閉門造車，只有讓整個生態緊密關聯，才能各顯其能，優化模型。
最後，我再補充一個額外的感想。
雖然，我們用了一個很大的篇幅介紹西門子的新戰略、新技術，但是我也會發現，西門子的舉措，目標都很聚焦，是在一個比較垂直的賽道中下功夫。
奈柯表示，西門子近年的核心想法是不再追求規模擴張，而是轉向智能化升級。
以西門子德國埃爾蘭根F80園區為例，這是一座建於1970年代的老廠，西門子在面臨其未來發展的抉擇時，最終選擇了再次追加投入改造，將其翻新打造為全球最具現代化的工廠，最終實現面積不變，員工數不變，但是產值加N倍。
王海濱也在採訪中告訴我們，回顧過去三四十年的業務發展，工業的增長主要依靠產能擴張。但展望未來，產能擴張的幅度可能不會像過去那樣大，取而代之的是工廠內部的能力提升，比如AI應用、技能提升、綠色發展、能源轉型等方向。
我想，西門子雖然在對外提供工業技術，但是本身也是一家工業企業（比如，比如西門子數控南京有限公司就是西門子打造的首座原生數字化工廠，也是一個工業元宇宙範例）。
所以，才會有這些當前環境下，製造業企業主聽起來會感同身受的體會吧。
在漢諾威工博會期間，我參觀了西門子德國安貝格IMPULSE中心。在一塊展板上我看到了這樣一句話，寫到：「We use what we sell」。
