当AI 遇上工业：西门子工业软件敢说“引领”的战略与思考
“全面数字孪生、全生命周期智能和自适应能力”8月11日，西门子数字化工业软件总裁兼首席执行官Tony Hemmelgarn在西门子Realize LIVE大中华区用户大会（以下简称“Realize LIVE大会”）上，分享西门子工业软件的核心战略。
西门子数字化工业软件总裁兼首席执行官Tony Hemmelgarn
“如何在现有的一切基础上构建AI。我们称之为：更快的引擎速度、更智能的执行以及交付可信成果。我们已将此理念嵌入整个产品组合中。我们始终坚持以物理模型为基石，确保AI能力的落地既强大又可靠。”Tony Hemmelgarn接着举例道，从比亚迪到宁德时代，从东风汽车到NVIDIA，西门子正在用一套以全面数字孪生为核心的产品组合，将AI嵌入从设计、仿真、制造到运营的每一个环节。
“西门子，尤其是西门子软件产品组合，正在引领工业AI革命。”西门子高级副总裁Brenda Discher这样说道。
数字孪生不再是“PPT愿景”
在Tony Hemmelgarn看来，最有说服力的证据来自客户名单：现代造船选择西门子的起点并非设计，而是制造端的Tecnomatix工艺规划仿真；NVIDIA不仅使用软件，还部署Pro FPGA硬件，在芯片流片前对集成电路进行实际仿真。
在中国市场，“以点带面”的拓展逻辑尤为显著。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；宁德时代已采用Polarion；张雪摩托也在广泛使用……
“全面数字孪生帮助我们成功切入客户，并以此为支点带动交叉销售。”Tony Hemmelgarn直言。更关键的是，这些项目并非停留在PPT上——湾流航空已全面投产，通用汽车等重大转型项目均已投入运营。
Tony Hemmelgarn指出，“自适应能力”这一支柱常被低估。无论桌面端还是云端、中小企业还是大型企业，产品都能以相同方式运行，消除数据孤岛。戴森的故事是最好注脚——它曾是初创公司，如今成长为巨头，西门子通过清晰的演进路径陪伴它完成跨越。“我们确保客户永远不会被平台锁定或发展受限。”Tony Hemmelgar说道。
从“更快的引擎”到“可信的成果”
“AI能帮1000名新招聘的工程师快速掌握工具吗？”连接器巨头Molex向西门子PLM产品执行副总裁Joe Bohman提出了这样的问题。ASML——其光刻机晶圆托盘加速度比喷气发动机还快、停止精度小于一个原子——则追问：“AI能帮我消除绘图审图的繁琐流程吗？”SpaceX问得更大胆：“AI能帮我设计火箭吗？”
西门子PLM产品执行副总裁Joe Bohman
Joe Bohman将西门子AI战略拆解为三层：更快的引擎速度、更智能的执行、交付可信成果。
在“更快的引擎”层面，Designcenter中AI生成图纸速度提高50%；Teamcenter零件复用功能效率提升10倍——客户曾一遍遍制造相同支架，花费数百万美元。仿真领域，劳斯莱斯用Simsolid将发动机完整气流模拟速度提升180倍；Megna的非线性碰撞仿真借助基于物理的AI，速度提升5000倍。“当其他人的速度提升5000倍时，舒适区便不再稳固。”Tony Hemmelgarn说。
在“更智能的执行”层面，西门子Copilot已走出概念验证。Designcenter Copilot深耕七年，能以94%准确率预测用户下一步操作，仅上个月就被使用50万次。Teamcenter Copilot则让每位工程师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。
“这是西门子的Copilot，不是微软的。”Joe Bohman特意澄清说道。
“交付可信成果”的核心是Intelligence Center X——它通过Graph Studio创建知识图谱，将PLM、ERP、CRM多源数据连接，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。
为什么Palantir和Snowflake不够用？
工业AI的竞争，底层是数据治理能力的比拼。Tony Hemmelgarn直指“在制造和工程领域，必须确保拥有最新的、经过配置的数据。更重要的是，我们理解数据的设计意图，而导入数据湖的快照不具备这一点。”
他总结了可信数据的四大特性：实时、安全、已配置、开箱即用。安全层面可将权限细化到属性级；配置层面，比亚迪等企业海量产品变体的数据湖难以应对；“开箱即用”意味着作为产品而非项目构建，可重复部署。
这一判断正被市场验证。Teamcenter迎来爆发式增长——埃克森美孚转向Teamcenter X替换了三套原有PLM；Intel、Rapidus、GlobalFoundries已采用Teamcenter进行半导体生命周期管理；全球范围内大量Oracle Agile系统被替换。
Joe Bohman分享了一个典型场景：CIO倾向选择Databricks或Palantir，但工程副总裁认为“对工程没用”——通用平台无法处理海量工程制造数据实现实时更新，也没有属性级安全模型。
一位分析师评论道，恭喜西门子创造了一个新品类——为数据和AI创造了新的空间。
从“扶上马”到规模化落地中国实践
西门子工业软件中国董事长及总经理梁乃明有着更为务实的思考。“工业AI从点到线再到面，甚至到建立整个智能体，这是企业的本体。”他描述了落地路径：我们把新技术带给客户，“扶上马，送一程”——梳理数据、标注数据、定义关系，再用AI Studio训练机器学习建小模型，最后用Intelligence Center X - Mendix建Agent，这是一个不断重复的流程。
西门子工业软件中国董事长及总经理梁乃明
真实ROI正在客户工厂中显现。梁乃明分享了康美包的案例：从2025年开始实施，一个工厂上线后省了10%电费。“一个工厂全年电费上千万，ROI很容易算出来。”
但并非所有AI项目都能成功。梁乃明指出关键卡点：“很多客户用大模型做AI实施，但数据不是实时的，是阶段性的。他们后来回到Intelligence Center X，用我们的架构实施，成功率就提升了。”
对于中小企业，Intelligence Center X作为云端工具可降低门槛——曾有中小企业用Physics AI做CAE，效率提升4000倍，准确率达98%。而在技术之外，组织重塑同样关键。
西门子成都工厂很多AI需求来自一线员工，Tony Hemmelgarn认为，首先结构性数据要覆盖整个组织，其次要建立模板和案例让客户在此基础上探索。
基于物理的AI才是真正的壁垒
大会上一个话题引发思考：PLM这个术语是否已经过时？Tony Hemmelgarn的回答出人意料：“PLM可能已经不是一个合适的名字了，它已不能覆盖我们现在所要讲的内容。”
但名字可以变，护城河不可撼动。“用LLM来做CAD，就像生成PDF后想修改却必须回到Word——这个流程说不通。”Tony Hemmelgarn认为，真正的护城河在于让大模型驱动现有CAD工具，而非重新造一个。“我们可以做到以物理为基础的平台，同时加上AI的深度思考。这种基于物理的解决方案，就是我们的护城河。”
从深圳这场大会不禁让我们思考西门子给行业新的启迪，工业AI的竞争已进入全新阶段——不再是单点工具的效率比拼，而是覆盖产品全生命周期的平台能力竞赛。
正如Tony Hemmelgarn所言：“对于我们在中国所做出的业绩和表现，我是非常自豪的。”这份自豪的背后，是中国制造业数字化转型的加速奔跑，也是工业AI从概念走向现实的最好时代注脚。
中国工业报 耿鹏飞
投稿箱：
如果您有机床行业、企业相关新闻稿件发表，或进行资讯合作，欢迎联系本网编辑部， 邮箱：skjcsc@vip.sina.com
如果您有机床行业、企业相关新闻稿件发表，或进行资讯合作，欢迎联系本网编辑部， 邮箱：skjcsc@vip.sina.com
更多相关信息
- target=_blank>埃夫特×启智如何为工业具身智能筑起“通用技术底座”
- target=_blank>量产零缺陷！NSK荣获麦格纳江西表彰
- target=_blank>拓斯达：2026年上半年业绩爆发增长，具身智能产品“进厂打工”加快落地
- target=_blank> 卓誉科技亮相WRC 2026，车规级核心驱动件助力机器人规模化商业落地
- target=_blank>FMS客户案例 | 为什么还是产能不够？灵谷泵业用一条FMS产线给出了答案
名企推荐
