辅助神器“微乐四川麻将小程序必赢神器”(透视挂)辅助下载教程

专题：第28届北京科博会-未来产业推介会

　　第28届北京科博会-未来产业推介会于2026年5月8日在北京举行
。西门子数字科技（深圳）有限公司副总裁
、西门子Xcelerator行业负责人顾欣出席并演讲。

　　以下为演讲实录：

　　顾欣：各位尊敬的领导、各位来宾 、各位企业家朋友
，大家上午好 。

　　很荣幸参加今天的科博会，今天在现在这个时代 ，我们也通过刚才的介绍
，大家也都意识到，现在整个市场在通过工业互联网
、人工智能、数字孪生等新的技术在驱动整个产业的升级和革命
。

　　在这个过程里面 ，我们今天也想探讨一下西子们如何借助Xcelerator平台来支持和赋能工业AI在未来能够规模化落地。

　　AI的发展是日新月异的
，基本上我们认为在过去从真正的技术突破，从去年开始已经非常明显的感觉到AI在工业领域开始进入到产业化落地的阶段 ，中国确实具有天然的优势，一个是我们的全产业类工业领域在全球工业增加值占到30%
，也因此我们形成了非常丰富的工业的应用场景，从高速发展的机器人和我们所看到的新兴领域 ，包括高端制造
，芯片 、半导体为代表的高端制造 。装备，传统产业我们看到油气
、化工、钢铁和金属制造制药等等 ，在数字化 、智能化应用落地之后
，也在产生日新月异的变化，创造了非常复杂和丰富的场景
。

　　另外一个 ，确实我觉得中国在这方面也是非常重视的
，企业也非常重视，我们人工智能+的行动也推进得非常快 ，从中央到地方的政府到企业以及生态基本上我们在这个领域和专项上聚集的程度非常高
，包括算力，也包括技术创新 ，都在整个工业的领域，未来在智能化方向上的落地上
，形成了巨大的汇聚效应以及产生了巨大的潜力。但是西门子170多年的历史，我们工业的基因是比较强的 ，人工智能和发展进入到工业领域之后
，从数字化到智能化的时代里面，50多年差不多我们在这个领域里面也做了很多积累 。

　　我们感觉人工智能确实日新月异发展 ，但是不能只是停留在一个可以交流
、对话
，自然语言解析大模型的阶段，一定要进入到产业核心的生产制造流程里面 ，并且产生相应产业的价值
，这一点我觉得广泛的业界是达成了相应的共识
。西门子也愿意把自己多年积累的经验贡献出来与大家共创，一方面是行业知识和工业数据的积累 ，因为我们参与的工业企业从自动化到数字化到智能化转型的方面是非常多的
，几乎全产业里面绝大部分的工业产业，我们都有相应的涉猎 ，从离散到流程，到混合行业。

　　除了行业覆盖度广
，我们积累了大量的行业领域的知识，另外就是西门子确实在工业软件和底层的自动化和数据采集上 ，因为有天然的优势
，我们在软硬一体化的能力上，也在这个工业领域里面 ，渗透率是非常高的 。特别是因为有工业软件的存在
，我们是全球领先的工业软件公司，我们既有企业级研发领域的 ，也有企业生产制造运营的和物流相关的软件
，和现场层的工业领域应用核心的控制产品，再加上数据采集 ，我们在企业内部架构了一个几乎企业级全栈的所有的数据的集成和融合的能力
，这些在未来工业AI在落地的过程中，要实现它的高质量发展 ，我们提供了最重要的基础的燃料，就是高质量的工业数据。

　　另外一方面
，我们在AI领域的技术能力的沉淀也比较多，我们在全球有超过1500多名AI领域的专家和各行各业的企业和生态合作伙伴在一起共创 ，在做落地的验证
，我们也希望关注AI领域在实际过程中的实践和落地能力，不光谈技术领域的创新和验证 ，我们基本上在自己所有的工厂都进行了AI部署
，比如说我们在成都，就是我们生产PLC（可编程逻辑控制器）的灯塔工厂里面 ，现在成功上线和部署了100多项AI的项目
，这些源于我们自己在工业领域里面的基础，自己的生产过程和制程里面的实践 ，很多相应的AI领域里面的这些应用和创新
，因为技术栈的支持和自己核心能力的支持，实际上是由我们真正在工厂产线上的一线工人进行相应的创新
。

　　举一个例子 ，我们的研发工程师在做PLC研发的时候，因为我们有一些PCB板
，在打板过程里面是由供应链供应厂商去提供的，所以利用这个AI的能力结合大模型结合我们自己AI的训练 ，再加上Skills和Workflow的结合
，实际上就是把这些新设计打板样品的技术合规性的时间从几周的时间缩短到几天的时间，这个生产力的提高是非常巨大的。

　　同时我们也意识到AI在工业领域里面的渗透和拓展可能不是一个单纯的模型的选择问题或者一个单点的技术问题 ，它是一个技术工程的问题
，在应对工业AI场景规模化落地的时候也有很大的挑战 。第一个我们看到的就是工业技术数据的薄弱，虽然很多企业都在谈AI的创新应用 ，刚才我们也听到很多企业在谈AI应用过程中的一些体会
，我们其实观察到的很多AI应用的落地效果不是很好，也有一些失败的潜在的风险 ，这里边一个核心就是工业基础数据存在于多个系统
，在产线上，在设备上 ，在工厂级别的主系统和子系统里面，甚至有一些是非结构化的数据
，数据比较混乱，治理起来也比较难
。第二个就是因为工业企业的特殊性 ，不同行业
，同行业里面不同企业的特性造成了他们在做单点的智能化的改造的时候，一个场景一个模型 ，所以导致整个技术验证完成之后
，它的规模化部署成本高，甚至没有办法去实现。技术和可复制的商业价值之间其实还是存在着比较大的鸿沟 。

　　最后一个比较大的挑战就是AI在推广的过程中 ，有点像自动化刚开始推广
，其实具身机器人我们认为也是自动化升级之后的一个延展，AI具身机器人进入到工厂环节 ，其实是自动未来形态的一个表现
，这个时候对复合型人才要求非常高，不光要懂产业的Know-how ，比如说我懂工艺，要懂现场设备所有运行的参数
，同时还要懂IT技术，还要知道AI在里面的应用 ，甚至要知道一些基础的大数据分析的要素
，但是这个对于人才的挑战很高，所以它需要一个生态的体系来进行相应的支撑 ，所以我们自己也是致力于打造西门子Xcelerator平台
，这是西门子在2022年正式发布的开放式数字商业平台
。我们的目标是真正未来自动化的升级，以及AI的引入 ，应该不是一个模型
，一项技术，一个企业能够完成的 ，它应该是靠生态的力量
，靠产业协同，靠生态互相的支持 ，靠平台的能力能够去完成的，所以我们希望Xcelerator平台能够连接需求方
，连接产业的引领者，连接供给方和我们的开发者 ，从而形成相应的共创。

　　AI在工业场景里面高价值的场景
，因为我们和大部分的国内外的企业沟通过，我们也意识到过去企业 ，尤其是中国企业激烈的内部的竞争
，一直在谈降本增效，所有的话题几乎都在于我能不能减人 ，我能不能提高效率
，我能不能降低成本？但是实际上我们现在意识到跟一些特别是走在头部前端的企业交流，绝大部分企业家跟我们谈到他最大的关注点反而是我能不能快速反应 ，面对市场需求快速的变化
，我能否实现真正的快速的跟得上，第二提高韧性 ，让我在动态的市场环境里面增加我的适应能力，刚才有分享的嘉宾也提到了这一点
，我们也观察到了 。

　　所以在设计研发这块，我觉得AI渗透率是在大幅度的提升 ，也是在加速的提升
。在这一块如果市场的需求产生了非常剧烈的变化
，我们怎么基于需求快速实现研发和设计的生成？研发设计生成之后，我们如何实现工程化的图纸自动化生成 ，从而对接到我们的生产制造过程里面。

　　第二个就是完全地让AI完全参与到质量管理里面
，我们更多原来看到的是视觉识别的质量管理，这个已经非常普及了 ，而且有高端、有低端
，大家做的领域非常多，但是我们现在看到的是缺乏端到端 ，从研发开始质量前置 、质量中间过程的监管、管理以及识别
，最后闭环，根因分析 ，进行相应的提升，在这一块是有很大的空间的 。

　　第三个就是生产过程优化
，这一块是非常大的难点，也是很多AI相关的从业的合作伙伴和技术提供方不愿意过多介入的 ，因为整个工程里面的工艺参数的优化和调优是真正和工业Know-how去做深度融合的部分
，挑战是比较大的，一旦验证成功 ，它产生的价值也是巨大的
。这里面最主要的还有一点
，最终在参数优化的时候要和我的现场控制进行闭环，在未来这些应用场景和闭环的控制反馈进行深度的融合 ，在虚拟时代有可能会迸发出更大的可能性以及更深刻的价值。

　　包括智能物流和供应链刚才也谈到了
，其实是需求引导
、预测，但是会发生不准的情况 ，所以这个需要一个行业垂类的基础的训练
，未来逐渐的形成针对行业垂类的，在物流预测、供应链风险 、管控以及相应的采购行为上真正的深度的融合 ，以及当我们的产能在实现大量的爬坡之后，我怎么保证我的产线能够减少非计划的停机时间
，从原来被动式的维护转化成主动式
、智能式的维护 。

　　我们自己的感受是这样的，AI的拓展是一个技术在深度和我们行业融合的过程 ，但是它的规模化是非常难的
，规模化的关键点在于生态的协同和协作，现在在西门子Xcelerator平台上 ，在中国已经有超过70家合作伙伴上线了非常多的AI产品
，这些AI产品基本上都可以和西门子核心的工业软件，这里面包括了研发、设计 、仿真 ，所有核心的工业软件在离散行业和流程行业
，以及我们在生产制造过程里面现场级所有的工业控制产品和数据采集系统能够全栈的进行深度的融合。

　　我举例来说，在研发领域我们有合作伙伴基于产品设计的平台 ，去做所有的三维生成模型之后的2D工程图纸的自动生成
，在几乎所有产品的研发侧
、设计侧和工程实施侧的客户端都有普遍性的需求，当2D的工程图纸自动生成之后 ，进行了相应的标注解析之后，可以进入到下一个环节
，由其他的合作伙伴提供相应的数字化工艺的自动生成
。这些极大解放ETO高端制造的装备行业要解决的工程量大之后要很多的工程师去做前端研发里面的一些工程图纸转化相关的工作。

　　这里面林林总总也包括我们在细分行业里面，汽车行业里面做智能拧紧 ，这些拧紧曲线怎么通过AI的方式来掌控它
，从而实现精准的力矩的匹配，实现质量的提升以及在场务环境里面 ，因为在有一些环境里面场务环境对于温度、湿度以及相应的能源管控的要求是比较高的
，不光是节省能源的问题，它稳定了我们在尖端制造 ，或者是生物制药领域
，实现场务管理里面精确的闭环的控制，这些都会从原来靠专家的经验走向未来通过人工智能的方式 ，基于大数据形成实时的数据的决策和实时的调优 。

　　西门子也在自己工程化的领域里面
，做了非常多的AI的渗透和应用，这里有一个小的视频 ，这一次在这次汉诺威工业博览会上发布了西门子 Eigen Engineering Agent，就是我们的工程智能体
。它和西门子的TI Portal深度集成之后
，可以在自动化领域里面实现PLC代码自动的生成。这里大家就可以看到，AI不再是一个广泛性的AI ，它会渗透到某一个具体的领域里面
，我们基本上已经通过底层的大模型的深度融合和训练，这些都是专有数据来进行训练 ，可以非常智能化根据需求直接做PLC代码智能化的生成和测试
，不光是代码的生成和测试，这里面还集成了自动化 、体系化底层设计的平台和生态系统 。我们把整个WinCC和人机界面集成进去了 ，自己语言生成PLC代码同时
，其实也匹配了相应的WinCC和HMI的设备和画面，这些东西集成了我们在驱动和执行侧所有去都参数的生成和硬件的朴配置 ，整个自动化的配置
、设计和工程化的效率会大幅的提升
。

　　刚才也有嘉宾提到了奥迪
，奥迪里面所有的底层都是用西门子的产品去搭建的，也在用虚拟的PLC去完成所有相关的控制、数据采集以及工程化的过程。特别是我们在汽车行业 ，因为我们有很强的能力，在汽车行业我们有自己的SICAR标准
，现在这个标准不仅集成了PLC代码的生成 、测试
、工程化的能力，同时甚至连具身机器人走入工厂里面也在和我们相应的自动化的标准进行融合 ，在这个自动化的标准体系里面会增加未来具身机器人和协作机器人在里面实现功能的部分 。

　　AI的推广
，我们觉得还是有很大的障碍和困难，也就是说到底怎么样去打通工业AI技术和创新企业和市场之间的关联？我们也希望助力所有的创新型企业 ，这些新型的技术能够快速的对接到市场的应用场景里面
，快速的接触客户的需求，快速的实现商业的变现 ，为此我们在西门子Xcelerator平台上也单独打造了一个工业频道
，希望能够把所有市场上最顶尖的产品能够汇聚过来，提供最前沿的信息 ，提供工具链支持大家与西门子和第三方技术进行深度融合
，形成更深度的合作伙伴关系
。我们的目标也很简单，帮助初创企业真正的找到市场 ，帮助有潜力的这些科技型、创新型的企业和西门子一起打造行业的标杆，让先进的技术能够尽快的转化成产业价值。

　　也汇报一下现在西门子Xcelerator在中国的情况
，全球我们有一个Marketplace，我们在深圳成立了数字科技有限公司 ，专门运行西门子Xcelerator
，也拿到了中国外资企业里面唯一的VAS牌照，可以做相关的电信增值运营的服务 ，我们只针对工业领域的数字化 、可持续、低碳化方面的工作
，现在我们上架了超过640个数字化的整体的解决方案，这里边也包括我提到的70多家AI的解决方案 ，吸引了400多家生态体系的入驻
，我们平台上现在已经有了56万注册的用户，这个数据还在快速的发展 ，生态体系的打造我觉得是一个未来合作共赢的模式
，也是未来让AI这个飞轮能够在工业行业里面能够渗透的一个最重要的抓手 。

　　最后我也想要说，我们观察到在中国工业企业关注点也在发生变化 ，原来我们追求极端的规模效应，但是在现在这个阶段
，我觉得在企业家的脑海里，韧性
、市场快速的反应能力以及可持续甚至排在更靠前的位置 ，所以我们也希望借助西门子Xcelerator的平台和生态伙伴做强强联合
，能够一站式的满足中国企业在数字化和低碳化需求的对接，同时与政府、企业 、生态合作伙伴
、开发者能够进行灵活的组合和配合 ，为这个市场未来真正形成可规模化、可复制 、可落地的AI应用的生态场景去打造更良好的土壤
。

　　最后我想要说
，工业AI的规模化复制，不存在孤岛 ，它是属于生态合作未来的一个领域。我们也期待与在座的同仁和各位共同去携手
、去推进工业AI的高质量发展
，为产业的未来进一步的拓展赋能，谢谢大家！

　　新浪声明：所有会议实录均为现场速记整理 ，未经演讲者审阅
，新浪网登载此文出于传递更多信息之目的，并不意味着赞同其观点或证实其描述 。