工业Agent不是“套壳”大模型！西门子百年经验灌进工业AI

田晏林 发自 凹非寺
量子位 | 公众号 QbitAI

说真的，现在谁还能完全离开AI工作？

写文档的时候顺手问一嘴AI，做报表让它自动生成，跟进客户前先让它整理背景资料。就连财务核账、销售话术这种活儿，都有AI员工在后台帮着咱干。

u1s1，互联网大厂这半年扎堆造的这批AI员工，早就悄悄嵌进了每个人的日常。

据第三方机构统计，今年6月，光是主流桌面端AI办公智能体，访问量就冲到了6000万次。

你还别说，这些Agent确实不简单：写文档、做报表、跟进客户、辅助销售决策，甚至能替投资机构筛选出高潜项目、生成分析报告……

但把这些聪明的Agent直接塞进工厂车间，大概率它们什么也干不成。

《2025工业智能体应用现状与趋势展望报告》（以下简称“报告”）调研了200余家制造企业，结果很扎心：

43%的企业还没部署工业智能体，广泛应用的只有8%。

不是企业不想用——63%被部署成本卡住，46%找不到既懂技术又懂产线的人。

当然，工厂设备跨代际、协议五花八门，信息技术（IT）与运营技术（OT）之间横亘着长期的数据断层，数据安全还必须自主可控，也是拦路虎。

说到底，工业现场从来不是单点问题，而是一道横跨研发、工程、制造、质量、运维的系统工程。

单点优化解决不了全局，这也是工业级Agent的门槛远高于办公场景的原因。

它需要理解工业语义、会调用工业工具、接入实时数据、在闭环工作流中执行。

换句话说，它的所有能力均要围绕企业实际运转，不是给大模型套个壳就能糊弄的。

对急需工业级Agent的企业来说，闭门造车既不现实，成本也高得吓人。

随着生成式AI和智能体技术加速进入工业领域，西门子正在把自身已有的工业软件、自动化、数据与生态能力进一步连接起来：

一方面推出Eigen工程智能体等AI原生产品，另一方面通过西门子Xcelerator汇聚产品与伙伴，推动工业AI规模化落地。

西门子自研工业智能体：从辅助建议到自主执行的跨越

已经面向中国市场全面发售的Eigen Engineering Agent（Eigen工程智能体），上个月在WAIC上获得「SAIL之星」。

它是西门子推出的首款面向工业自动化工程的AI智能体。

与常见AI辅助工具最大的不同，Eigen工程智能体可以在真实工程系统中，独立完成端到端的任务规划、执行和验证。

以往，电气工程师在ECAD工具里完成布线与硬件设计，自动化工程师却要依据另一套描述体系编写程序。

设备清单、变量标签和控制逻辑长期依赖人工重复录入，硬件一改，软件还得重新对账，耗时又容易出错。

Eigen工程智能体新增ECAD集成与项目自动生成功能。

它可以读取XML、AML等主流格式的电气设计文件，识别数据冲突、配置连接，并依据实际硬件拓扑生成PLC变量标签。

工程师也可以用自然语言描述工位、配套设备和运行逻辑，几分钟内生成符合行业规范、能继续开发的项目。

实际结果也够硬。

在真实应用中，Eigen工程智能体执行效率较手动工作流提升2至5倍，工程效率提升高达50%，整体解决方案质量提升80%。

目前，这款智能体已经在全球19个国家和地区、逾百家企业部署。

在中国，Eigen工程智能体也已在多家企业试点。

例如，中科摩通将其用于新能源汽车EMB智能装配设备，程序开发时间和现场调试周期均缩短30%，人工与物料损耗降低10%。

当然，Eigen工程智能体研发的目的，并不是替代人类工程师。

恰恰相反，Eigen工程智能体处理的是重复编码、图纸解析和设备配置这类机械繁琐的重复性工作，工程师得以被解放出来，从而集中精力聚焦在更高价值的系统决策与方案创新上。

Eigen工程智能体，只是西门子自研工业智能体产品矩阵中的其中一个。

整合Graph Studio、AI Studio和Mendix低代码平台，西门子还发布了Intelligence Center X（ICX）工业AI编排软件。

它不是一个大模型，而是位于企业现有系统之上的AI编排层——向下连接PLM、ERP、MES、CRM和OT现场数据，向上统一管理模型、智能体与工作流，并对每一次数据访问和智能体决策进行追踪。

简单讲，ICX就是西门子给工厂装的一个「AI调度总台」。

它不替代工厂现有的系统，而是坐在上面，把数据、知识、模型和智能体组织起来，让AI从「会聊天」走向「能干活」，并且可管理、可追溯，最终在工厂里真正省时间、省钱、提效率。

作为西门子智能体能力体系中的新进展，ICX提供企业级知识图谱搭建、数据分析及机器学习模型搭建、技能构建（Skill）、智能体构建与调试（Agent）以及面向多步骤任务（Workflow）的编排能力等模块，支持企业在云端进行AI智能体的开发、调试与测试。

这些证明了工业AI确实能干活，但工业场景不像互联网应用，它没有相对标准化的需求。

一家汽车工厂、一家半导体厂与一座数据中心，面对的是截然不同的生产流程和设备体系。

即便是在同一家工厂内部，研发、生产、质量与运维的需求也千差万别。

工业AI真正的挑战，不在于打造一个无所不能的超级Agent，而是让成熟的智能体能力适配不同行业、不同领域的自动化场景需求。

工业AI需要的不只是Agent

西门子没有停留在单个智能体产品，而是把沉淀多年的工业能力模块化，打造成开放式数字商业平台「西门子Xcelerator」。

传统数字化平台往往遵循货架逻辑：买卖关系在交易完成的那一刻就宣告终止。

西门子Xcelerator想要扮演「工业AI的Launchpad」：

通过产品组合和伙伴生态，连接工业AI所需的软件、自动化、数据与行业知识，帮助客户识别场景、匹配方案，从获取产品进一步走向部署与价值实现。

在这个平台上，西门子通过三层清晰的架构实现了工业AI的能力闭环。

第一层：产品组合

一个现状是，很多制造企业面临的最大障碍，不是不知道AI的价值，而是他们不具备从零开发的能力。

西门子Xcelerator首先提供可直接落地的工业AI解决方案。

比如，Eigen工程智能体这种经过真实工程验证的产品，可以直接嵌入工程和生产流程，让企业先跑起来。

其自研的各种Agent都放在西门子Xcelerator平台上，让有需要的企业「开箱即用」。

第二层：开发生态

如果你不想拿现成的产品，还是希望自造Agent，也好办。

西门子Xcelerator为开发者与生态伙伴提供了工业智能体开发套件。

该套件提供Skill Creator、Agent Framework、Workflow等核心组件，支持企业用户在云端进行开发、调试和测试AI智能体。

包括：基于RAG（检索增强生成）技术的AI知识检索与问答服务，以及基于Skill-Creator、Workflow工具的Skill和工作流生成服务，帮助企业将软件和内部能力Agent化。

其中最关键的，是把PLC、工业边缘、数据采集、异常分析等OT层面的工程Know-how，封装成Agent能够听懂、看得懂且能直接调用的Skill。

这个动作，本质上是在给工业经验「装接口」，这也是西门子的独特优势。

入口可以更换，底层知识与流程却能成为企业长期资产。

西门子能碳管理智能体ECX Agent，就是用这些开发套件做的。

它提供基于自然语言的人机协同交互，在用户管理下，可以自主完成专业的能源精益管控、设备智能运维、碳数据MRV（监测、报告、核查）等业务任务。

它通过西门子Xcelerator智能体应用开发框架+底层专业大模型引擎实现能碳管理智能工作流；

再通过工具接口调用西门子能碳业务软件Smart‑ECX平台的API，读取能耗、碳排放实时数据，实现碳盘查、能碳审计、能碳问答、输出减排方案。

除内部自研案例外，北京支点互动、上海全晓信息技术，都利用西门子的开发套件，配置适合自己的工业AI智能体。

支点互动以API方式复用西门子Xcelerator工业智能体开发套件，利用AI知识库能力，完成文档解析、向量检索。

后用自研平台完成Agent编排、业务流程、人机审批闭环、全链路治理，把检索出来的工业Know-how封装成可复用Skill数字劳动力资产。

全晓信息技术则基于西门子Xcelerator工业智能体开发套件开展全流程工作，直接复用知识库、Skill生成、Agent编排等原生能力。

该公司聚焦制造业细分场景叠加行业业务规则做二次开发，交付行业化工业智能体应用方案，例如汽车OBD测试Agent、设备运维Agent。

第三层：商业入口

一个Agent在实验室里跑通，只完成了0到1。

当智能体被开发出来后，如何让它找到买家并实现规模化复制，是其商业化的核心难题。

在西门子Xcelerator的线上平台Marketplace里，客户可以更快找到经过筛选的工业AI能力。

生态伙伴也可以展示产品、触达工业客户、获得反馈并持续迭代。

这也是西门子的诚意，即便是第三方自研Agent厂商入驻，西门子Xcelerator平台也开放生态接纳。

AI创新企业可通过申请加入西门子Xcelerator生态，审核通过后，以入驻方式加入平台，输出差异化行业方案，并完成面向客户的项目交付。

比如阿丘科技，无需重构自身技术栈，而是将自研的AQ-VLM工业视觉大模型与VisionAgent视觉应用平台，通过标准API对接西门子X Data Hub数据底座及Teamcenter PLM体系。

西门子提供工业数据上下文与业务流程入口，阿丘科技输出经系统验证的视觉缺陷检测核心能力。

双方联合打造的「多维度工业AI视觉智能底座」，在完成互操作测试与安全合规审核后，其方案通过Marketplace上架，面向更多制造企业，输出「开箱即用」的智能质检能力。

另外，西门子Xcelerator生态伙伴设序科技，其自研的AI自动出图平台，能够实现快速将3D模型转为2D工程图，帮助企业快速交付。

比较直观的结果是，有汽车装备/非标自动化设备企业在Marketplace上找到设序科技的方案，使用后人均出图效率从数天压缩至小时级，10人团队年节省工时超7000小时。

目前，西门子Xcelerator平台覆盖汽车、食品饮料、电子半导体、数据中心、绿色建筑等行业。

WAIC 2026期间，又有9家AI领域伙伴与西门子Xcelerator签署生态合作协议，继续补充物理AI、具身智能、工业智能体与算力场景。

截至2026年7月，西门子Xcelerator已汇集900余款数字化与低碳化产品及解决方案，超60万注册用户，600余家生态伙伴，其中已上架AI产业应用伙伴超100家。

它的出现，不是给工业界提供一个套路化的标准答案，而是通过Marketplace、优选的业务组合与开放生态，建立起一个能够根据现场需求源源不断产生新答案的庞大自进化系统。

西门子Xcelerator如何把一次成功，复制到更多工厂

把镜头拉远，真正决定西门子Xcelerator价值的，不是平台上摆了多少产品、聚集了多少伙伴，而是这些资源能不能转起来。

工业AI的规模化，也不是把同一个Agent复制粘贴到一百家工厂，而是让每一次成功交付，都成为下一次落地的起点。

Eigen工程智能体等自研产品先在真实工程系统中打样，证明工业Agent不仅能理解任务、生成方案，还能进入PLC、HMI和自动化工程流程，完成端到端执行，并在产线上交出可量化的ROI。

这背后，西门子的工业积淀提供了底座。

TIA博途、PLC、工业边缘中沉淀的工程知识，决定了Agent能否读懂工业语义、接入真实设备，并在权限、审计和回滚机制下稳定运行。

它们就像一套工业AI的通用底盘，解决的是每个开发者都绕不开的基础工程问题。

有了这套底盘，生态伙伴就不用反复造轮子。

汽车、半导体、能源、食品饮料等行业的开发者，可以在经过验证的能力之上，叠加自己的行业Know-how，开发面向不同设备、工序和业务流程的Agent。

同一套工业底座，也就有机会长出上百种不同的场景应用。

这些应用再通过西门子Xcelerator的Marketplace入口，从而触达更多客户。

每跑通一次，下一次就不必从零开始。

接入的伙伴越多，覆盖的场景越丰富，平台积累的工业知识也越厚，新的Agent就越容易被开发和部署。

这也是西门子Xcelerator与普通软件货架最本质的区别。

货架解决的是「把产品卖出去」，西门子Xcelerator要解决的是「让产品在真实工业场景中持续生长」。

制造企业也在用选择为这套路径投票。

报告显示，68%的企业愿意与外部科技厂商开展数据分享和技术融合。

西门子则进一步开放中国工厂场景，并通过西门子Xcelerator公开赛吸引开发者进入工业AI，把真实需求直接变成生态创新的试验场。

所以，西门子Xcelerator复制的是一套「验证、沉淀、开发、分发、再验证」的方法。

当一个Agent能写PLC代码，这叫单点智能。

但当不同伙伴能在不同工序上造出各自的Agent，沉淀各自的Know-how，创造各自的ROI，再把一次成功带到更多工厂，工业AI的规模化落地，才算真正开始。

说到底，办公室AI的普及，靠的是让每个人都能打开一个对话框。

工业AI的普及，靠的却是把一座工厂验证过的能力，变成更多工厂都能安全调用的生产力。

这是西门子Xcelerator要推动的事。

等到Agent不再只是示范工厂里的明星项目，而是像PLC和工业软件一样，成为工程师随时可用的基础能力，那时工业AI才算走出展台，真正走进生产线。