西门子CTO首发工业AI署名文章：构筑工业免疫长城

    6 月 24 日，在天津夏季达沃斯论坛“AI+ 时代”分论坛中，西门子股份公司董事会成员、首席技术官兼首席战略官 Peter Koerte 和行业领袖们就 AI 的普及和应用趋势，AI 应用差异化对行业的影响等进行了探讨。期间，Peter Koerte 首发工业 AI 署名文章，分享其对 AI 发展的更多洞察和思考，如下为全文。

6 月 24 日，Peter Koerte 在夏季达沃斯论坛

    当我们每一次呼吸时，数以万计的病原体便会悄然潜入我们的肺部。但对于大多数人来说，人们往往并未感受到免疫系统正在默默战斗，全力抵御这些“入侵者”。因为在大多数情景之下，这样的“战斗”在人们身体的每一个角落不断上演 — 从捍卫我们的皮肤，到守护我们的骨骼，为健康消除隐患，为生命保驾护航。值得一提的是，人类的免疫系统也在不断学习和进化，从而让我们的身体愈发强壮。

    而人工智能之于工业

    正如免疫系统之于人体那么将画面拉回我们所处的科技领域。如今我们也正在从零开始构建这样一个免疫系统，可以说正确搭建并高效运作这样的系统势在必行且意义非凡。如此一来，我们所创造的先进技术不仅能长久留存，更能持续发展和演化。在当今的数字世界，我们需要一个快速、灵活且具备韧性的系统，而人工智能 (AI) 正是关键所在。只要目标明确稳步推进，AI 能为工业领域塑造强韧的“免疫系统”，就好比免疫系统造福人们的身体健康 — AI 将让我们的行业更加强大、更有智慧、更具韧性。接下来，让我们来看几个案例。

    01 Industrial Copilots为人机交互构筑沟通桥梁

    AI 已诞生超过半个世纪。然而直到生成式 AI 的出现，它才真正颠覆了发展轨迹，实现了人机之间的自然语言交互。人们可以向大型语言模型 (LLM) 询问任何问题，并在短短几秒内获得答案。这样的交流在工业领域将释放出巨大潜力。从设计师、工程师到生产线专家，价值链上的每一个环节都将从中获益，每个人都可以随时调用 industrial copilots 来高效工作。

    截止目前，已有 200 多家企业部署了西门子 industrial copilots ，用以辅助设备安装、程序调试及故障排除。这些数字助手能够通过深度分析数据精准定位问题根源，自动生成解决方案并编写控制代码，原本耗时数小时的任务如今在几分钟内就能完成，而操作人员仅需监督，无需过多干预。

    这和我们人体免疫细胞的运作机制颇为相似：免疫细胞在体内持续巡逻，精准识别异常情况，一旦发现问题，便会迅速召唤支援部队进行精准修复，这样的团队智慧高效、行动迅捷、决策精准，甚至可以通过自主学习积累经验，持续强化机体自愈的能力。这也昭示着工业 AI 的未来发展方向 — 一个由 AI 智能体参与塑造的未来。

    02 AI 智能体发现问题、解决问题、记录沉淀

    实际上，使用 AI 智能体的意义绝非单纯获得辅助。它更像是把一项任务交给一支专业的专家团队，而这样的场景也已走进现实。西门子已经与德国公司 EPLAN 展开合作，共同开发一款 AI 智能体，助力工厂实现自我升级。

    比如当一台机器拥有约 20,000 个零部件的情况下，确保这些零部件的实时更新是一项繁琐而艰巨的工作。而我们的这款 AI 智能体能够在线上数字系统提醒相关负责人，及时替换老旧的零部件，从而确保我们能在现实世界的工厂车间高效完成这一过程。这不仅节省了时间，降低了人为错误的风险，还保障了机器的顺畅运行。

    我们相信，未来 AI 智能体将会成为数字市场上可供购买的商品。然而，仅靠训练 AI 智能体还不足以满足需求，就像特种部队之所以能够发挥强大效力并确保行动安全，其关键在于通过准确无误的数据进行精准决策。

    03 工业基础模型 (IFM)铸就工业智策的脊梁

    谈及多发性硬化症、1 型糖尿病、类风湿关节炎这类疾病时，我们知道一旦免疫系统失控，转而攻击其本应守护的身体组织，后果将不堪设想。受制于人体免疫系统的复杂性，这类病情带来的挑战也许很难预防。但在工业领域，我们拥有截然不同的掌控力。作为工业“免疫系统”的架构师，我们能够决定如何对其进行训练，以及选择何种数据加以利用，而这些正是确保工业 AI 安全、可信且可靠的基石所在。

    单靠生成式 AI 无法满足工业需要，因为其主要擅长生成和理解人类的语言。然而，机器的语言通常是数值型的，更聚焦在温度、电压、时间序列等数值，这些模态往往很难用文字来准确描述。

    正因如此，我们研发了工业基础模型 (IFM)。该模型能够处理从二维、三维图纸到时间序列数据等各类信息，有望成为 AI 解决方案的核心架构。这一模型能否取得成功，关键在于我们工业界每一位从业者的积极参与和携手共创。

    04 工业数据严选优用，共益共利

    工业基础模型（IFM）的质量与用于训练的数据密切相关，仅依赖单一来源的数据远远不够，它需要汲取和整合来自不同公司和行业的信息，汇聚整个工业界的丰富知识积淀。

    这并不代表需要公开所有私域数据，而是有选择性地共享工业领域的用例信息，特别是那些未来有望借助 AI 加以处理的用例。通过为复杂问题提供更多情境信息，从而拨开工业系统的认知迷雾。

    如今，还有很多未知数据有待我们去挖掘。工业行业的数据利用率仅有 20%，剩余 80% 的数据被锁在各自的孤岛中，尚未被充分挖掘和重视。而工业行业的众多伙伴，正是帮助这些数据资产拨云见日的关键力量。这些数据能够助力不同系统实现更高效的协作，也能让 industrial copilots 更具洞察力，并赋能 AI 智能体更快解决问题。通过共享这些数据，我们可以将那些从机器、工厂乃至行业层面获得的宝贵经验进行规模化复制，实现跨机器、跨工厂、跨行业的乘数效应。

    人类的身体就好比一个“超级工厂”，没有数据共享，将寸步难行。试想，如果大脑无法与心脏沟通、脊椎无法与双腿协作、肺部无法与口鼻联结，那么人们的心脏会停止跳动、身体机能会瓦解、呼吸也会受到阻碍。因此，无论是生物还是商业，协作都是最明智的选择。

    AI 之于工业，恰似免疫系统之于人体 — 它隐于血肉，却护山河无恙。当我们在工业领域谈论 AI 时，可以畅想它能：让我们更强大、更智慧、更具韧性。AI 的到来，将帮助我们的工业行业在这剧变的时代游刃有余，行稳致远。

工业 AI 的故事未完待续

西门子将现身世界人工智能大会 (WAIC)

现场展示 AI “真”实力