2026年，时隔两年，西门子Realize LIVE大中华区用户大会再次来到中国深圳。
过去两三年，工业软件厂商在AI应用上看起来都在做类似的事情：CAD加入生成式设计，CAE用机器学习加速仿真，PLM有了自然语言交互，MES也开始出现Copilot和Agent。但相似的产品动作背后，各家的战略取向并不相同：有的把重心进一步放回核心产品和产品数据，有的更关注AI如何改变设计过程……总而言之，专注和收缩战线成了一种常态。西门子的选择完全不同——过去几年，它不仅没有收缩软件版图，反而继续通过整合与并购扩大覆盖范围。
“我们先从战略开始入手，也就是全面数字孪生、全生命周期智能和自适应能力这三大支柱构成的核心理念。”西门子数字化工业软件总裁兼首席执行官Tony Hemmelgarn在媒体沟通会上说，“其次，我们将探讨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。”
西门子数字化工业软件总裁兼首席执行官 Tony Hemmelgarn
“在现有的一切基础上构建AI”，构成了西门子AI战略最鲜明的底色。AI并非一项独立的新业务，而是重新组织既有工业软件能力的契机。所谓“现有的一切”，是一套已经相当完整的产品组合：从CAD、CAE、PLM到MES，从机械设计、电子电气到EDA、低代码和工业IoT。过去，我们习惯从“全栈”理解这种布局；AI到来之后，这些分属不同市场的软件又呈现出一种共同价值——它们共同描述一个越来越完整的数字工业世界，并把原本分散的数据、工程关系和业务规则连接起来。
数字双胞胎，AI缺少的不是更多数据
制造业从来不缺数据。一家大型制造企业可能同时运行CAD、PLM、ERP、MES、CRM和各种设备管理系统。一辆汽车、一台机床或一套工业设备，从设计、制造到交付后的运行和维修，每天都在产生新的数据。如今真正的问题已经不是有没有数据，而是为什么拥有如此多数据之后，能够规模化创造价值的工业AI项目仍然不多。
Tony没有回避这个问题：“回答您的第一个问题，典型的挑战是，很多客户的数据可能并不是非常可信，所以有些时候我们需要从数据入手来帮助客户去实施。”西门子数字化工业软件PLM产品执行副总裁Joe Bohman补充说：“就像Tony所说，首先在这个组织中要有可信的数据。其次，你需要有足够的数据，才能对AI进行训练，这二者是相辅相成的，尤其是对我们的Physics AI来说。”
西门子工业软件中国董事长及总经理梁乃明也提到：“我也看到最近很多客户都在试图做AI的实施，很多时候用大模型，但也碰到了一个挑战，数据不是实时数据，是阶段性的，这是一个问题。”在西门子看来，数据可信、实时只是起点，真正进入工业场景之后，另一个更棘手的问题随之出现：不同系统里的数据还必须建立有效关联。
西门子工业软件中国董事长及总经理 梁乃明（Leo Liang）
比如一个零件。在CAD里，它是一份几何设计；到了PLM里，对应工程BOM、产品配置和工程变更；ERP关心供应商、价格和库存；MES记录它怎样被制造；产品交付后，服务系统又会留下故障和维修记录。对工程师来说，这些信息天然属于同一件产品；对AI却未必如此。它首先看到的，仍然是散落在不同系统里的数据。
这也是西门子反复强调Industrial Ontologies——工业本体——的原因。PLM里的工程信息、ERP里的供应链数据、CRM里的客户和保修信息，需要先建立语义关系；Graph Studio再把不同来源的数据组织成知识图谱，让AI不仅找到数据，还能够理解数据之间的关系。
Tony对此给出了更直接的解释：“关于可信智能，关键在于数据必须是经过管理和配置，成为可理解、可追溯的单一可信数据源。”他随后强调：“数据必须始终是实时更新的，不是数据快照。像Palantir或Snowflake等这类平台或许能获取数据快照，但在制造和工程领域，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。”
“设计意图”是关键词。一张CAD图是数据，一个BOM也是数据，但为什么一个孔必须开在这里，为什么一种材料后来被另一种材料替换，为什么三个月前发生过一次工程变更……所有这些信息，未必能从单独一条数据里看出来。从这一点看来，对于工业AI而言，真正稀缺的不是更多数据，而是数据之间的关系，以及关系背后的工程语境。
数字双胞胎因此有了新的意义。过去，它主要把真实产品和生产系统映射到数字世界，让工程师在产品或产线真正建成之前完成设计、仿真和验证；到了AI时代，同样一套体系又开始为AI提供工业上下文：模型面对的不再只是文件、表格和数据库，而是一个包含产品结构、工程关系、业务流程和物理约束的数字世界。
再回顾西门子过去二十多年的收购，也就有了新的观察角度。从UGS到Mentor Graphics，从Mendix到Altair，机械、电子电气、EDA、仿真、PLM、制造、低代码不断被纳入同一版图。放在传统市场里，这是“全栈”产品组合；放到AI环境里，它们构成的则是越来越完整的工业上下文。
Tony在解释为什么PLM和EDA必须走到一起时说：“坦率地说，部分分析师可能忽略了这一趋势的意义：PLM与EDA的结合并非可选项，而是由我们所解决的复杂工程问题本质决定的。”他进一步指出：“现代产品集成了设计、电子产品、PCB乃至集成电路，所有要素必须无缝协同。这正是我们整合战略的核心价值所在。”
道理并不复杂。今天的一辆汽车早已不是单纯的机械产品，它同时包含软件、芯片、电子电气系统和复杂的控制逻辑。当Agent开始真正承担工程任务，它必须一次理解更多东西。西门子与IFS的合作也可以放在这条逻辑中理解：西门子过去覆盖更多的是设计、工程和制造，IFS则把资产运营、维护和服务进一步接进来。只有现场信息能够重新反馈到设计和工程环节，“全生命周期智能”才可能真正形成闭环。
西门子过去二十多年一直在做的事情其实没有变：尽可能完整地描述一个真实的工业世界。只是以前，这个数字世界主要是给工程师看的；现在，又多了一个读者——AI。
Intelligence Center X，把AI真正放进工业流程
如果说全面数字孪生解决的是AI“看到什么”，那么今年6月发布的Intelligence Center X解决的就是下一步：看到之后，AI怎样工作。
Joe Bohman在媒体沟通会上详细解释了这套架构：底层是AI服务和模型，西门子提出BYOM——Bring Your Own Model，客户不必被限定在某一个模型上；中间是Designcenter、Simcenter、Teamcenter、Opcenter、Calibre、Tessent等工业软件，并不断加入Copilot和Agent；再往上，则是Graph Studio、AI Studio、Mendix以及Industrial Ontologies等能力。
西门子数字化工业软件 PLM 产品执行副总裁 Joe Bohman
基础模型迭代太快，没有人能准确判断三年以后谁最好，也很难要求大型制造企业把AI体系长期押在一个模型上。西门子选择BYOM，实际上把战略重心放在了自己更熟悉的区域：工业数据、专业软件和业务流程。Designcenter负责设计，Simcenter做仿真，Teamcenter管理产品配置、BOM和工程变更，Opcenter连接生产制造，EDA的系列软件例如Calibre和Tessent进入半导体设计与验证。过去它们是工程师使用的工具；Agent出现以后，又多了一种身份——AI可以调用的专业能力。
“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说。在介绍Altair与Simcenter的结合时，他又提到：“同时我们也致力于通过基于物理的AI将这两个世界融合起来。”生成式AI可以快速扩大设计空间，但工业设计最终仍要回到数学、物理规律和工程规则：零件能否承受载荷，材料是否疲劳，热性能能否达标，工厂能不能制造，成本是多少。很显然，AI并没有削弱传统工业软件的价值，它改变的更可能是这些能力被调用的方式。
理想汽车在大会现场给出了一个很形象的解释：工业AI既要能理解人的意图，也要具备拆解问题、调用专业工具并形成闭环的能力。过去，工程师需要学习不同的软件，知道到哪里找数据、调用哪个功能、输入什么参数，再根据结果决定下一步；Copilot首先简化了这个过程，Agent则再往前一步，开始理解任务、寻找数据、拆解工作，并调用不同的软件完成具体环节。
Intelligence Center X的价值也由此显现：Graph Studio连接数据并形成知识图谱，AI Studio处理机器学习，Industrial Ontologies建立语义关系，Mendix承担Agent开发和编排。它们并不是要取代CAD、CAE、PLM或MES，而是在模型、数据、工业软件和业务流程之间增加一个新的控制和编排层。
Tony强调：“Intelligence Center X是一个产品，不是一个项目，我们希望客户能够利用Intelligence Center X建立他们自己的能力，根据他们自己的工作环境进行定制化的开发。”
“产品，不是项目”，说中了企业AI今天的一个痛点。过去几年，大量AI应用重新走回项目制：一家企业一套数据、一套知识库、一套流程，每增加一个场景都可能重新开发。这样的AI可以创造价值，却很难规模化。西门子试图做的，是把知识图谱、工业本体、机器学习、Agent开发和工作流编排尽可能抽象成标准产品，再由客户完成自己的配置。
Joe Bohman还补充谈到数字主线在Agent时代的新作用：“我认为数字主线的核心是它的业务流程。当我们把AI加入到里面，Agent必须要遵循我们的业务流程，数字主线可以说是AI的蓝图。另外还有一点非常重要，我们认为业务流程并不是被圈在某一个系统内部的，它是在系统之间进行流动的，这就是为什么我们的工业本体论和Teamcenter如此重要的原因。”
这句话把Intelligence Center X的位置说得更加清楚：向下连接模型、企业数据和工业软件，向上承接Agent和业务流程，中间通过工业本体、知识图谱、数字主线和治理体系，决定AI知道什么、能够调用什么，以及可以把事情做到哪一步。模型会越来越多，也会越来越强。西门子真正想守住的，是模型进入工业世界之后的那一段路。
Agent越强，边界越重要
当Agent真正进入工业流程，安全就不再只是一个附加议题。如果AI能够调用软件、访问数据甚至执行任务，企业必须回答一个更现实的问题：究竟应该把多大的权限交给它？
在回答笔者关于Agent失控和AI应用边界的提问时，Joe Bohman说：“这个问题非常重要：我们最近也看到了一些新闻，有些模型逃离了实验室，去到了公域互联网，这确实值得我们关注。我们的第一步，在设计当中坚持人机协同（Human-in-the-loop, HITL）的原则，嵌入到每一个软件、流程以及步骤当中的AI能力，最终都是需要人工进行审核的。”
他随后补充：“第二，我们坚持 ‘自带模型’（BYOM）的政策。我们希望确保客户能够用他们想用的自带模型，同时结合Mendix当中的功能，为客户的模型提供相应的治理——Mendix现在已经成为了Intelligence Center X当中的一部分。”
这让西门子对于Agent的态度显得相对克制。至少现阶段，它追求的不是无限制的自主，而是在既定流程和治理体系内逐步扩大Agent能够完成的工作。工业AI真正需要解决的，不是如何让Agent拥有最大的自主权，而是当它获得足够的自主能力之后，边界依然清晰、过程依然可控。
写在最后
“在现有的一切基础上构建AI。”过去二十多年，西门子一直试图通过数字孪生和数字主线，把真实工业世界里的产品、工程关系和业务流程搬到数字世界。今天，它没有因为AI到来就推倒重来，而是让数字双胞胎提供上下文，让工业本体建立关系，让CAD、CAE、PLM、MES继续提供专业能力，再通过Intelligence Center X把模型、Agent和真实业务流程连接起来。
这条路远没有走完。完整的“全栈”既可能成为西门子的优势，也可能成为实施复杂性的来源：数据是否足够可信，跨系统关系能否持续维护，Agent能否规模化进入生产环境，开放与安全如何平衡，以及当越来越多的软件开始由Agent而不是人直接操作，工业软件沿用了几十年的产品形态和商业模式会发生什么变化，都还没有确定答案。
西门子工业软件今天真正押注的，也正是这个变化：未来工业软件的竞争，不再只是软件功能之间的竞争，而是谁能够为AI提供一个更完整、更可信，也更可控的工业世界。
工业软件已经很难再回到从前。过去，我们用软件描述、模拟和管理工业世界；接下来，软件还要帮助AI理解这个世界，并在这个世界里做事。到那个时候，“工业软件”这个沿用了几十年的名字或许仍然存在，只是它所指的东西，已经不再只是软件。
京公网安备 11010202008829号