消费 AI 创造头条，工业 AI 产生实效
作者／ IT 时报 孙妍
编辑／ 钱立富 孙妍
" 消费 AI 创造头条，工业 AI 产生实效。" 过去两年的 WAIC 上，西门子中国董事长、总裁兼 CEO 肖松提出的这一观点，正在照进现实。
过去两年，AI 从技术突破走向产业落地，大量企业已经完成了第一轮 AI 部署：接入大模型、搭建知识库、研发智能体、配置 AI 助手、开发数字员工等。
麦肯锡与 MIT NANDA 2025 年报告显示，已有约 88% 的企业应用 AI，但真正带来可衡量利润贡献的仅约 39%，95% 的项目未能转化为可持续生产能力。
这说明当前企业 AI 产生的实效远远不够，AI 落地不能只停留于工具提效层面，而要深深地扎根产业场景。今年，AI 正在从第一轮部署走向深度价值落地。
在 2026 世界人工智能大会（WAIC 2026）上，物理 AI 成为一大热词，人工智能正加速从数字世界走进工厂、车间、产线。
机器人进厂前
要听听厂长的话
一台机器人进工厂前，先要听听厂长怎么看。
其实，厂长们并不关心机器人用的是 VLA 还是世界模型，或是模型参数有多大，反而会在意：" 它能不能适配现有运营系统？能不能稳定完成任务？失误率是多少？人工多久介入一次？收回投资的周期有多长？"
在 WAIC 2026 微亿智造展台上，两只机械臂如行云流水般，在高达 1000mm/s 的飞速移动中完成精准抓拍与检测。这些机械臂能像老师傅一样，看懂零件，" 拿捏 " 缺陷。这并不是一个实验室产品，这一具身智能多臂协同机器人已经走进全球顶级车企在中、美、德三地的生产基地，主要用来检测车身核心大型压铸件外观。
传统车企产线上，这一环节长期依赖人工肉眼检测，外观缺陷检出率仅 90%，而机器人的检出率高达 98.5%。
除了质检产线外，上下料也是机器人进厂打工的成熟场景。在精密制造自动化环节，CNC 上下料看似技术成熟，却成为制约产线提质增效的隐形瓶颈。因为传统自动化方案模式固化，难以适应多品种、小批量、快迭代的生产需求。产线更换产品时，还需要专业技术人员停机逐台手动示教调试，耗时费力。
而微亿智造的上下料机器人看一遍就能学会，让工厂换线时间从几天直接压缩到几小时，甚至几分钟，相较传统自动化设备效能提升最高达 40%。而且，机器人的价格与传统自动化设备持平。
" 工厂最关心的还是成本和成功率，上下料机器人的投资回报周期可稳定控制在 1 到 1 年半，作业成功率可达 99.75%。" 微亿智造工作人员向《IT 时报》记者说道。
一头扎进真实业务
从 " 数据时代 " 迈向 " 经验时代 "
2024 年图灵奖得主理查德 · 萨顿在 WAIC 2026 主论坛上提出，依赖静态人类数据训练的模型正在触达天花板，真正意义上的智能应来自智能体与环境的实时交互，在行动中自主构建数据、自主学习、校正认知，从 " 人类数据时代 " 迈向 " 经验时代 "。
蚂蚁集团首席执行官韩歆毅基于长期企业观察进一步提出，依靠公开知识训练出的通用大模型，未必能够真正理解一家企业的运行逻辑。真正的企业级 AI 智能，需要扎根企业真实的业务流程，持续沉淀企业专属的数据和经验，在真实运转中自主迭代学习、识别低效卡点，形成适配这家企业自身经营逻辑的判断力。他将这一方向总结为 " 经验型智能 "。
不少企业 AI 产品仍停留在工具部署层面，帮助员工更快地查资料、写邮件、整理会议纪要、审理合同等。但只做浅层的个体工具提效，有时不仅无法解决组织问题，反而可能被现有组织流程的 " 尽责 " 惯性所裹挟。
企业 AI 该如何走向深度价值落地？蚂蚁集团首席执行官韩歆毅分享了三点思考：企业 AI 的智能不止于知识积累，更在于经验沉淀；企业 AI 的更高价值，不止于个体提效，更在于组织进化；实现深度落地的路径，是打造 " 组织智能 "。
许多企业现有的流程本身是为 " 人 " 设计的，而不是为 "Agent" 设计的。
旧流程让信息在组织中的人之间逐级传递、逐级确认，往往导致每个环节都做到最好，但所有环节串在一起，却都不为结果负责。智能体应该作为智慧的顾问，不仅能发现和诊断问题，还能辅助员工做权衡判断，在业务推进与风险管控之间找到解法。
韩歆毅认为，企业 AI 实现深度落地的路径，是打造 " 组织智能 "。未来每一家企业都会拥有海量的数字员工，每一个员工都将拥有自己的智能体伙伴，智能体之间还会形成新的协作网络，也就是 AI 的组织形态。
智能体工厂
像搭乐高一样建流水线
AI 落地到底卡在了哪里？
蚂蚁数科 CTO 闫莺说：" 卡在四件事上：模型很强，落不了地。工具很多，接不上最后一公里。企业要的不是零件，是整车。智能体多了，没人定规矩。"
一家新能源企业在海外建厂，管理层仅需设定目标，随后由战略、金融、供应链、法务、ESG 等数百个智能体组成的团队，便能全流程自主执行。也就是说，企业可以在商业智能体超级工厂这个系统上，像搭乐高一样搭建智能体 " 流水线 "。于是，企业便拥有了一支全天候工作的 AI 队伍，以及规模化协作的 Agent 工厂。
这些企业智能体 " 流水线 " 建立在一个平台上，这就是蚂蚁数科在 WAIC 2026 上发布的 " 商业智能体超级工厂 "。它的应用平台首批预置近 200 个岗位级数字专家模板，并提供数百个可订阅的 Skills 级开箱可用的智能体工具。企业无需从零起步，就能启用数字专家。
据 IDC 报告披露，在 17.5 亿元规模的中国智能体开发平台私有化市场份额中，蚂蚁数科位列非云厂商第一，并位列 2025 年中国金融大模型、智能体应用及服务市场占有率第一。
截至目前，蚂蚁数科 " 商业智能体工厂 " 已服务 100% 国有银行和股份制银行、超过 60% 的地方性商业银行，以及数百家金融机构，落地超 300 个金融行业智能体。
" 工业时代，当机器越来越多，诞生了现代工厂。软件时代，当代码越来越复杂，建立了软件工程体系。那么 AI 时代同样需要一种新的基础设施，让百万智能体高效、可信协作。" 蚂蚁数科 CEO 赵闻飙表示。
场景与数据
AI 落地的重中之重
" 中国工业门类的广度、制造业体系的深度、产业创新的速度、对新技术的开放态度，成为发展工业 AI 的独特优势。" 肖松认为，工业场景是 AI 应用的 " 深水区 "，零容错，对确定性、可靠性和安全性要求严苛，系统高度复杂，不同行业、不同生产模式和不同制造工艺差异明显，所以，工业 AI 不能追求全覆盖发展方式，必须从真实业务场景入手。
工业 AI 肖松总结了四个特征：痛点够高频，数据可获取，价值可量化，具有推广复制和泛化的潜力。质量检测就是符合这四个特征的高价值场景，西门子 Smart Detection 智能质检平台，已经在成都、南京、苏州等多家西门子工厂实现规模化部署。数据显示，该平台可将硬件成本降低 90%，项目交付周期从 " 周级 " 缩短至 " 小时级 "。
" 数据质量是工业 AI 成功的关键，尤其是负样本的数据，破题关键是抓住场景。" 肖松表示，大量影响生产质量和效率的关键知识，常常沉淀于工艺规范、操作经验，以及一线工程师和 " 老师傅 " 的脑海中。这些数据没有经过治理、整合与标注，难以支撑大模型、智能体的训练使用。只有以具体场景为牵引，数据才能从无序积累走向有序生产。
西门子与十五冶合作，整合 11 个工艺段的设备数据，以及来自行业文献、工艺规范和老师傅口口相传的行业知识和一手经验，打造出炼铜行业首个下沉到边缘的智能体，使影响铜成品质量和炉体寿命的关键指标——冰铜品位稳定性提升了 15%。
肖松还提出，工业 AI 落地不是单一模型部署的问题，而是一个复杂的系统工程，需要与工业软件、边缘计算设备、执行装备，以及工艺流程深度结合。只有打通感知、决策、执行、反馈的全链路，工业 AI 才能从技术能力转化为现实生产力。
Eigen 工程智能体斩获 WAIC 2026 最高荣誉奖项—— SAIL 之星奖。这是西门子推出的全球首款面向工业自动化工程的 AI 智能体，已在全球 19 个国家、逾百家企业进行部署，部分工业自动化任务，较人工执行效率提升 2 至 5 倍，整体解决方案质量提升 80%。
以往汽车、机械制造行业切割精度下降时，工程师必须赶到现场排查并修改 PLC 程序。现在，只要用自然语言给 Eigen 工程智能体下达指令，它就能自动完成 PLC 编程、HMI 可视化、设备配置等任务。
在西门子 WAIC 展台现场，《IT 时报》记者看到，西门子与北辰循环共同展出的电池模组智能拆解原型机前围满了工业 " 老师傅 " 们。这款原型机可对不同电池模组进行扫描和智能识别，结合人工复核，实现自动且可靠的电池模组智能拆解。工作人员介绍道，该原型机开发过程中，Eigen 工程智能体就已介入，用于提升设备的工程实施效率。
此外，西门子还携手中科摩通，打造了用于组装和检测电动汽车电子机械制动系统的设备。在 Eigen 工程智能体的助力下，中科摩通将程序开发时间减少 30%，产线现场调试周期缩短 30%，人工与物料损耗降低 10%。
为何工业智能体能如此之快地进行全球规模部署？西门子股份公司执行副总裁、数据与人工智能负责人 Vasi Philomin 认为，制造商面临的挑战越来越清晰：在熟练工程人才持续短缺的情况下，必须用更短的时间交付更复杂的系统。智能体从只能提供建议，到真正交付成果，这让 AI 在工业领域完成了跨越式转变。
必须知道为什么对
AI 进入 " 责任时刻 "
" 大模型在通用场景表现出色，但在电力生产、石油勘探、航空发动机监测等安全攸关的生产场景中，‘大概是对的’远远不够，必须‘知道为什么对’。" 中数睿智董事长、创始人韩涵提到。
AI 如何从 " 聪明 " 走向 " 可托付 "？
中数睿智在 WAIC 2026 上发布了智能体产业落地的创新方法论—— AI for Reasoning 因果智能，系统性提出因果世界模型。基于元因果认知理论，它自主研发了动态因果构建与演化引擎，一个贯穿并支撑关联、干预、反事实三层的动态底座。这一技术底座让产业 AI 实现从 " 会说话 " 到 " 敢担责 " 的跃迁，从 " 看懂数据 " 到 " 读懂场景规则 " 的认知升级。
在石化场景中注入因果智能后，系统一旦察觉到工艺异常，它不再只是输出一句 " 存在风险 "，而是基于因果逻辑推演多条干预路径：不干预会怎样？立即停产会怎样？降负荷运行会产生什么后果？通过系统量化比较，辅助企业在风险发生前作出最优决策并直接驱动问题的解决。
中数睿智长期深耕企业级复杂智能决策赛道，他们沉淀出《因果世界模型技术体系蓝皮书》，《蓝皮书》中的因果世界模型引擎已在 35 家以上大型央国企及行业头部单位完成部署，覆盖油气、电力、制造、金融等 800 余个零容错核心业务场景，累计安全运行超 15000 小时，未发生一起因模型幻觉导致的决策误导。
正如《蓝皮书》结语所述："AI 认知的下一阶段，是从‘描述世界’走向‘理解世界如何运转’。这一步一旦跨过，AI 就不再仅是能言善辩的顾问，而真正成为可托付信赖的伙伴。"
排版／ 季嘉颖
图片／ 采访对象
来源／《IT 时报》公众号 vittimes
E N D
大家都在看
IT 时报
怕被 AI 替代？
不如先学会用好它
「挨踢妹 @AI 茶水间」
扫码即可加入↓↓↓
请加「星标」不错过我们
