南方财经 21世纪经济报道记者吴斌 上海报道

从传统产业到新兴领域，人工智能正重塑制造业的未来。

西门子数字化工业集团自动化业务执行副总裁、西门子数字化工业大中华区负责人裴安咨（Achim Peltz）近日在第二十六届中国国际工业博览会上对记者表示，制造业对效率、灵活性、产品上市速度和可落地技术的需求正在推动自动化行业进一步进化。

根据制造业需求，当前西门子数字化工业在中国聚焦三大重点方向：加速深耕中国、拓展新型应用、推动工业AI落地。这三点背后，是传统产业提效与新兴产业扩张同时发生的市场现实。但他也强调，工业AI落地仍受数据质量、系统分散和工业级可靠性约束，必须与自动化、软件和行业知识结合。

随着中国企业从产品、设备出口迈向更深层次的“实体出海”，裴安咨认为，最大挑战并非技术，而在于管理模式、组织结构与当地不匹配，以及对当地供应链不熟悉所导致的“水土不服”，同时还要应对标准法规限制、找到能适应中国企业需求与海外工厂标准的优质雇员。

当制造业竞争从单点设备转向全生命周期效率与全球布局，自动化与数字化已不再只是辅助工具，而是产业升级的基础设施；能否把技术落到车间、把中国能力带向全球，将决定下一阶段的成败。

市场变化首先体现在需求结构上。裴安咨判断，传统产业和新兴产业并非此消彼长，而是同时释放自动化与数字化需求。

一年来，他走访了许多工厂、企业和合作伙伴，从他们那里听到的诉求十分明确：更高的效率、更强的灵活性、更快的产品上市速度，以及真正能够落地到车间的实用技术。

裴安咨指出，当今市场正在快速变革，半导体、机器人、人工智能、数据中心等领域增长势头强劲。与此同时，传统行业企业也把重心放在提升效率和数字化转型上。这意味着，在这两大领域都存在巨大机会。

他提到，2026财年第三季度，西门子中国区数字化工业自动化订单同比增长17%。这说明，不仅要关注新兴行业，也要关注传统行业；传统行业同样在进一步提效、加快数字化转型。

在传统产业，企业的需求、挑战和机遇各不相同，但他们希望提升现有生产线的韧性，追求更高效率、更高的能效比，要解决这些问题，就需要更好的自动化和数字化解决方案。

在新兴领域，人形机器人制造正逐步从概念走向量产，这同样需要数字化、自动化解决方案。裴安咨认为，这一领域具有很大的发展空间，他也希望在流程设计、工程设计以及设备自动化等方面深化合作。

对于设备制造商而言，借助软件可以加速从样机到批量生产的全流程，西门子能够提供软硬结合的完整自动化解决方案，涵盖机械设计、工程、虚拟测试等制造环节。对于终端工厂，相关方案则帮助其整体生产更高效、更稳定。企业需求各异，但都追求更高效率、更好的可持续性、更长的稳定运营时间和更高的品质保障。

随着人工智能产业蓬勃发展，工业AI的发展走到了关键节点。

从长远看，工业AI具备广阔发展前景，但裴安咨强调，目前工业场景对AI的应用仍较为谨慎，因为他们需要的是工业级应用。

在工厂中，每个环节、任何时刻都必须完美运行。这不是实验室里的演示问题，而是生产现场的可靠性问题。

裴安咨指出，AI规模化应用在工业场景中并不简单，它需要高质量数据。新的生产线相对容易，而在已有、较为传统的行业里，数据收集并不容易。数据往往分散在多个系统当中，有新机器，也有旧机器，很难做到每条生产线的数据都能对齐。这构成了工业AI落地的一道现实门槛。

同时，这些数据不仅要在实验室中运行有效，还要在工厂中正常运行。只有经得起真实生产环境检验，AI才可能从工具变成能力。

裴安咨强调，AI只有与自动化、软件以及行业专业知识相结合，才能创造真正价值。工业AI的价值不在于概念的热度，而在于能否进入工程、驱动、产线等真实环节。

工业AI的真正分水岭，在于能否在真实产线中持续创造可衡量的效率与可靠性。当AI从演示走向车间、从辅助走向核心环节，制造业的竞争逻辑也将随之改变——那些率先把数据、自动化与行业知识打通的企业，才能在下一轮效率竞赛中占据主动。

中国企业正在走向全球市场，许多企业已经走到临界点：过去多年以产品、设备出口为主，如今开始深耕海外市场，在海外建厂、设公司。

裴安咨认为，中国企业在海外发展，最大的挑战并不是技术问题。因为在很多方面，中国企业已经处于全球前列，无论是电池制造还是太阳能板制造，技术往往不是问题。

基于与企业交流获得的反馈，裴安咨发现企业出海时遇到的最大问题可能是管理模式、组织结构与当地不匹配，或者是对当地供应链不够熟悉，中国企业到了新的市场可能会出现水土不服。

其次，标准和法规方面的限制，包括特定劳动法规定，也是一大挑战，各个地区的标准并不完全统一。

第三大挑战是如何找到合适、优质的雇员，使其能够适应中国企业的需求，符合出海企业在海外工厂中的标准。

在具身智能发展方向上，裴安咨明确表示，西门子不生产人形机器人本体，其布局体现在全生命周期的两个方面。

一是帮助人形机器人生产商完成其产品的设计、验证、制造和测试，这属于软件部分；同时帮助其实现产品的工业化与量产。

二是在真正量产环节提供额外支持，将人形机器人纳入产线。例如SIMOVE FleetManager这样的智能调度平台，可以把人形机器人真正带到量产环节中，将软件和人形机器人产品结合起来。

裴安咨判断，人形机器人从概念到实际生产线，落地最大的瓶颈不是动力系统，也不是背后的大脑系统，而是它能否适应真正的工业场景应用，比如装配场景。

目前，工厂中尚未实现人形机器人批量应用。人形机器人在工厂中主要承担确定性任务，需要精准度和重复作业能力。在自有工厂中使用人形机器人，首先要求无延迟、装备稳定性高；其次要求载重能力更强，能够搬运更重的物体。

但他相信，按照人形机器人的发展速度，不久的将来我们将看到更多人形机器人在工厂产线上应用。

归根结底，无论是传统产业提效、新兴产业扩张，还是工业AI、出海与具身智能，制造业竞争正从单点设备转向全生命周期效率和全球布局。自动化与数字化不再只是辅助工具，而是产业升级的基础设施；谁能把技术真正落到车间，谁能在全球市场理解法规、熟悉供应链并招揽人才，谁就更可能引领新的时代浪潮。