过去两年，生成式AI的狂飙突进让人们见识到了算法在数字世界的魔力——从吟诗作画到生成以假乱真的视频，大模型似乎无所不能。然而，当狂欢的潮水逐渐褪去，产业界开始冷静地审视一个更为硬核的命题：AI究竟如何跨越虚实的鸿沟，真正进入物理世界，成为驱动实体经济运转的底座？

2026年3月23-24日，北京首都国际会议中心，首届西门子RXD大会（Real Meets Digital）给出了他们的系统性解答。

1场主论坛、7场行业专题论坛、32场技术精讲、3,000+平米会展区，吸引2000余名行业领袖、工程师、开发者和观察者挤进会场，这是一场关于工业AI如何落地的产业预演。在这里，没有花哨的表演机器人，取而代之的是能够在微米级精度下控制动力电池涂布的算法，是能够自主规划路径并协同作业的人形机器人，以及无缝衔接IT与OT的工业算力网。

“AI像当年的电力一样具有变革性，甚至力量更为强大。它将改变我们的生活与工作、生产与消费。”西门子股份公司董事会主席、总裁兼首席执行官博乐仁（Roland Busch）在大会主旨演讲中，将AI定义为新一轮工业革命的通用技术。但他也敏锐地指出，强大的 AI 模型是一回事；而真正使用它、集成它，用其解决现实世界的问题，并规模化应用到物理世界中 —— 则完全是另外一回事。

面对这“另外一回事”，西门子正试图扮演那个铺设电网的人——打造一套贯穿硬件、软件与数据的工业AI“操作系统”。在电气化时代，西门子曾搭建过这样一套基础设施，今天他们还想再做一次。

工业AI的底层逻辑

长期以来，制造业对新技术的接纳往往是点状的，比如引入视觉检测替代人工质检，或是增加几个传感器进行简单的预测性维护。但在西门子看来，由大模型和智能体（Agent）驱动的工业AI，绝非对单一工种的替代，而是对整个生产关系和生产方式的系统性重塑。

要承载这种重塑，仅靠云端的通用大语言模型是远远不够的。博乐仁在大会上勾勒出了工业AI操作系统的三大核心要素：契合的技术栈、深厚的行业知识以及强大的合作伙伴。

技术栈的重构是第一步。在大会现场，西门子展示了从云端到边缘、从算力到执行的完整链路。当AI进入物理系统，硬件的价值被前所未有地放大。模型可以在云端训练，但推理和执行必须在生产一线全天候、无间断地实时响应。

例如，博乐仁现场展示的搭载NVIDIA GPU的高性能工控机BX 59A，完美适配了汽车制造等复杂工业场景；而全新发布的新一代S7-200 SMART G2系列PLC，在性能与存储容量方面实现显著提升，充当着工业设备的“智能大脑”；与之配合的S200紧凑型伺服系统，则将高维的数字指令转化为高精度的物理运动。这种“感知-决策-执行”的硬核闭环，是任何纯软件互联网公司都难以轻易跨越的护城河。

此外，未来工业AI或无处不在、变革生产，但破局需要多要素协同，建立强大生态。正如西门子中国董事长、总裁兼首席执行官肖松所言：“场景、数据、软件、硬件、人才缺一不可，唯有强大的生态，才能真正释放AI的无限潜能。”

工业炼金术的壁垒与破局

如果说软硬件技术栈是骨骼，那么数据就是流淌在工业AI操作系统中的血液。然而，工业数据的提取与利用，堪称一场艰难的炼金术。

在大会的尖峰对话环节，多位行业大咖直击工业AI落地的核心痛点。国机数科董事长王宇航犀利地指出了当前工业AI面临的“三脱节”，包括技术与场景脱节、业务与数据脱节、投入与产出脱节。

与互联网行业天生自带海量结构化数据不同，工业现场的数据高度碎片化、多模态且往往缺乏标注。北京数据集团副总经理李振军将传统的工业数据处理形容为小作坊模式：“大量的工业企业内部实际上是有生产但没数据采集，有采集不存储，边采边丢。或者是采集完后，加工处理能力不够，无法处理成标准化的数据，只有结构化数据才能运用到模型训练中。”

这种数据的匮乏与低效，直接锁死了工业AI的上限。为此，破局的关键在于构建高质量的场景数据。

宁德时代首席制造官倪军的分享，为高价值场景提供了一个极好的注脚。电池制造被称为复杂度最高的产品之一，容错率要求达到惊人的十亿分之一（ppb）级别。在厚度仅5微米、宽达1.5米、以每分钟100米速度飞驰的铜箔极片上涂覆100 微米的电极材料，任何微小的扰动都可能导致灾难性后果。在这种极限工况下，通用AI模型完全无能为力，必须依赖与OT知识深度融合的工业级专有模型。这些模型不仅需要消化设备的设备时序数据、视觉数据，还要吸收工程师的“隐性经验（Know-how）”。

西门子长达170多年、覆盖数十个垂直领域的工业底蕴，在此时就显现出不可替代的威力。毕竟，全球三分之一的制造设备搭载西门子控制器，这些在物理世界中日夜运转的设备，构成了世界上最庞大的工业数据集的潜在来源。通过西门子工业软件和边缘计算平台，这些沉睡的数据正在被唤醒，转化为驱动AI进化的优质燃料。

具身智能的Sim2Real跨越

本次大会上，最吸引眼球的莫过于那些穿梭在展区、与自动化设备协同作业的机器人。具身智能作为AI进入物理世界的终极形态，正在迎来属于它的奇点时刻。

宇树科技创始人王兴兴在对话中分享了令人振奋的技术跃迁：从最初依靠传统数学建模，到2021开始，公司全线机器人产品都转向AI控制路线。2023年首款人形机器人H1，完全依靠端到端AI训练训练实现走路、跑步等动作。AI让实体机器人的运动控制迎来了颠覆性巨变。曾经在地上笨拙爬行的机器人，仅需在模型中微调参数并经过一夜的训练，第二天上机测试，就能迎来质的飞跃，表现远超传统算法。

然而，机器人的“小脑”（运动控制）虽然进化神速，但其在复杂工业环境中的“大脑”（任务泛化与操作执行）仍面临挑战。银河通用联合创始人张直政则指出，具身智能所需的数据量远超传统的大语言模型，且数据必须与具体的硬件本体和物理场景强绑定。

如何低成本、大规模地获取这些高价值的长尾数据？答案指向了仿真与数字孪生。

这正是西门子的强项。在西门子高保真的虚拟环境中，企业可以构建出兼具照片级真实感与物理精准性的数字孪生工厂。在现实中难以复刻的数百万种抓取姿态、边缘工况、甚至是故障场景，都可以在虚拟空间中以极低的成本进行千万次的并发训练（Sim2Real）。

王兴兴透露，预计在未来六个月内，通过大模型与丰富动作库的结合，机器人将实现自由、丝滑的任意动作生成与组合。结合西门子的工易魔方——一个能够让开发者以拖拽方式轻松构建柔性生产线工作流的平台，未来工厂中“人类下达模糊指令，机器集群自主规划并协同执行”的科幻场景，已近在咫尺。

生态的力量

独木难成林。在极其非标、长尾的工业自动化市场，没有任何一家企业能包揽一切。构建一个开放共赢的生态，是工业AI走向规模化的唯一路径。

在此次大会上，西门子与阿里巴巴深化战略合作的消息引发了业界的高度关注。可以说，这是一次极具互补性的强强联合，阿里巴巴拥有强大的阿里云基础设施和千问大模型，是典型的“云与数据基因”，而西门子则掌握着最深厚的工业软件、自动化硬件及工厂现场的Know-how。

阿里巴巴集团主席蔡崇信在对话中深刻阐述了AI智能体的突破性意义：“以往大模型像百科全书，现在的智能体则具备规划、推理、记忆能力，是真正的虚拟知识员工。”

西门子正在将这种能力引入车间。其打造的Industrial Copilot，已经能够通过“问题解决智能体”、“设备状态智能体”等多智能体协同，实现在产线上自动排查故障、甚至直接生成数控代码操作设备。未来，西门子的仿真产品组合将部署到阿里云，以基础设施即服务（IaaS）模式惠及众多中国企业；同时，基于千问等大模型，结合西门子独有的工业数据进行微调，还将诞生出更具杀伤力的工业专属大模型。

不仅是阿里，西门子与NVIDIA在加速仿真与算力上的深度绑定，与宇树科技、银河通用在具身智能调度上的协同，以及通过西门子Xcelerator平台汇聚的超50万中国注册用户和400多家本土合作伙伴，共同编织了一张庞大的工业AI生态网。

全球最大试验场的双向奔赴

值得注意的是，西门子将首届RXD大会的举办地选址北京，并在此一口气发布了26款由中国团队研发、专为中国市场打造的全新本土产品，这背后也有一层更现实的逻辑。

“中国是工业AI最佳的试验场”，蔡崇信在大会现场的这句话点出了核心。

作为占全球工业产出30%的最大制造业经济体，中国不仅拥有全球最完整的工业体系和海量的工业数据，更有着对新技术无比渴望且极具创新活力的企业群体。

无论是面向高密度智算中心的新一代直流断路器SENTRON 3VD，还是能够通过AI分析持续优化数据中心能耗的智冷魔方，西门子的本土创新正精准切中中国产业升级的时代脉搏。在这里，技术不再高高在上，而是迅速下沉到预测性维护、机器视觉质检、柔性排产、零碳园区管理等一个个真实而棘手的工业现场痛点中。

通过本地化研发+全球化技术底座的模式，西门子不仅在帮助中国企业打通数据孤岛、实现降本增效，更在赋能宁德时代、宇树科技这样的领军企业走向世界，以统一的高标准数字化体系支撑其全球产能布局与绿色出海。

西门子用170多年积累了理解工业肌理的能力，现在它要把这些能力系统化地注入AI，再用AI反哺工厂。这个循环能否真正转动，还需要时间检验。但可以确定的是，这次在北京，西门子至少交出了一份目前为止最完整、也最扎实的答卷框架——以及许多已经在车间里跑通的真实案例。

这或许是"AI如何进入物理世界"这个问题，迄今最系统的一次公开作答。