夜雨聆风最近，一则关于西门子集团可能在 2027 年前裁员 2 万人以上、并在 2028 年前对所有业务部门进行大规模重组的消息，在海外员工社区引发了广泛讨论。这是一则仍待核实的内部传闻。
但即便如此，它之所以能迅速发酵，并不是偶然。
因为过去一年多，西门子确实已经进入了一个密集调整期：自动化业务与 EV 充电业务岗位调整、Healthineers 去并表计划、Innomotics 等非核心资产剥离、Digital Industries 与 Smart Infrastructure 组织重组讨论、约 100 亿美元收购 Altair，以及围绕 “ONE Tech Company” 展开的一系列 AI、工业软件、数字孪生和软件定义硬件布局。
更重要的是，这些动作并不是西门子一家公司独有的阵痛。放眼全球，Oracle、SAP、Atlassian、Intuit、Amazon 等科技企业都在一边压缩岗位和组织层级，一边加大 AI、云基础设施、工业智能体、机器人和数据中心投入。表面看，这是裁员；深层看，这是全球科技和工业软件巨头在 AI 时代重新分配资本、组织和人才的一场结构性调整。
从员工社区流出的信息看，员工最担心的并不只是“会不会裁员”，而是公司原有增长模式是否正在失效。
有员工谈到，办公室空置、士气低迷、服务型利润模式难以维持；也有人认为，西门子过去依靠传统自动化、楼宇、工程服务和存量客户体系维持利润，但当市场价格竞争加剧、客户预算转向 AI 和数据基础设施，传统组织就会变得笨重。
这种情绪并非没有背景。
西门子官方此前已经确认，其自动化业务计划影响全球约 5600 个岗位，其中德国约 2600 个岗位；EV 充电业务约 450 个岗位受到影响。官方解释是，德国和中国等关键市场需求疲弱，同时竞争压力加大，导致工业自动化业务订单和收入承压。也就是说，即使“2 万人裁员”尚未被官方确认，西门子部分业务面临结构调整，已经是公开事实。
这正是工业软件与自动化行业当前最值得关注的信号：过去高毛利、强客户黏性、强渠道壁垒的工业巨头，也开始感受到 AI、云化、平台化和区域竞争带来的压力。
如果只把西门子的动作理解为裁员，容易误判。更准确地说，西门子正在主动把自己从一个传统工业集团，重塑为一个以工业软件、AI、数字孪生和软件定义硬件为核心的技术公司。
西门子提出的 “ONE Tech Company”，本质上是要打破过去各业务板块之间的烟囱式结构，把基础设施、自动化、交通、工业软件、AI 和数字业务重新整合。其官方资料显示，公司希望通过 Grow Digital、Grow Regions、Grow Verticals、Grow AI 四个方向推动增长。其中，西门子数字业务过去五年年均增长约 12%，达到 94 亿欧元，并提出未来五年年均增长 15%、到 2030 年数字业务翻番的目标。
这意味着，西门子并不想继续作为一个“卖设备、卖工程、卖项目”的传统工业企业，而是希望成为“软硬件一体化 + 工业 AI + 数字孪生 + 工业数据平台”的全球玩家。
收购 Altair 是这个战略中最典型的一步。Altair 强在仿真、HPC、高性能计算、数据科学和 AI。西门子完成约 100 亿美元收购后，进一步补齐了工程仿真与 AI 驱动设计能力，使 Xcelerator 平台能够覆盖从产品设计、仿真验证、制造执行到运营优化的更完整链条。
这也解释了为什么西门子一边裁减传统自动化岗位，一边大手笔收购工业软件资产。它不是简单地“减少人”，而是在用资本和组织调整换取新的技术位置。
过去，工业软件的典型形态是工具：CAD 用于设计，CAE 用于仿真，EDA 用于芯片设计，PLM 管理产品生命周期，MES 连接制造现场。企业买软件，本质上买的是功能模块和工程效率。
但 AI 时代，这一逻辑正在发生改变。
NVIDIA 在 2026 年 GTC 上明确提出，物理 AI 和自主智能体正在重塑全球设计、工程和制造方式。NVIDIA 与 Cadence、Dassault Systèmes、Siemens、Synopsys 等工业软件巨头合作，将 NeMo、Nemotron、CUDA-X、Omniverse 等能力嵌入工业软件平台，推动 AI Agent 参与芯片设计、系统工程、仿真验证、机器人训练和智能制造流程。
这意味着，未来工业软件的价值不再只是“帮助工程师画图、建模、仿真”，而是要帮助企业完成复杂工程流程的自动化编排。
比如，在 EDA 领域，AI Agent 可以参与测试计划生成、代码生成、验证调试和芯片设计优化；在 CAE 领域，AI 可以加速多物理场仿真、参数寻优和工程验证；在 PLM 领域，AI 可以帮助工程师自然语言检索产品数据、总结设计变更、分析故障历史；在 MES 和工业互联网平台中，AI 可以参与排产、质量分析、设备预测性维护和异常诊断。
这就是为什么西门子、达索、PTC、Synopsys、Cadence 都在强调 AI。不是因为 AI 是一个新功能，而是因为 AI 正在改变工业软件的组织方式、商业模式和客户价值。
从整个科技行业看，裁员与 AI 投入并行已经成为一种典型现象。
Oracle 被报道计划裁减数千岗位，背景是其 AI 数据中心扩张带来的现金压力。SAP 早在 2024 年就宣布围绕 AI 进行约 8000 个岗位的重组，并计划投入约 20 亿欧元用于相关项目。Atlassian 在 2026 年宣布裁员约 10%，CEO 在内部信中直言，AI 会改变所需技能组合和部分岗位数量。Intuit 也宣布裁减约 17% 员工，以降低复杂度并聚焦 AI 等关键方向。Amazon 则一方面压缩部分岗位，另一方面在欧洲仓储网络投入约 100 亿欧元，并发布可响应自然语言提示的新一代 Proteus 仓储机器人。
这些案例说明，企业并不是单纯因为 AI 立即替代了所有岗位，而是在做预算和组织资源再分配：把低增长、低效率、难以平台化的岗位和业务收缩，把资金、人才和资本开支投向 AI 基础设施、云平台、工业智能体、机器人和数据产品。
对工业软件企业而言，这种变化尤其深刻。因为工业软件公司长期依赖专业服务、定制化实施、许可证续费和大客户黏性。但当客户开始要求更快部署、更低成本、更强智能化、更灵活订阅时，传统服务模式就会承压。
也就是说，AI 对工业软件的冲击不只是技术冲击，也是组织冲击、财务冲击和商业模式冲击。
与海外工业巨头“重组存量”不同，国内工业软件和 AI 制造正处于“政策牵引 + 场景扩张 + 国产替代 + 模型落地”的窗口期。
国家层面，八部门印发《“人工智能+制造”专项行动实施意见》，明确提出推动大模型技术深度嵌入研发设计、中试验证、生产制造、营销服务、运营管理等核心环节，提升智能辅助设计、仿真模型构建、排产调度、设备预测性维护等能力。相关政策目标还包括推出高水平工业智能体、建设工业高质量数据集、推广典型应用场景。
上海则已经形成较完整的“AI+制造”产业组织方式。公开数据显示，上海累计培育 42 家“工赋链主”企业，覆盖链上企业超过 36 万家，赋能上下游核心企业 7000 多家，连接工业设备 230 多万台/套，开发工业软件 1800 多个，构建工业机理模型 700 余个，带动设备运维成本平均下降约 21%，能耗平均下降约 10%。
深圳也在推进“人工智能+先进制造业”行动计划，明确提出发展工业软件及工业知识联盟，重点攻关工业操作系统、CAD、CAE、EDA 等关键工业软件的大模型适配开发，推动工业知识、行业经验转化为标准化模型。
这些政策和场景说明，国内工业软件企业的机会已经不只是“替代国外软件”，而是要参与新一代工业智能体系建设。
第一堂课，是平台化能力。
未来客户需要的不是单个 CAD、CAE、MES 或看板系统，而是能连接数据、模型、仿真、工艺、设备和现场反馈的平台。工业软件企业必须从项目型交付转向产品型平台，从单点模块转向端到端解决方案。
第二堂课，是 AI 工程化能力。
工业 AI 不是简单接入一个大模型接口。制造现场需要的是稳定、可解释、可验证、可追溯的 AI。工业智能体要理解工艺、设备、质量、BOM、工单、图纸、仿真结果和现场传感数据，还要能与 MES、PLM、ERP、SCADA、WMS 等系统打通。这对数据治理、知识建模、权限控制和工程集成能力提出了更高要求。
第三堂课，是商业模式重构。
海外巨头正在通过 SaaS、ARR、平台订阅和生态合作提升收入质量。国内工业软件企业如果仍然高度依赖定制项目和一次性交付，很难在 AI 时代形成持续复利。真正有价值的方向，是把行业经验沉淀为可复用模型，把项目交付沉淀为标准产品，把客户现场数据沉淀为行业知识资产。
八、结语：西门子传闻真正提醒我们的是什么
西门子裁员传闻是否最终成真，还需要等待官方信息。但这场讨论本身已经释放了一个强烈信号：AI 时代，工业软件巨头不会只靠历史积累继续增长，传统组织、传统产品和传统服务模式都必须被重新审视。
过去，工业软件行业的护城河来自工程经验、复杂功能、客户黏性和实施壁垒。未来，新的护城河将来自工业数据、AI 模型、智能体编排、数字孪生平台、生态连接能力和全球化交付效率。
对国内工业软件企业来说，这既是压力，也是机会。
压力在于，全球巨头正在把 AI、仿真、EDA、PLM、MES、机器人和工业互联网整合成更强大的平台；机会在于，中国制造业场景足够丰富，政策力度足够明确，国产工业软件和工业智能体仍有巨大的落地空间。
西门子的变化不是一个孤立事件，而是全球工业软件行业进入新周期的前奏。未来三到五年，真正能胜出的企业，不一定是功能最多的企业，而是最懂制造现场、最会沉淀工业知识、最能把 AI 变成工程生产力的企业。
