夜雨聆风新一代AI技术的发展，给制造企业数字智化转型、智能制造服务商、工业软件厂商都提出了新的要求，工业软件与工业AI如何融合，是必须面对和思考的问题。既有一步一步向前推进需要的循序渐进，也有面向未来趋势要做的全新规划；既要继承原有的产品和技术基础，又要充分发挥新技术的优势，得去做判断和选择。
看了一些工业软件公司的工业AI发展情况，整理了相关的内容，不断学习消化，放在这里备忘。首先看看西门子工业软件。
西门子是世界工业软件行业的领先者，近期查找学习了一些西门子工业AI方面的材料，把主要的内容梳理、摘录在下面，可供参考，主要包括5个方面的内容：
一、西门子Teamcenter AI
二、西门子工业AI操作系统
三、西门子Eigen工程智能体
四、西门子Intelligence Center X工业AI编排
五、西门子与IFS合作，工厂闭环数字孪生
包含西门子基于其传统优势产品Teamcenter深入融合AI能力的框架和主要应用场景，也有面向未来AI发展趋势，对工业AI新架构、新模式的探索，多线并举。感兴趣的地方可以去找原始材料阅读。AI给画了个框架，还行。
一、西门子Teamcenter AI
涵盖西门子Teamcenter AI的框架、典型场景、未来路线，主要内容来源于2026年1月中旬发布的《Siemens AI白皮书-Teamcenter篇》，有些地方我做了适当的提炼，有些内容进行了合并。括号中的斜体字部分是我的个人理解。
1、AI融入Teamcenter平台，打造西门子工业AI生态
工业软件正经历着一场深刻的范式变革，工业软件与工业AI的整合，是驱动下一次工业革命的关键引擎。西门子并非将AI视为一项孤立的技术，而是将其深度融入自身的工业基因，构建了一个从硬件到软件、从技术到生态的完整闭环。
产品生命周期管理(PLM)系统，作为企业数字资产的中枢系统，存储了从概念创意、研发、工程、制造、再到服务的全部数据，是蕴藏了企业巨大潜力的核心平台。但长期以来，它更多的是被动地存储和管理产品数据，如何激发这些沉睡的数据，让它们产生价值，提供洞察、启迪创新、优化决策?这将是工业AI的必答题，也是传统PLM向智能PLM转型的必然方向。
通用的大语言模型(LLM)虽然强大，但它们缺乏对“工程语言”的深度理解。“工程语言”是一种复杂的多模态语言，它不仅包含文本(需求文档、技术标准等)，更包含了二维图纸、3D几何模型设计、电子电气设计、仿真数据、BOM结构和制造工艺等。为了让Al真正成为工程师的得力助手，西门子正致力于开发专为工业领域打造的工业基础模型(Industrial Foundation Model,IFM)。与通用模型不同，IFM在训练之初就学习这些复杂的多模态工程数据，使其能够理解工程逻辑、掌握特定行业领域知识、生成工程内容等。在工业基础模型IFM的加持下，在不同软件和平台中，针对不同场景和领域，融入了AI解决方案，提供各种生成式服务、智能化设计等。
西门子将人工智能深度融入到行业领先的Teamcenter平台，突破传统PLM的管理局限，以本地化方式建立企业私有域知识库，让海量静态数据产生工业AI应用的动态价值，实现从结构化模块化向AI驱动跃迁，全面重塑PLM管理新范式。它不仅能“看懂”复杂的3D模型、技术文档和流程数据，更能“预见”变更带来的影响，“建议”更优的设计方案，并“自动化”繁琐的日常任务，将工程师从低价值工作中解放出来，真正聚焦于创新本身。
1）Teamcenter AI设计模式
西门子PLM的核心使命是构建一条贯穿系统、设计、工程、制造到服务的、完整且覆盖多学科的数字主干(Digital Thread)。西门子AI战略愿景，并非简单地将AI作为“插件”或“模块”附加于PLM之上，而是要在这条坚实的数字主干之上，将AI能力深度融入产品生命周期的每一个环节，赋予其三大核心智能能力：分析、优化、生成，从而驱动和转型企业的研发模式。
分析(Analyze)：AI的首要任务是深度理解数字主干上流动的数据，将隐性的知识显性化。这包括对海量需求文档的精准解析、对复杂变更影响的智能评估、以及对产品质量问题的根因分析等。AI基于高质量的企业数据，为决策提供洞察力。
优化(Optimize)：在分析的基础上，AI将扮演“专家顾问”的角色，辅助工程师在多重约束下寻找最优解。无论是平衡成本与性能的设计优化，还是追求提升效率的工艺规划，AI都能提供数据驱动的建议，帮助工程师在复杂的多目标决策中游刃有余。
生成(Generate)：这是智能化的高阶能力，标志着AI从“助手”向“共创者”的转变。利用生成式AI技术，可以探索全新的数字样机方案，自动生成产品设计或参数，甚至在工艺阶段自动生成完整的工艺路线。AI将极大地拓宽创新的边界，将工程师从重复性劳动中解放出来，专注于更具创造性的工作。
2）Teamcenter AI演进路径
为了将以上AI战略愿景系统性地落地，Teamcenter规划了一条从“知识挖掘”到“辅助决策”再到“自主执行”的三级递进演进路径。
Level1-基于RAG的智能问答
基于检索增强生成(Retrieval-Augmented Generation, RAG)技术,L1级别的AI应用旨在突破传统知识检索瓶颈，转向AI驱动的动态知识管理，通过高效数据挖掘和自适应学习打破静态规则的束缚。专注于AI应用场景，以智能问答形式，帮助工程师快速找到需要的资源、掌握新的技能，让PLM在管理数据的同时，成为每个工程师专业的“设计顾问”。
Level2-Copilot辅助决策
L2阶段，AI不再仅仅是回答问题，而是成为工程师身边的“副驾驶”，将AI智能分析和优化能力，融入PLM的每一个模块，以交互方式，对项目、需求、变更、工艺等进行分析，辅助进行设计决策，提高设计效率，加速问题解决。
Level3-Agent智能体
通过多Agent智能体的无缝协作，自动规划和编排，通过独立思考、调用工具逐步完成设计和优化任务。解放工程师繁琐工作，激发更多灵感，赋予工程设计无限创新可能。
3）Teamcenter AI发布路线
关键里程碑包括：
Teamcenter 2406之前：基于专家系统的工艺自动化；基于机器学习的Teamcenter助手帮助工程师快速上手使用，降低学习门槛；以及与微软合作的结合Teams的自然语言处理和协同。
Teamcenter 2406：该版本标志着Teamcenter正式迈入大语言模型(LLM)时代，在这一版本中，成功构建首个LLM集成框架，提供RAG智能问答，为后续各类生成式AI应用的落地奠定了坚实的技术基础。
Teamcenter 2412：推出基于自然语言语义搜索，已经可以理解用户查询意图，并精准定位查询结果。
Teamcenter 2506：智能化体验的又一次重大飞跃，推出 Teamcenter Copilot，带来全新的现代化UI体验和增强型的嵌入式AI能力，支持文档Copilot和BOM Copilot，真正将智能助手无缝融入到工程师的日常工作中。同时该版本还支持基于图像的零件搜索以及多语言作业指导自动翻译。
Teamcenter 2512：拓展更多模块和领域的Copilot,支持需求Copilot、工艺Copilot以及质量Copilot,并对文档和BOM Copilot进行了增强，可以实现多步骤的交互式操作，解决更多低价值、高频作业，让工程师专注于创新工作。
2、Teamcenter AI功能应用典型场景
2.1、Teamcenter Copilot智能问答
大多数企业的PLM系统中，大量数据（30%结构化、70%非结构化）正以一种难以驾驭的形式躺在数据库中，面临知识碎片化、难以挖掘和重用、无法及时应用和分享等挑战，存在所谓“知识丰富、洞察贫乏”的困境。
基于大语言模型LLM和RAG，西门子Teamcenter Copilot（Tc2406版为AI Chat）提供了一个专为工业场景深度定制和强化的企业级解决方案：通过构建企业私有域知识库，整合企业PLM中分散的、静态数据（非结构化数据为主）和动态数据（结构化、半结构化数据为主），具备安全的RAG框架、可靠的回复与追溯、灵活的配置与集成、可扩展的架构与持续更新、广泛的格式支持等关键特性，形成一个可以动态配置和持续更新的AI生态系统，能够理解工程语言、贴合业务场景、持续输出生产力，确保AI在严谨的工业环境中稳定、可靠地运行。
典型场景包括：（融合了文档Copilot、需求Copilot）
需求文档理解、分析与参数、约束识别、提取，结构化需求、质量检查、变更智能同步。
与3D模型智能交互，快速直观提取PMI信息并向量化进行存储。
多维工程文档智能处理，内容精准分析、流程协同闭环。
2.2、BOM Copilot
PLM的BOM管理涉及许多重复、机械操作，如查找、过滤、变量配置、报表、变更与替换等，消耗精力并且容易遗漏、出错。
BOM Copilot将复杂的BOM功能封装在简单的对话框里，让AI成为工程师的助手，实现：自然语言驱动的混合搜索、自动化的配置与工作集创建、实时属性卷积分析、自动的BOM编辑等。
BOM Copilot 是真正能基于工程数据理解(MCP上下文注入)去执行操作的智能助手。它在执行BOM操作时，避免了人为手误，在Teamcenter功能框架下也规避了AI幻觉，确保了BOM数据的一致性和变更流程的规范性。
2.3、工艺Copilot
企业在工艺规划和制造准备环节，面临着效率与一次正确性等方面的挑战，包括重复性的工艺结构搭建、组件分配和资源关联，难以直接利用非结构化的工艺知识和历史经验等。
工艺Copilot (BOP Copilot)深度集成于Teamcenter Easy Plan环境中，利用生成式AI的意图理解与内容生成能力，为工艺工程师提供了一位全能的工艺数字助手，核心能力包括：
(1)基于意图的自动化规划(Planning Assistant)：AI能够理解自然语言描述的规划规格书，自动完成从EBOM到MBOM的构建、BOP工艺路线的创建以及物料与资源的智能分配。
(2)非结构化文档的结构化转换(BOP Builder)：能够读取传统的工艺文档或手册，自动提取工序、动作单元、零件和工具信息，将其转化为Teamcenter 中标准化的结构化BOP数据。
(3)上下文感知的智能翻译：专为工艺作业指导书设计的翻译引擎，支持保留富文本格式，并允许定义专业术语库，确保作业指导书在全球工厂的精准下发和自动应用。
（我理解，主要还是在成熟的Teamcenter的工艺BOP数据结构基础上，基于相似工艺、模板，利用AI能力去搭建起新的工艺BOP结构树。还不能算是通常意义上的智能化工艺设计。）
2.4、Teamcenter&Teams集成，AI驱动高效协同
全球化研发制造环境，跨地区、跨语言、跨部门协同常态化，面临沟通慢、反馈迟、成本高、追溯难等困境。西门子基于Teamcenter与Microsoft Teams深度集成同，融合大语言模型与多Agent智能体（语音识别、动态翻译、自动问题报告等）技术，打造AI驱动的跨平台协同解决方案，重构协同流程，实现数据、语言、流程互通，构建高效协同数字化桥梁，让协同贯穿产品生命周期每一个环节。
（在大模型、智能体加持下，团队日常的沟通交流平台与业务应用平台无缝衔接，在问题发现和沟通的第一现场，就可以立即触发后端系统业务动作，并保持整个处理过程的数据和流程双向关联，快速响应、闭环、可追溯，高效协同新模式。）
2.5、智能搜索
1）基于图像智能零件搜索
Teamcenter依托视觉模型打造智能零件搜索功能，创新性实现了“以图搜件”的检索模式，打破了文本检索的局限，为零部件复用与协同提供了高效新路径。支持通过图像快速匹配PLM系统内的3D零部件模型。
2）LLM驱动自然语言语义搜索
Teamcenter基于大语言模型(LLM)与搜索增强生成(RAG)技术的深度融合，构建LLM驱动的自然语言语义搜索方案，以自然交互、智能解析、灵活匹配为核心，实现检索流程的简化与结果的准确化。
2.6、Teamcenter AI分类，智能化知识管理
在企业PLM系统的日常运营中，零件、物料等核心数据的分类，是维系产品数据秩序、支撑物料、知识重用的重要基础工作。无论是标准件、通用件、外购件还是各类技术文档，都需要通过精准分类纳入统一的知识体系，才能实现后续的高效检索与复用。然而，传统的人工分类模式早已难以适应企业数字化转型后的海量数据管理需求，暴露出诸多问题，导致各个企业在数据分类和重用方面的实际执行落地效果并不理想。
Teamcenter AI分类功能以融合机器学习技术为基础，构建了一套自动化、智能化的分类管理体系。通过AI引擎的深度学习与智能推荐，将人工从繁琐的重复劳动中解放出来，同时确保分类结果的一致性和准确性，实现数据分类的效率与质量双重提升。
Teamcenter AI分类核心优势在于融合了结构化属性分析与3D形状识别的多维度智能评估判断能力。此外，还提供了灵活的应用模式：既可以由用户在前端手动触发分类推荐，也可以配置为后台作业自动运行，对符合条件的未分类数据进行批量处理；同时支持设置置信阈值，仅对匹配度高于阈值的对象进行自动分类，或与工作流审批集成，由标准化专家进行最终审阅，确保分类结果的严谨性。
3、Teamcenter AI未来路线
工业AI的价值不在于概念的宏大，而在于对工程实践的深度赋能。西门子致力于将成熟的Teamcenter平台与最前沿的生成式AI技术无缝融合，拒绝空泛的“黑盒”智能，而是从务实的角度出发，打造真正“懂工程、懂数据、能执行”的AI生产力工具。
专家级Copilot密集发布
增强需求、BOM、工艺Copilot,同时推出项目、质量等特定领域的Copilot助手。通过融合多模态基础模型与工程RAG、MCP技术，精准解决高频、低价值任务的自动化难题，为企业提供 ROI最高的朴素价值。
从人机对话迈向自主智能体
技术演进不仅仅停留在基于LLM的问答与检索。将进一步集成Copilot和Agent技术，使其能够深入业务流程，主动感知设计变更、并依据企业私有知识库给出决策建议。
安全可信的工程底座
始终把数据的安全性和AI的可解释性放在首位，确保每一次推理都建立在企业私有数据的安全边界之内，让AI真正成为工程师可信赖的数字伙伴。
二、西门子工业AI操作系统
2026年1月，西门子宣布与英伟达拓展合作，双方将共同打造工业AI操作系统，并计划在全球范围内打造首批完全由AI驱动的自适应制造基地，计划于2026年在西门子位于德国埃尔兰根的电子工厂（Electronics Factory）建立一个参考实施方案。西门子表示，该基地将作为在运营生产环境中应用AI赋能制造技术的参考范例。这标志着西门子在工业AI操作系统层（Industrial AI Operating System）的战略布局率先启动，旨在打通工业全价值链AI落地瓶颈。
该项目结合了英伟达的AI平台路线图、基础设施专业知识和基于Omniverse的仿真工具等，以及西门子在电气化、电力基础设施、电网集成、自动化和数字孪生方面的能力。英伟达将提供AI基础设施、仿真库、模型、框架及蓝图，西门子则将投入数百名工业AI专家以及先进的工业软件、硬件技术。
涵盖四个极具技术壁垒的模块：（以下内容来源于数字化实践派的公众号分析文章）
物理AI计算层（Omniverse Cloud APIs）
这是系统地基。以前的工业仿真（Simulation）往往只是“看起来像”。但通过Omniverse引入物理AI（Physical AI）。核心能力：能模拟真实的重力、摩擦力、流体力学甚至材料的热膨胀。解决问题：解决“未发生”的问题。在现实工厂打地基之前，你已经在虚拟空间里把工厂运行了一年，所有的碰撞、瓶颈全部被预测并解决。
生成式AI交互层（Siemens Industrial Copilot）
这是系统接口。利用英伟达的NIM（推理微服务），大模型被塞进了西门子的控制系统。核心能力：“自然语言编程”。工程师不再需要手写复杂的梯形图（PLC代码），直接告诉 AI：“帮我生成一段控制机械臂抓取次品的代码，并进行仿真验证”，AI几秒钟搞定。解决问题：解决了“技术门槛”和“人才短缺”。让刚毕业的大学生也能拥有老师傅的编程效率。
数据互通层（OpenUSD标准）
这是系统翻译官。核心能力：以前，CAD模型、仿真模型、材质数据格式都不通用。现在，双方强推OpenUSD格式，让西门子的NX、Teamcenter能和Adobe、Autodesk等第三方软件在同一个虚拟空间里无缝对话。解决问题：解决了工业软件的“巴别塔”问题。
沉浸式工程层（Immersive Engineering）
这是系统显示器。核心能力：结合索尼或苹果的XR头显，实现“空间计算”。解决问题：解决“远程协作”难题。身在德国的专家可以“走进”位于中国的虚拟工厂，通过手势调整设备布局。
三、西门子Eigen工程智能体
2026年4月，西门子正式推出Eigen Engineering Agent (Eigen工程智能体)，推动工业AI从辅助决策迈向自主执行。
2026年6月，西门子宣布Eigen工程智能体再次升级，打通电气设计与软件开发流程，支持通过自然语言描述设备需求，自动生成可直接使用且符合行业规范的项目。
Eigen工程智能体，是面向自动化工程场景的AI智能体，原生深度集成TIA Portal，基于数十年工业领域知识积淀，提供精准、上下文感知的工程指导，全面保障数据隐私与主权。具备PLC代码开发与测试、HMI可视化、硬件配置、驱动配置、项目配置、ECAD硬件组态等工程定制化能力，通过自然语言交互深度理解您的独特项目结构，将重复性工程步骤自动化，实现自动化工程任务效率提升高达50%。
Eigen工程智能体可在真实工程系统中运行，实现端到端的任务规划、执行和验证。能够理解项目需求、编写控制软件、完成系统配置并持续迭代优化。其独特价值体现在：
上下文项目理解与TIA Portal连接：Eigen工程智能体直接连接TIA Portal，在工程环境中提供实时辅助。凭借上下文项目理解能力，自动化工程师可以更加自然高效地与项目交互。它能够解读TIA Portal项目，如功能块(FB)、组织块(OB)、用户自定义数据类型(UDT)、数据块(DB)、HMI画面、变量表及其复杂关系，无需手动调整通用AI的输出。
领域专业知识：Eigen工程智能体专为工业自动化任务打造，深度掌握西门子工具、工作流和技术。相比之下，通用型大语言模型缺乏行业特定洞察。
数据安全与合规：Eigen工程智能体专为工业环境下的专业使用而设计，确保您的数据得到安全处理，并符合行业标准。
四、西门子Intelligence Center X工业AI编排平台
2026年6月1日，Siemens在底特律发布Intelligence Center X—工业AI编排软件，目标是把工业AI从“孤岛式实验”升级为“可扩展的真实业务影响”，核心是建立“人+ AI代理的混合团队”工作流，让数据、模型、流程在统一治理底座上协同。
Intelligence Center X融合西门子Mendix™低代码平台，以及RapidMiner®产品组合中的Graph Studio（知识图谱引擎，本体、语义） 和AI Studio软件（专业机器学习建模工具），为企业搭建业务场景，提供与业务相关的生命周期智能，同时实现智能体与智能应用的统一编排。关注把AI模型嵌入真实工厂业务流程，解决AI从试点到量产规模化的落地难题，帮助企业将AI规划转化为实际业务价值。
Intelligence Center X 借助统一的规范化底座整合企业数据、工业本体（industrial ontologies）与西门子知识图谱、模型与工作流程，是一款面向生产环境的可落地平台，可与企业现有各类信息化、运营数据解决方案无缝适配，打通工程、生产、供应链、服务全链条工业数据，形成可供AI调用的共享生命周期智能，实现人员与AI智能体的协同工作，并实现全程可追溯、可管控，同时提供可审计能力与策略管控机制，从而收获稳定、可量化的业务成果。
Intelligence Center X 支持三类灵活部署模式：
1)可叠加部署于西门子AI产品之上，依托预置的工业本体增强生命周期智能能力；
2)可作为独立平台，适配搭载第三方OT设备的资产密集型企业；
3)可单用作企业级智能体平台，面向金融、保险、医疗、政务、零售等行业，满足其对于全程可审计的生产级AI落地需求。
西门子AI Day 2026，关注“AI赋能工业软件全链路创新”，强调了技术底座筑基、数字孪生升级。
技术底座筑基：“面向AI的集成数字底座”，西门子专家详解工业AI落地的底层技术架构，从数据整合、算法适配到算力支撑，为工业AI在研发场景的规模化应用筑牢基础。
数字孪生升级：展现AI技术与数字孪生的融合价值——通过AI对数字孪生模型的动态优化与智能分析，实现产品研发阶段的仿真预测、设计迭代效率提升，让数字孪生从“可视化”向“智能化”进阶。
工业AI的护城河正在从“模型多强”转向”底座多稳”。
五、西门子与IFS合作
2026年7月7日，为助力制造企业打通工程智能与实际运营场景，西门子与IFS日前达成战略合作。此次合作将西门子在工业AI、工程设计、自动化及制造执行领域的优势，与IFS在企业资产管理和现场服务系统方面的能力相结合，弥合工厂设计与实际运营之间长期存在的脱节。双方将共同构建覆盖设计、生产与资产性能的连续闭环，打通从工程设计意图到实际运营成果的全链路。
工业AI是本次合作的核心支撑。西门子与IFS共同认为，下一轮工业效能升级的重点方向是融合物理世界与数字世界，帮助制造企业将设计意图落地为实际运营成果，同时将实际运营数据反哺至设计优化环节，加速创新迭代。
