肖松博士坦言，如果从L0到L5划分工业AI成熟度，当前仅处于L1阶段。但中国凭借丰富的工业场景，有望在这一领域走在全球前列。

2026年1月，CES展会上英伟达创始人黄仁勋的演讲开启了“物理AI”全面落地的“ChatGPT时刻”，而西门子等工业巨头与AI公司的合作则加速了工业AI革命的到来。工业AI的价值不再局限于技术模型本身的优劣，而是体现在如何解决实际生产中的“最后一公里”问题。

与追求交互体验的消费级AI不同，工业AI面临着更为严苛的要求。在工业环境中，一个错误可能导致整条生产线停转或大批次产品报废，因此可靠性成为工业AI的首要考量。

01 工业AI的独特挑战：从模型智能到系统可靠

工业AI与消费级AI有着本质区别。消费级AI面向个人用户，依赖大规模通用数据，追求模型能力和交互体验。而工业AI则需满足制造业对可靠性、精准度的极致要求。

肖松博士在对话中指出：“消费端很讲究交互体验，工业端讲究什么？可靠性。消费端出一个错误，最多是客户不满意而已；在工业里面，如果AI应用或解决方案不完善的话，有可能就是停线，或者生产出来一大批不符合要求的产品。”

工业AI的应用场景极为碎片化。不同行业、甚至同一行业不同工厂的工艺流程和痛点都千差万别。肖松博士补充道：“每一个垂直行业的需求不一样，对AI的要求也不一样，工业AI领域里面最重要的是卷应用而非大模型参数。”

这种碎片化特征要求工业AI解决方案必须深度结合行业知识，而非简单地套用通用大模型。正是这种复杂性，使得工业AI的发展仍处于早期阶段。肖松博士坦言：“如果真正要从自动驾驶L0到L5进行量化比较的话，现在还仅仅是在L1阶段。”

02 数字孪生：连接虚拟与现实的桥梁

数字孪生技术正成为工业AI落地的重要载体。西门子推出的Digital Twin Composer软件解决方案，将全面数字孪生、基于NVIDIA Omniverse库搭建的仿真系统以及实时采集的工程实景数据集成于一体。

肖松博士解释：“任何产品的生产，都可以在虚拟世界里通过数字孪生建立一个虚拟的世界。虚拟世界和现实世界产品在进行生产、设计和生产的时候，它会实时和虚拟世界进行沟通。” 这种双向交互使得虚拟世界里的高质量数据能够不断累积，形成良性循环。

黄仁勋在CES演讲中也指出，西门子是工业自动化领域的技术领导者，因为数字孪生已在其运营中实际运行。这意味着未来可以实时观察虚拟世界与现实世界的交互，真实世界的数据不断充实虚拟世界的数据库，让模拟仿真的质量更高、速度更快。

百事公司已使用西门子Digital Twin Composer对其美国工厂升级进行仿真，并计划在全球范围内推广。这一案例展示了数字孪生技术在优化生产线、缩短工期、降低成本方面的实际价值。

03 数据与知识：工业AI的双重瓶颈

高质量数据是训练工业AI的基础，但工业数据的获取和利用面临多重挑战。制造业普遍存在“数据碎片化”、“低质化”及共享意愿低的问题。 同时，工业数据“隔行如隔山”，专业标注成本高，进一步增加了数据准备的难度。

除了数据问题，工业知识的沉淀和传承也是重要瓶颈。老师傅的经验如何转化为AI可学习的知识，成为工业AI落地的关键。

肖松博士分享了一个案例：“我们和中国十五冶金建设集团有限公司合作，炼铜的参数怎么调，完全是凭老师傅几十年下来的经验。我们根据老师傅的经验设计了一个算法，把这个算法和很多参数用到真正的实践当中去，最后效果非常好。”

面对数据不足的挑战，合成数据技术正成为解决方案之一。通过支持仿真数据生成、合成技术研发等方式，可以弥补原始数据的不足，这是近年来国际上的发展趋势。

04 生态共建：工业AI落地的必经之路

工业AI的复杂性决定了没有任何一家企业能够独立解决所有问题。生态合作成为推动工业AI规模化落地的必然选择。

西门子已认识到这一点，肖松博士表示：“我们希望：第一，建立一个工业基础模型，为工业AI大规模落地奠定基石；第二，让更多的生态合作伙伴在这一工业基础模型基础上去打造不同的AI Agent，也就是Industry AI Agent。”

为此，西门子计划在未来三年投入10亿欧元用于产业生态拓展。肖松博士强调：“不管大客户、中型客户、小客户，我们都要走进他们，有些是我们提供解决方案，有些是和他们共同创造能解决客户痛点的方案。”

中国市场在工业AI应用方面具有独特优势。肖松博士指出：“在应用层面，中国有可能走在前面，因为场景比较丰富。”他一直强调广度、深度和态度是中国制造业的三大优势：制造业的广度全球少有，产业链深度也是少有的，而且对新技术包括AI的态度非常积极。

05 人机协同：从操作者到定义者与决策者

在工业AI时代，人的角色并非被替代，而是发生深刻转变。人类从“操作者”转变为“定义者”和“决策者”，这一转变提升了人类在工业生产中的价值。

肖松博士对此强调：“人不会被AI替代，但会被掌握AI的人淘汰。” 这一观点揭示了工业AI时代人机关系的基本逻辑——AI是工具，而人类是工具的掌控者。

老师傅的价值在AI时代不减反增。他们的经验成为训练工业AI的宝贵素材，尤其是对于那些难以通过传统编程表达的隐性知识。 通过AI，老师傅的经验可以转化为可复制、可推广的算法和模型，从而解决传统工艺传承的难题。

面对工业AI的巨大潜力，肖松博士保持了冷静的认识：“要花三年的时间，有很多点的突破的时候，才有可能会有面的一个突破。工业还是非常值得挖掘的一个市场，是非常有价值的地方。” 这种务实的态度反映了工业AI落地的实际规律——需要积累点上的突破，才能最终实现面的扩张。

工业AI的发展已从技术模型竞争转向实际场景落地，其核心在于解决“最后一公里”问题。黄仁勋在CES 2026上提出的“物理AI”概念，与西门子等工业巨头的深度合作，共同推动了工业AI革命的到来。

中国拥有制造业的广度、深度以及对新技术的积极态度，为工业AI的应用提供了丰富场景。正如肖松博士所预测，在应用层面，中国有条件走在全球前列。

随着生态系统的不断完善，工业AI正从单点应用向全流程渗透，重构研发、生产、运营、服务等关键环节的价值创造逻辑，实现效率提升、成本降低、质量优化的多重目标。