中青报·中青网记者 卢健

“当前，工程师需要投入大量时间学习与掌握各类PLC编程软件。”在第八届中国国际进口博览会（以下简称“进博会”）的西门子展台前，“工易魔方·妙一空间”工程师李玉宵分享说，“而AI与工业的深度融合，将显著优化这一过程。无论是在操作运营技术（OT）层面，还是信息技术（IT）层面，都将节约大量时间成本。”

AI与工业的这一融合正在今年进博会上不断被诠释：展台上，企业以硬核创新产品和体系回应制造流程痛点；论坛中，国际组织与企业共商工业AI标准的协同路径。两条主线交织，共同勾勒出工业智能化的清晰未来。

技术迭代与场景落地：工业AI从“试错”迈向“精准赋能”

“第一次参加进博会时，我们展台的魔方机器人还会偶尔‘犯错’，拼得乱七八糟。”回忆起两年前带来的产品，李玉宵指着正在进行“汉诺塔AI脑力对决”的机械臂，与记者聊起这次进博会的新产品。

展台上，一场无声的智慧较量正在上演。汉诺塔——这个源自古印度的经典谜题，规则简单却十分考验规划能力：将不同大小的多层塔盘从一根柱子移至另一根，每次只能移动一块塔盘，且大盘不能压在小盘之上。随着圆盘数量增加，求解步骤呈指数级增长。

在展台，两只机械臂正连接着西门子带来的“工易魔方·妙一空间”平台，当指令下达，多个AI大模型同时展开“脑力竞赛”，在虚拟空间中预先验算所有可能的路径，严格遵循着“小盘在上”的物理规则，从数百万种可能性中筛选出最优解。

“这就像在工业生产中，我们在投入生产，搭建生产线之前，先在虚拟世界里把所有的可能性都试了一遍。”李玉宵向中青报·中青网记者解释道，“这对于工业企业，尤其是中小企业意味着极大的成本节约。”

从偶尔出错的魔方机器人，到游刃有余的汉诺塔智能系统，背后是AI与数字孪生技术的深度融合。这种转变让工业决策从“事后纠正”变成了“事前预演”，从“单一执行”升级为“多方案优中选优”。在李玉宵看来，这种“预测性维护”不仅仅是技术的进步，更是工业思维的根本变革。

“唯有通过严格验证的‘最优解’，才会被翻译成机器指令，驱动物理世界的机械臂完成精准操作。”李玉宵说。

如果说西门子为工业打造了一个可以检验决策的“智慧大脑”，那么ABB则提供了驱动这个大脑进行决策的“数据燃料”。

“以前现场仪表的通讯速度很慢，诊断信息非常有限。”ABB能源工业事业部数字化总监童荣指着显示屏向记者介绍道，“传统的传输速度大概只有几十KB每秒，而现在通过工业以太网APL技术，我们每秒可处理约十几MB的数据量，传输速率提升了300倍以上。”

不仅仅是传输速度的飞跃式提升，这项技术还使得传统的仪表设备不再只是提供基础的状态读数，而是能够上传包括诊断信息、性能状态、预测提醒在内的全方位数据。这些实时、高质量的数据为上层应用提供了坚实基础——无论是设备健康监测、能耗管理，还是与数据板计算检验，能实现从故障预测到配件库存、维护计划等流程的智能联动。

此外，这项技术还极大地节约了工业企业的系统建设与维护成本，“以我们的巴斯夫湛江一体化基地项目为例，由于支持1000米长距离传输和两线制供电，建设过程节约了大量的电缆。现场所有仪表设备的信息可以实时、准确、高速地在控制室中呈现，无需大量人员巡检设备，也极大降低运维成本。”

“数据是智能化的基础，”童荣强调，“没有高质量的数据源，一切先进的AI想要在工业领域应用都失去了根本。”

当采集数据的“眼睛”和分析数据的“脑子”都齐备了，如何通过AI，赋能生产的“手”也便成为了这些工业企业另一个思考的方向。

“在汽车制造、航空航天等精密行业，六轴机械臂已成为生产线上的主力。但它们存在根本性局限：这些机械手是被‘锚定’的。”海克斯康AEON人形机器人工程师居怡洲向记者道出了行业痛点，“工业现场还有大量动态、复杂且非标准化的作业场景，亟待更灵活的解决方案。”

面对“为何机器人需要选择人形”的疑问，居怡洲给出了基于工业逻辑的解答：“汽车制造等传统工厂的作业环境，本质上都是以人为尺度构建的。当我们试图用自动化替代这些高度依赖人类灵活性的工作时，改造整个生产环境去适应固定机器不仅成本高昂，而且往往事倍功半。最经济的方案，就是让机器人直接适配现有环境——这也是人形机器人最具优势的领域。”

在技术实现上，团队选择了更符合工业场景需求的创新路径。而在移动能力方面，机器人采用轮式足底设计，在平坦的工厂地面上相较于仿生双足行走，不仅移动速度快了四倍，而且在稳定性和能效方面都表现更优。“更值得一提的是，当系统检测到电池电量不足时，下一代机器人能够自主完成电池更换，这为其实现连续作业提供了关键保障。”居怡洲说。

这款机器人的设计还充分考虑到了欧洲一些中小型工厂的空间限制。“狭窄的作业通道、紧凑的设备布局，这些现实条件对机器人的灵活性和通过性提出了更高要求，”居怡洲表示，“这也正是我们坚持在机器人本体设计阶段就重点攻克的技术难点。”

国际标准与产业协同：为工业AI划定“信任跑道”

“设计即制造，制造即智能，制造即服务，虚拟仿真与验证将代替80%以上的物理测试环节，以AI设备、具身智能为核心，将定制化的柔性生产，每一万个产线上的制造工人，其中有一千个以上将是具身智能。”在第八届虹桥国际经济论坛“人工智能国际标准赋能产业升级”分论坛上，华为企业副总裁王丽彪分享了这样的数据。

然而，当AI从演示场景进入核心产线，目前面临的是对可靠性、安全性与互操作性的极致要求。为工业AI构建全球公认的“信任跑道”，已成为推动产业智能升级的基石。

“工业级的AI标准不仅仅只是符合监管，还要符合不同国家环境的要求。”西门子股份公司可信赖人工智能负责人索尼娅·齐尔纳一语道破工业AI与消费级AI的本质区别，“我们要有高级别的精度和质量，保证各国的要求都能够得以满足，才能实现工业级标准的AI。”

在索尼娅·齐尔纳看来，AI的任何一个失误都可能导致巨大的经济损失甚至安全事故。因此，她强调，工业AI必须同时是“安全的并且是可靠的，并且是可信的。与此同时也是有数据高效的”。

面对复杂多元的全球市场，任何企业都难以独力应对所有标准与法规。索尼娅·齐尔纳指出了跨国企业面临的现实挑战：“西门子是一个国际化公司，有很多不同的业务，我们要满足国际化监管要求。”她列举了欧洲的数据法案、隐私保护、网络安全法规，以及中国、美国等不同国家的监管要求，指出这些“重叠的、同时是一种分化的要求，并不完全一致”。

这种要求催生了全球对统一标准的迫切需求。国际标准化组织（ISO）副主席贾维尔·加西亚强调，国际标准化组织的核心使命是成为人工智能标准化领域的全球领导者，而实现这一目标的关键在于“打造牢固的伙伴关系，让各方利益相关方都参与进来，共建全球人工智能生态”。目前，ISO已联合国际电工委员会（IEC）等组织，汇聚全球170多个国家的22000余名专家，构建起覆盖标准开发、落地应用全链条的协作网络，试图弥合不同国家在法律、监管上的差异，为市场提供统一的技术基准。

而在具体实践中，标准的价值也在逐步显现。IEC副秘书长吉勒·索内特以电气领域的标准化为例，指出国际标准不仅能确保产品的合规性、可追溯性和互操作性，还能帮助发展中国家快速提升技术水平，推动全球产业协同发展。针对AI带来的新挑战，ISO和IEC已联合成立42个专业委员会，推出ISOAI伴侣、线上标准开发平台等工具，既加速了标准制定流程，又通过智能标准设计降低了企业的落地门槛。

对于中国产业界而言，标准建设是破解“卡脖子”难题的关键之一。中国科学院院士郭旭坦言，我国CAE工业软件研发面临求解效率、模型构建、不确定性量化等多重挑战，而AI赋能的核心瓶颈在于泛化能力和可靠性。“只有建立统一的数据标准和技术规范，才能让数据资源转化为数据资产，为AI有序赋能提供核心支撑。”郭旭强调，国际标准的对接与落地，能帮助国产软件在更高起点上实现自主可控。

企业作为标准落地的主体，也正积极探索统一标准的实践路径。华为通过负荷预测、电网仿真等AI技术，将人工智能应用于电力系统发、输、变、配、用全环节，其“行业智能化参考架构”避免了企业重复研发，已在30多个行业200多个场景中落地。OPPO则在端侧AI应用中坚守隐私保护底线，将个人记忆舱等核心功能部署在本地，既满足了消费者需求，又契合了全球数据安全标准。这些实践证明，标准与产业的深度协同，能实现技术创新与合规发展的双赢。“通过建立人工智能标准枢纽，整合全球标准资源，能有效避免工业产品的市场分化。”英国国家标准化机构（BSI）国际合作总监彼得·西森斯说。

从进博会的展台到全球标准制定的会议桌，从企业的创新实践到学界的伦理研究，一条清晰的路径正在形成：工业AI的未来不仅取决于设计的精妙，更依赖于建立在国际标准与全球产业协同之上的信任体系。这条“信任跑道”的铺设，将最终决定智能制造能走多远、多稳。