摘要：工业AI正在从云端智能走向现场闭环，边缘Physical AI、自动化基础薄弱、MES与数据治理短板，以及机器人安全标准升级，共同定义了当前制造业AI落地的真实门槛。
今日工业智能动态的主线是“从云端智能到现场闭环”。Emerson与SiMa.ai合作，把Physical AI能力下沉到工业PC和现场边缘侧；Manufacturing Dive讨论美国制造业仍有大量工厂尚未完成自动化基础建设；Rockwell Automation的亚太智能制造报告显示，AI投入正在增长，但数据利用率、MES集成和网络安全仍是落地瓶颈。整体看，工业AI不再是单纯的大模型问题，而是传感器、工业PC、MES、SCADA、PLM、数据治理、网络安全和现场工艺的系统工程。
Emerson 5月26日宣布与Physical AI公司SiMa.ai合作，将高级AI能力部署到Emerson工业PC上，用于工厂现场、恶劣工业环境和远程站点的实时数据分析。官方信息显示，该方案面向图像、视频、音频、文本和传感器数据的本地处理，强调安全、生产率、质量、能源优化和预测性维护等场景。
这条新闻很重要，因为工业AI的主战场正在从云端推理转向边缘闭环。工业现场很多任务不能依赖云端：延迟太高、网络不稳定、数据不能出厂、关键基础设施还可能处于隔离网络中。SiMa.ai的价值不是提供一个通用聊天模型，而是把AI计算、实时传感、多模态感知和低功耗边缘硬件结合起来，让工业PC具备“看见、判断、响应”的能力。
Manufacturing Dive今日文章指出，虽然AI和工业自动化热度很高，但美国制造业仍有大量企业尚未真正部署。文章援引Intrinsic CTO Brian Gerkey的说法称，美国制造设施中约80%没有自动化；Deloitte相关调查也显示，约92%的制造商认为智能制造将成为未来三年竞争力主要驱动，但真正已经在工厂或网络层面使用AI或机器学习的比例约为29%，部署生成式AI的比例约为24%。
这说明工业AI不能只看技术发布会。很多工厂卡在更基础的位置：设备没有联网、数据不结构化、工艺数据缺失、MES和ERP割裂、现场人员缺乏数字化能力。工业AI最难的地方不是把模型接进去，而是把现场真实数据、工艺约束和业务指标接起来。
Rockwell Automation发布的2026年亚太智能制造报告显示，95%的亚太制造商认为数字化转型对竞争力至关重要，高于全球90%的平均水平；71%的亚太制造企业计划在未来12个月增加AI和机器学习使用。但报告也指出，当前收集到的数据只有42%被有效使用，数据安全仍是释放AI潜力的主要障碍之一；同时，只有22%的组织完全集成MES以支持高级分析和自动化。
这个数据非常有解释力。制造业并不缺“上AI”的意愿，缺的是把数据变成可计算、可追溯、可治理、可闭环的能力。很多企业已经有设备数据、质量数据、工艺数据和能源数据，但这些数据散落在不同系统，无法形成统一语义。工业AI的第一阶段不是“让模型更聪明”，而是让企业的数据底座足够干净、连续和可信。
A3 Robotics页面显示，近期机器人与自动化生态的更新集中在安全、传感器、边缘AI和人形机器人应用边界。例如，5月26日更新包括TR Electronic面向AGV和AMR的安全编码器、自动化激光传感技术等；A3同时强调新版R15.06-2025机器人安全标准，并将在6月举办Humanoid Robot Forum。
这说明机器人行业的叙事正在从“能动起来”转向“能安全进入真实场景”。工业场景不是实验室，机器人要和人员、叉车、产线、仓储系统、视觉设备、调度系统协同运行，安全标准、故障恢复、现场可靠性和责任边界同样重要。Physical AI越强，工业安全工程越不能被弱化。
L&T Technology Services近日在德国慕尼黑设立Engineering Intelligence Centre of Excellence，面向AI驱动的产品工程和软件定义移动能力。Reuters此前报道，Daimler Truck印度工程中心也在用AI加速全球工程中心的知识产权产生和产品开发流程。
这类动态说明，工业AI不只改变车间，也改变研发组织。过去全球工程中心更多承担软件开发、测试、支持和局部设计任务；现在AI工具让这些中心更深参与产品全生命周期，从设计、仿真、供应链分析到售后数据闭环。工业企业未来的竞争，既是生产线竞争，也是工程组织效率竞争。
工业AI正在进入一个更务实的阶段：真正有价值的不是再造一个大屏或聊天窗口，而是把AI放到工业PC、边缘计算、MES、SCADA、PLM、质量系统和设备控制链条中。谁能解决数据碎片、现场实时性、系统集成、网络安全和人员能力问题，谁才可能把工业AI从试点变成生产力。
1. Emerson：《Emerson and SiMa.ai Deliver Physical AI Intelligence to the Industrial Edge》，2026-05-26，用于分析工业边缘AI。
2. Manufacturing Dive：《Why most US manufacturers still aren’t using AI and automation》，2026-05-26，用于分析制造业AI采用瓶颈。
3. Rockwell Automation：《95% of Asia Pacific Manufacturers Say Digital Transformation is Now Essential》，2026-05-20，用于分析亚太智能制造趋势。
4. A3 Robotics：机器人生态与安全标准页面，用于分析机器人安全、传感与人形机器人应用趋势。
5. Reuters：《AI helping India's engineering hubs generate IP faster, Daimler Truck exec says》，2026-05-20，用于分析AI重塑工程研发中心。
6. Economic Times：《LTTS opens AI engineering intelligence center in Munich》，2026-05-21，用于分析AI工程智能中心建设。
7. Reuters：《One in three Japan firms using or considering AI robots》，2026-05-20，用于背景说明AI机器人采用趋势。
8. Automation.com：《Automate 2026》活动信息，用于背景说明北美自动化与机器人生态热度。
关注高促会新质生产力工委会公众号
关注工业智能算网平台
发布日期：2026年5月27日
发布机构：中国高技术产业发展促进会新质生产力工作委员会
本报告仅供行业研究参考，不构成投资建议