摘要：今日工业智能的重点不在“通用AI又能做什么”，而在AI开始被嵌入制造现场、自动化控制、机器视觉、数字孪生与机器人本体。Mindtrace.ai发布面向零部件质量检测和缺陷趋势分析的NeuroForge、Inspectra，说明视觉AI正在从单点识别走向与产线自动化、企业遗留系统和质量审计打通。CODESYS在Automate 2026展示Virtual Control、Virtual Safe Control、MCP Server与AI辅助工程，显示PLC和自动化开发环境正在被软件定义和智能体化。机器人与Physical AI方面，NVIDIA、Unitree、Sharpa等围绕人形机器人参考设计和边缘计算硬件形成新组合；而Simcenter与工业AI路线图则提示，仿真、测试、数据和可解释AI将是工业智能真正落地的底层语言。
今日工业智能的重点不在“通用AI又能做什么”，而在AI开始被嵌入制造现场、自动化控制、机器视觉、数字孪生与机器人本体。Mindtrace.ai发布面向零部件质量检测和缺陷趋势分析的NeuroForge、Inspectra，说明视觉AI正在从单点识别走向与产线自动化、企业遗留系统和质量审计打通。CODESYS在Automate 2026展示Virtual Control、Virtual Safe Control、MCP Server与AI辅助工程，显示PLC和自动化开发环境正在被软件定义和智能体化。机器人与Physical AI方面，NVIDIA、Unitree、Sharpa等围绕人形机器人参考设计和边缘计算硬件形成新组合；而Simcenter与工业AI路线图则提示，仿真、测试、数据和可解释AI将是工业智能真正落地的底层语言。
工业自动化协会A3报道，Mindtrace.ai在Automate 2026期间发布两项产品：NeuroForge和Inspectra。NeuroForge定位为自动化零部件质量检测平台，面向制造自动化系统和企业遗留系统集成；Inspectra则扩展到缺陷趋势可视化、审计能力和预测分析，帮助制造企业从“发现缺陷”走向“理解缺陷为什么出现”。(Automate)
这条小公司新闻很有价值，因为它触及了工业AI落地的核心痛点：制造现场不缺AI识别演示，缺的是能够稳定接入产线节拍、MES/质量系统、历史工艺数据和审计流程的质量闭环。视觉模型如果只是判断“合格/不合格”，价值有限；如果能把缺陷类型、位置、工序、批次、设备状态和供应商信息串起来，就可以支撑过程改进、供应链追溯和预测性质量管理。
这也是机器视觉AI从“替代人工目检”进入“质量工程系统”的标志。未来更有竞争力的工业视觉产品，可能不只是识别率更高，而是能否被质量经理、工艺工程师和产线主管共同使用，能否输出可复盘、可追责、可改进的工程证据。
CODESYS宣布将在Automate 2026展示完整软件定义自动化方案，包括Virtual Control SL、Virtual Safe Control SL、CODESYS Development System MCP Server以及面向Web的下一代开发环境CODESYS 4。官方表述特别强调AI-supported engineering和软件驱动自动化，这说明自动化平台正在从传统IDE、硬件PLC和现场总线工具，转向更开放、更虚拟化、更易接入AI工具的系统。(CODESYS)
从工业智能角度看，CODESYS把MCP Server放进自动化工程语境，值得特别关注。MCP在AI开发者生态中常被理解为“让模型调用工具”的协议，但在工业软件里，它可能成为连接工程知识、控制程序、设备模型、诊断工具和文档系统的桥梁。一个受控的工业AI助手如果能读取PLC项目、查找功能块、生成测试建议、解释报警逻辑，同时不直接越权下发危险指令，就会显著提升自动化工程效率。
Virtual Safe Control的出现也说明，软件定义自动化不能只谈灵活性，还必须谈安全认证、运行隔离和失效控制。工业AI如果要进入控制层，安全控制、版本管理、仿真验证和人工确认将比模型能力本身更重要。
Automate 2026预计吸引超过5万名参会者、200多名演讲者、140多场会议和1000多家参展商，主题覆盖AI自动化、机器人、视觉、系统集成与制造效率。活动信息显示，西门子数字化工业和Standard Bots等公司高管参与主题演讲，说明工业AI正在成为自动化行业主叙事。(Business Wire)
A3近期的行业新闻列表中，除了Mindtrace和CODESYS，还出现了“汽车安全与机械安全相遇”等安全主题文章。这反映出一个重要变化：工业智能不是简单把AI模型放到机器人或产线摄像头上，而是把AI、机器人、机械安全、功能安全、OT系统和质量体系放在一起重新设计。(Automate)
过去很多“智能制造”项目停留在大屏、看板和数据汇总，真正进入产线时往往遇到设备协议复杂、老旧系统难改、停机成本高、责任边界不清等问题。今天这些展会和行业动态的意义在于，工业AI开始回到自动化工程的主战场：能不能接入设备，能不能保证安全，能不能提升OEE，能不能减少返工，能不能让工程师更快完成调试和维护。
TechRadar报道，在Computex 2026相关展示中，NVIDIA、Unitree和Sharpa围绕H2+人形机器人参考设计、Isaac GR00T、Jetson AGX Thor T5000等形成组合。报道称，Jetson AGX Thor T5000采用Blackwell架构，配备128GB内存，并面向高算力机器人场景；Unitree H2人形机器人与Sharpa五指灵巧手则展示了更接近实体操作的硬件基础。(TechRadar)
虽然这类媒体报道仍需继续跟踪官方落地细节，但其方向对工业智能非常关键。Physical AI不是“会聊天的机器人”，而是把感知、运动控制、仿真训练、边缘推理、力控执行和安全策略结合起来。制造业真正需要的不是舞台表演型机器人，而是能在仓储、装配、巡检、搬运、设备维护等场景中与现有产线协作的可验证系统。
这也意味着工业机器人公司、仿真软件公司、边缘计算厂商和数据采集设备厂商将形成新的生态位。谁能提供从仿真训练、场景数据、机器人控制到现场安全验证的全链条能力，谁就更有机会把Physical AI从样机带进工厂。
西门子Simcenter博客近期更新了Simcenter 3D Rotor Dynamics 2606等内容，并在相关内容中持续强调虚拟样机、AI驱动数据工作流和物理测试结合。这说明专业工程软件并没有被通用AI替代，反而正在把AI纳入仿真、测试、设计验证和性能工程流程。(Siemens Blog Network)
今年发布的《AI/ML for Smart Manufacturing Roadmap》也强调，AI/ML正在重塑智能制造，但真正挑战在于工业大数据、异构感知与控制、可信可解释运行、数字孪生、机器人、物流以及物理约束AI等系统问题。另一篇具身AI白皮书同样指出，具身AI进入自动驾驶、移动机器人和工业机器时，安全、信任、治理和运行可靠性将成为核心挑战。(arXiv)
工业智能的真正路径不会是“一个大模型接管工厂”。更现实的路径是：仿真模型提供物理边界，传感器和MES提供现场状态，AI模型提供模式识别和策略建议，控制系统提供安全执行，工程师负责目标、约束与责任确认。这才是工业AI区别于消费级AI的地方。
A3 / Association for Advancing Automation，Mindtrace.ai Launches Next-Gen AI Inspection Tools at Automate 2026，2026年6月2日，用于确认NeuroForge与Inspectra发布及功能。(Automate)
CODESYS，CODESYS showcases software-defined automation at Automate 2026，2026年6月2日，用于确认Virtual Control、Virtual Safe Control、MCP Server和CODESYS 4展示。(CODESYS)
A3，CODESYS Showcases Software-Defined Automation at Automate 2026，2026年6月2日，用于补充CODESYS工业软件生态与自动化系统能力。(Automate)
BusinessWire，Automate 2026 Poised to Break Records，2026年6月，用于确认Automate规模、议题和参展结构。(Business Wire)
A3，Latest AI News，2026年6月，用于观察工业AI、机械安全与机器人相关长尾动态。(Automate)
TechRadar，NVIDIA, Unitree and Sharpa show new Physical AI direction，2026年6月，用于跟踪Physical AI、人形机器人与边缘算力组合。(TechRadar)
Siemens Simcenter Blog，What’s New in Simcenter 3D Rotor Dynamics 2606 / AI powered performance engineering，2026年6月，用于观察工程仿真软件与AI工作流结合。(Siemens Blog Network)
arXiv，2026 Roadmap on AI/ML for Smart Manufacturing，2026年4月提交，用于补充工业AI路线图与可信制造AI框架。(arXiv)
arXiv，Embodied AI in Action: White Paper from SAE World Congress 2026，2026年5月提交，用于补充具身AI在工业机器和移动机器人中的系统挑战。(arXiv)
CIMdata，AI in PLM: Adoption, Investment, and Readiness，2026年6月3日，用于提示PLM领域AI采用与投资准备度正在成为专业研究主题。(CIMdata)
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6月4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