工业智能每日观察-20260608

摘要:今天工业智能方向的主线是“工业AI走向可执行系统”。西门子把数字孪生、工业AI和可执行数字孪生连成闭环;Rockwell把AI嵌入MES/QMS质量决策;自动化行业数据显示,机器人订单增长的同时,非汽车行业需求超过汽车行业。与此同时,软体机器人保护结构、气动互锁、身份攻击面治理等小新闻提醒我们:工业智能不是把大模型放进工厂,而是把数据、控制、安全、设备和流程重新组织起来。

工业智能每日观察
2026年6月8日 星期一 | 中国高技术产业发展促进会新质生产力工作委员会
摘要

今天工业智能方向的主线是“工业AI走向可执行系统”。西门子把数字孪生、工业AI和可执行数字孪生连成闭环;Rockwell把AI嵌入MES/QMS质量决策;自动化行业数据显示,机器人订单增长的同时,非汽车行业需求超过汽车行业。与此同时,软体机器人保护结构、气动互锁、身份攻击面治理等小新闻提醒我们:工业智能不是把大模型放进工厂,而是把数据、控制、安全、设备和流程重新组织起来。

一、西门子强调可执行数字孪生,工业AI必须先解决工业数据问题

西门子6月5日发布关于数字孪生创新的文章,核心观点很明确:工业AI的效果取决于数据质量、结构和可访问性,而工业数据长期被锁在工程、运营、IT和OT系统孤岛里。数字孪生的价值正在从“虚拟模型”扩展到“工业数据组织方式”。

文章进一步提出可执行数字孪生,即把仿真智能嵌入现场流程,在边缘设备运行并反馈给PLC或仪表盘,用于工艺优化、质量控制和能耗改善。这个方向对制造业很关键:如果AI不能理解设备、工艺、约束和控制逻辑,它就只能停留在报表分析;只有进入可执行数字孪生,AI才可能参与闭环优化。

二、软件定义自动化成为传统自动化厂商共同叙事

西门子奥地利Automation Tour 2026页面显示,本轮巡展围绕软件定义自动化、工业AI和综合数字孪生展开,展示内容包括虚拟PLC、边缘计算、视觉质量检测、Industrial Copilot for TIA Engineering、SIMATIC AX、WinCC和SCALANCE安全等。

这说明自动化厂商正在把硬件控制、工程软件、边缘智能和工业AI放在一个框架中讲,而不是继续把PLC、SCADA、工程组态和AI割裂成不同产品线。对制造企业来说,软件定义自动化的核心价值不只是“写代码方式变了”,而是设备调试、控制逻辑验证、虚拟投产、现场维护和安全治理可以被重新编排。

三、Rockwell把AI嵌入MES/QMS,质量管理从报表走向实时决策

Rockwell Automation的Plex相关网络研讨会聚焦“从数据到决策:用AI驱动质量”。官方介绍强调,将AI直接嵌入MES/QMS,把高分辨率生产与质量数据转化为实时智能,用于预测质量问题、建议下一步动作、协同响应和根因分析。

这类进展比单纯发布“工业大模型”更有落地意义。制造业的质量问题,本来就发生在工单、设备、批次、物料、供应商和现场异常交织的流程里。AI只有嵌进MES/QMS,才能从事后统计进入实时预警、闭环处置和跨部门协同。

四、机器人订单增长说明自动化底座仍在扩张

IEN Automation引用A3报告称,2025年北美机器人订单增长6.6%,订单量达到36,766台,金额约22.5亿美元;更值得注意的是,非汽车行业订单超过汽车行业,食品消费品、半导体和电子等行业需求增长。

这个数据说明,工业智能不能只看AI模型热度,还要看自动化装机基础是否扩大。没有稳定的传感器、运动控制、视觉、执行机构和MES数据流,AI很难真正进入生产闭环。机器人需求从汽车行业扩散到更广泛制造业,也意味着柔性产线、视觉检测、边缘推理和产线调度会成为新的工业AI应用入口。

五、软体机器人与气动互锁提醒工业智能仍需物理安全

北卡州立大学团队展示了受犰狳启发的软体机器保护结构,可在受到触发时卷曲成球以保护电子部件或载荷。该项目看似偏研究,但它指向未来柔性机器人、移动设备和复杂环境作业中的一个现实问题:机器越柔性、越自治,就越需要具备自保护和环境适应能力。

另一篇工程文章讨论了双执行器气动互锁和阀门位置反馈。它属于典型的工业现场“小技术”,但这类互锁、限位和反馈机制正是工业智能落地的安全底座。未来AI可以参与决策,但物理系统必须有可验证、可回退、可联锁的安全机制。

六、AI智能体扩大OT与身份攻击面

Semperis调查显示,企业正在把AI代理引入敏感安全任务,但对非人身份、密钥、本地机器凭据和恢复能力的治理并不充分。对工业场景而言,这一点尤其重要,因为OT系统一旦接入智能体、脚本自动化和远程运维工具,身份治理就不再只是IT安全问题,而会直接影响生产连续性和设备安全。

工业智能的下一步,不应只是追求“更聪明的模型”,还要同步建设权限边界、身份管理、审计追踪、隔离运行和异常回退。否则,AI越深入现场,风险也越容易从数字系统传导到物理生产。

参考资料

Siemens:《How Digital Twin Innovations Drive Future Enterprises》,2026-06-05,用于数字孪生与xDT。

Siemens:Automation Tour Austria 2026页面,2026年6月,用于软件定义自动化和工业AI活动。

Rockwell Automation:《From Data to Decisions: Driving Quality with AI》,2026年6月页面,用于MES/QMS质量AI。

IEN Automation:《Still Leader of Pack》,2026-06-05,用于机器人订单与自动化行业观察。

IEN/NC State:《Armadillos Inspire Protective Gear for Soft Machines》,2026-06-03,用于软体机器人保护结构。

IEN:《Engineering Dual-Actuator Control with Pneumatic Interlocks》,2026-06-05,用于工业控制安全。

IEN/Semperis:《Impact of AI on the Identity Attack Surface》,2026-06-04,用于AI身份攻击面。

arXiv:《2026 Roadmap on AI and ML for Smart Manufacturing》,2026年,用于智能制造路线背景。

MPEX AI Digital Twins里程碑报告,2026年5月,用于工业科学数字孪生背景。

Rockwell Automation:《2026 State of Smart Manufacturing Report》,2026年,用于智能制造年度趋势背景。

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8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

分享到