摘要：今天的工业智能主线，是“工业AI”从概念演示继续向可验证、可集成、可治理的现场系统推进。西门子围绕汽车行业强调综合数字孪生是AI进入产品、产线和生命周期数据的基础；Visual Components 5.1把移动机器人仿真、物理引擎和PLC/机器人控制器连接进一步前移到虚拟调试阶段；Fortinet与Cisco分别从OT安全和工业网络角度提示，AI工厂越联网，越需要CISO、IT/OT协同和可视化分段；Rockwell则把工业AI定义为从自动化走向自治的连续过程。工业智能的关键不再是“有没有AI功能”，而是数据是否贯通、仿真是否可信、控制逻辑是否可提前验证、安全边界是否清楚。
今天的工业智能主线，是“工业AI”从概念演示继续向可验证、可集成、可治理的现场系统推进。西门子围绕汽车行业强调综合数字孪生是AI进入产品、产线和生命周期数据的基础；Visual Components 5.1把移动机器人仿真、物理引擎和PLC/机器人控制器连接进一步前移到虚拟调试阶段；Fortinet与Cisco分别从OT安全和工业网络角度提示，AI工厂越联网，越需要CISO、IT/OT协同和可视化分段；Rockwell则把工业AI定义为从自动化走向自治的连续过程。工业智能的关键不再是“有没有AI功能”，而是数据是否贯通、仿真是否可信、控制逻辑是否可提前验证、安全边界是否清楚。
西门子数字化工业软件在6月12日发布文章，围绕软件定义汽车、复杂产品和生产流程变化，强调“综合数字孪生”不仅用于产品或单一系统建模，而是横跨产品本身、产线、系统和生命周期的虚拟表达。文章指出，汽车企业面临软件定义车辆带来的技术、系统和生产工艺重构，需要通过数字孪生连接并语义化上下游数据，形成项目相关方共用的单一事实源。
这条动态对工业AI有现实意义。很多企业急于把大模型或智能体接入研发设计，但没有统一的BOM、工艺、仿真、制造、质量和运维数据底座，AI只能停留在知识问答或局部辅助。西门子的表述实际上把工业AI的前提重新拉回工程常识：AI要理解复杂产品，必须先有能承载产品、过程、约束和变更影响的数字孪生与数字线程。
Visual Components在6月11日发布5.1版本，重点升级了大型工厂仿真中的移动资源导航、物理引擎和控制器连接能力。新版重建了路径规划、本地转向和动态避障能力，使AGV、AMR、叉车和人员等多类资源在大规模布局中更稳定运行；物理引擎升级到PhysX 5.6，提高输送、堆叠、碰撞和物料流仿真的一致性。
更关键的是控制器准确验证。5.1支持连接真实或仿真的Allen-Bradley PLC，让PLC逻辑实时驱动仿真系统，提前验证时序、信号和控制行为；同时新增Nachi和Epson机器人连接插件，使更多机器人品牌可以进入统一虚拟调试流程。这对于工厂自动化项目极其重要：现场调试窗口短、停线成本高，越能在设备到场前发现PLC逻辑、机器人节拍和物流拥堵问题，越能降低投产风险。
NVIDIA近期发布Factory Operations Blueprint（FOX），把它定义为构建自主工厂经理智能体的参考设计。FOX用于连接机器信号、质量系统、作业指导和运行告警，形成统一决策层，并编排质量控制、物料运输、工人安全等专用工业AI智能体。NVIDIA披露，富士康、和硕、研华、纬创等制造企业是首批部署方。
这类工厂经理智能体的意义，在于把工业AI从单点视觉检测推进到跨系统运营决策。NVIDIA案例中，富士康MoMClaw把传感器、机器信号和数字系统接入数百个专用智能体，研华用于HVAC和照明能源管理，相关方案还覆盖自动光学检测、质量召回和现场运营效率。虽然这些仍需现场验证和ROI复盘，但方向很清楚：工业智能体不是替代MES、SCADA或质量系统，而是把它们的数据和动作能力编排起来。
Fortinet发布的2026年《State of Operational Technology and Cybersecurity》显示，全球700多名OT专业人士的调查呈现“双重现实”：勒索软件等威胁仍在，但OT安全成熟度、厂商整合和C-level监督正在上升。Fortinet配套博客进一步指出，企业对OT风险评估更现实，入侵意识更高，也更关注即将到来的监管要求。
对工业AI而言，OT安全不是“网络安全部门的附加题”，而是现场部署红线。AI工厂要求连接设备、边缘网关、云平台、视觉摄像头、机器人和远程维护工具，攻击面随之扩大。如果没有资产可视化、网络分段、身份权限、日志审计和应急预案，越智能的工厂越可能变成越脆弱的工厂。
Cisco的2026工业AI报告强调，AI采用扩大后，早期生产率收益正在出现，但持续收益取决于能支撑数据、移动性和连接需求增长的工业网络；报告还把网络安全列为工业网络运营最大挑战，并指出IT和OT团队独立运作会削弱网络性能和安全，拖慢AI影响力释放。
Rockwell Automation在6月9日发布文章，把工业AI描述为从工业自动化走向自治的过程：当AI围绕操作员、工程师和一线团队设计，并通过可见结果、可移动指标和降低摩擦的工具建立信任后，AI才会从试点项目变成工厂运行方式的一部分。
这两条内容合起来看，工业智能落地不是买一个“AI平台”即可完成。网络承载、边缘计算、设备协议、工厂数据模型、操作员信任、工艺规则和安全治理共同决定AI能不能从PoC走向生产。工业AI最终考验的是组织系统能力，而不是单一算法能力。
Siemens Digital Industries Software｜Laying the groundwork for AI in automotive with the comprehensive Digital Twin｜2026-06-12｜用于数字孪生与汽车AI底座分析。
Visual Components｜Introducing Visual Components 5.1 – Orchestrate the floor with ease｜2026-06-11｜用于工厂仿真、移动机器人和虚拟调试分析。
NVIDIA Blog｜NVIDIA Factory Operations Blueprint Gives Factories a New AI Brain｜2026-05-31｜用于工厂经理智能体与多智能体运营背景。
Fortinet｜2026 State of Operational Technology and Cybersecurity｜2026-06｜用于OT安全趋势分析。
Fortinet Blog｜While OT Security Is Maturing, Risk Is Not Slowing Down｜2026-06｜用于OT安全成熟度与监管要求分析。
Cisco｜2026 State of Industrial AI Report - Manufacturing｜2026-06｜用于AI-ready工业网络、IT/OT协同分析。
Rockwell Automation｜What’s Next for Industrial AI in Manufacturing?｜2026-06-09｜用于工业AI从自动化到自治分析。
Rockwell Automation｜Gerdau Saves $30,000 in Development Costs and Drives Greater Workflow Efficiency with Plex Process Flows｜2026-06-09｜用于智能制造平台流程自动化案例背景。
AVEVA World 2026｜CONNECT Flows and industrial data integration sessions｜2026｜用于工业数据集成、实时洞察与CONNECT Flows背景。
arXiv｜2026 Roadmap on Artificial Intelligence and Machine Learning for Smart Manufacturing｜2026｜用于工业AI研究趋势背景。
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13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