摘要：今日工业智能主线集中在“工业AI从概念走向系统工程”。Siemens围绕Industrial AI、数据织物和数字孪生持续发布专业内容；Neura Robotics的大额融资显示Physical AI和人形机器人进入欧洲产业战略核心；Automation.com等工业媒体继续跟踪从CAD到工厂现场的机器人闭环编程；中国制造业自动化与机器人替代劳动力的趋势，也被国际媒体持续关注。整体看，工业智能不再只是“给工厂加一个大模型”，而是工程数据、PLM、数字线程、机器人执行、现场安全和能耗约束的系统重构。
今日工业智能主线集中在“工业AI从概念走向系统工程”。Siemens围绕Industrial AI、数据织物和数字孪生持续发布专业内容；Neura Robotics的大额融资显示Physical AI和人形机器人进入欧洲产业战略核心；Automation.com等工业媒体继续跟踪从CAD到工厂现场的机器人闭环编程；中国制造业自动化与机器人替代劳动力的趋势，也被国际媒体持续关注。整体看，工业智能不再只是“给工厂加一个大模型”，而是工程数据、PLM、数字线程、机器人执行、现场安全和能耗约束的系统重构。
Siemens Digital Industries Software博客在6月15日发布关于数据织物与Agentic AI的内容，强调连接企业数据是发展Industrial AI的重要前提；其软件和综合数字孪生能力服务于设计、工程和制造流程优化。(Siemens Blog Network)
这条内容的价值在于，它把工业AI的核心问题从“模型能力”拉回“数据结构”。制造业数据天然分散在CAD、CAE、PLM、MES、ERP、SCADA、设备传感器和质量系统中。如果没有统一的数据语义、权限体系、对象关系和生命周期上下文，AI即使接入模型，也只能做文档问答或局部辅助，很难进入研发、工艺、制造、运维闭环。
Siemens此前在Realize LIVE Americas 2026中将主题定为Industrial Intelligence，强调综合数字孪生、生命周期智能和自适应执行的融合；这说明头部工业软件厂商正在把“工业AI”定义为数据、仿真、执行系统和反馈优化的整体能力，而不是单一生成式AI功能。(Siemens Digital Industries Software)
Financial Times 6月11日报道，德国机器人初创公司Neura Robotics完成14亿美元融资，估值约70亿美元，投资方包括Tether、Qualcomm、Amazon、Nvidia、Bosch、Schaeffler、欧洲投资银行等。公司计划扩大人形机器人产能，并发展其AI平台Neuraverse和机器人训练环境。(Financial Times)
这对工业智能有三层含义。第一，欧洲正在把机器人和Physical AI视为下一轮工业竞争的关键基础设施，而不仅是自动化设备采购。第二，机器人能力正在从机械臂、AMR等专用设备，走向具备通用感知、任务学习和环境适应能力的平台。第三，制造业供应链企业参与投资，说明机器人落地需要精密零部件、工程制造、供应链管理和场景数据协同，不是单靠算法公司能完成。
Business Insider 6月15日也关注机器人和Physical AI投资人，指出机器人投资从2019年的约40亿美元增长到2025年的260亿美元，投资主题覆盖工业机器人、仓储自动化、人形机器人和机器人基础模型。(Business Insider) 这说明资本正在从纯软件AI向“能进入物理世界的AI”迁移。
Automation.com的机器人栏目近期关注Inbolt推出视觉化机器人编程能力，称其方向是把数字孪生转化为实时机器人控制，补上从CAD到工厂现场的闭环。(Automation.com)
这类小公司动态值得重视。过去机器人部署的核心瓶颈不是“有没有机器人”，而是编程、标定、换线、质量反馈和现场扰动处理成本高。数字孪生如果只停留在离线仿真，价值有限；只有将CAD、工艺路径、传感器视觉、机器人控制和质量检测连起来，才能真正减少调试时间、提升柔性生产能力。
这也是工业智能的一个关键分水岭：AI不再只在屏幕上生成报告，而是通过数字线程影响真实设备动作。未来“AI for Engineering”的价值将体现在工程变更、仿真验证、工艺生成和机器人执行之间的低摩擦闭环。
国际媒体6月15日前后继续关注中国制造业自动化趋势，报道指出中国制造企业面对劳动力成本上升、人口老龄化和供应链压力，正加快用机器人替代人工，广东等制造业区域尤为明显。报道提到，自动化不仅是降低人工成本，更是保持产业链效率和竞争力的方式。(The Australian)
这一趋势对工业智能有直接启示：中国制造业的AI需求不会只来自“办公智能化”，更会来自设备效率、质量稳定、少人化产线、柔性制造和供应链响应。机器人、视觉检测、工业软件、边缘计算、数字孪生和工业数据平台，将共同构成下一阶段制造业AI落地的主战场。
国家统计局此前披露，截至2026年初，中国已建成3.5万多家基础级、8200余家先进级、500余家卓越级智能工厂，重点平台工业设备连接数超过1亿台套，工业互联网融合应用覆盖41个工业大类。(National Bureau of Statistics of China) 这说明中国工业智能落地已经具备较大场景基础，下一步重点是从“连接设备”走向“可解释优化”和“自主执行”。
综合今天的动态，工业智能的核心路径可以概括为三句话：第一，工程数据要先可用，PLM、CAD、CAE、MES等系统必须形成可追溯的数据织物；第二，AI输出必须经过仿真、规则和工程约束验证，不能直接把大模型答案当成工艺指令；第三，机器人和现场设备执行后，要把质量、能耗、节拍和异常数据反馈回数字孪生与模型系统。
工业AI不是通用AI在工业场景的简单迁移，而是工程知识、物理规律、数据治理、设备控制和组织流程的融合。谁能打通“设计—仿真—制造—运维—反馈”，谁就更可能在下一轮工业软件竞争中占据入口。
Siemens Digital Industries Software Blog：How Data Fabrics Contextualize AI Data，2026-06-15，用于核验工业AI与数据织物。(Siemens Blog Network)
Siemens：Realize LIVE Americas 2026 Recap Day 1，2026-06-01，用于核验Industrial Intelligence定义。(Siemens Digital Industries Software)
Financial Times：German start-up Neura raises $1.4bn in humanoid robot push，2026-06-11，用于核验Neura融资。(Financial Times)
Business Insider：Meet the 22 investors to know in robotics and physical AI，2026-06-15，用于核验Physical AI投资热度。(Business Insider)
Automation.com：Robotics栏目，2026-05/06，用于核验Inbolt与机器人细分动态。(Automation.com)
Automation.com：Industry Products栏目，2026-05/06，用于核验CAD到工厂闭环方向。(Automation.com)
国际媒体报道：中国制造商押注机器人替代低成本劳动力，2026-06-15，用于观察中国制造自动化趋势。(The Australian)
国家统计局：“十四五”经济社会发展成就，2026-06-01，用于核验智能工厂和工业互联网数据。(National Bureau of Statistics of China)
arXiv：2026 Roadmap on Artificial Intelligence and Machine Learning for Smart Manufacturing，2026-04，用于补充智能制造AI路线图。(arXiv)
arXiv：Digital Twin AI: Opportunities and Challenges from Large Language Models to World Models，2026-01，用于补充数字孪生AI理论背景。(arXiv)
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16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