西门子数字化工业软件总裁兼首席执行官 Tony Hemmelgarn 在现场

制造业全流程管理远比想象中复杂，而软件的不断进化则加剧了这种复杂性。

6 月初，西门子数字化工业软件在底特律召开了一年一度的用户大会。西门子数字化工业软件总裁兼首席执行官   Tony Hemmelgarn 用 " 复杂性即竞争优势 " 的核心观点来概括当前竞争激烈的市场环境。

Tony 认为，当前制造业面临的复杂性存在于生产优化、数据完整性、低代码开发等多个方面。以汽车行业的生产优化为例，汽车制造商每天需要处理大量订单，并实时规划 40 周左右的生产周期，以确保零部件按时到位，这要求企业生产系统具备高效的预测和计划能力。

他判断，AI 新技术也正加速渗透制造业，并悄无声息地推进制造业变革。而这种变革，几乎是在一夜之间发生的，恰似竹子在扎根后的爆发性生长。如果企业能够抓住机会，将制造业的复杂性与 AI 做结合，将对制造业的高度自动化产生助力。

22 个月，完成电动卡车全流程开发

Workhorse 是美国一家零排放车辆制造商。不久前，该公司在电动车开发领域创造了一个惊人的奇迹：仅用 22 个月，完成下一代电动车从设计到生产的全流程开发。相比传统的开发模式，Workhorse 大大缩短了开发周期。

据统计，通过使用相关工具，Workhorse 将电动车 IT 成本降低了 50%，同时工程效率也得到极大提升。Workhorse CIO Jeff Mowry 表示，能够做到这样的成绩，一个重要原因是对西门子   Xcelerator 的采用，" 以前，我们的多 CAD 环境成本高昂，并且需要额外的资源。与西门子合作，我们消除了这些低效率问题，可以专注于更有效地制造复杂的电动卡车。"

据悉，在产线扩展方面，软件的灵活性使得 Workhorse 能够快速适应市场需求的变化，及时调整生产计划。

赫拉克利特曾说：" 人不能两次踏进同一条河流。" 这句话在制造业中有着深刻的隐喻。在当今快速发展的时代，制造业也面临着不断的变革。AI 技术的出现，就如同一条奔腾不息的河流，正在重塑制造业的数据管理、仿真与制造流程。

为了应对不断变化的市场需求，2025 年年初，西门子以 100 亿美元高价完成了对仿真领域先进企业 Altair 的收购，以补足西门子 Xcelerator 的产品版图。

高计算（HPC）与云负载平衡技术是 Altair 收购带来的重要成果，有效解决了工程仿真中的痛点。在传统的工程仿真中，计算资源的不足往往限制了仿真的精度和效率。

而 Altair 的 HPC 技术能够提供强大的计算能力，实现更复杂的仿真任务。云负载平衡技术则可以将计算任务合理分配到不同的计算节点上，提高计算资源的利用率。

这次收购为西门子带来了非线性计算的突破，将西门子的仿真技术扩展至多物理场、HPC 及 AI 优化领域，并推动 "全面数字孪生" 落地。依托 Altair，西门子能够更准确地模拟产品在各种复杂情况下的性能，从而优化产品设计，加速像 Workhorse 一样的先进制造业的研发设计流程。

工业 Agent 落地，是务实还是炒作？

AI 是制造业变革的催化剂而非目的。

在用户大会现场，一场 " 工业级 Copilots 推动运营效率 " 的圆桌展开了对工业级 Copilot 实际价值的讨论，人们普遍的考量是工业级 Copilot 能否真正深入业务，以及未来在工业中的发展潜力。

从西门子的实践来看，去年西门子 PLM 软件 Teamcenter 上线了 Industrial   Copilot 工具，Teamcenter Copilot 能够自动定位缺陷部件、生成变更请求、模拟供应链风险。

在实际应用中，某汽车制造企业使用 Teamcenter Copilot，当系统检测到某个零部件存在潜在质量问题时，它会迅速分析市场来源信息，定位问题部件，并生成变更请求。同时，它还能模拟供应链风险，提出最佳替代方案。整个过程高度自动化，大大提高了响应速度。

" 利用 Teamcenter Copilot，在简单的聊天界面中，一个新人也可以快速上手复杂系统，无需深入了解所有技术细节便可生成虚拟现实展示，这大大降低了操作门槛。"Tony 在演讲中表示。

但工业级的 Copilots 目前尚处于初级阶段，由于涉及企业的核心数据，其开发和部署对任何一个制造型企业来讲都是一项高度复杂的任务。它不仅需要结合企业的具体业务流程，还需要与现有的 IT 和 OT 系统无缝集成。工业环境中的实时性要求较高，Copilot 需要能够在毫秒级响应时间内提供可靠的建议或决策支持。

同时，当前的通用人工智能模型虽然在广泛任务中表现优异，但它们普遍缺乏针对特定工业领域的深度智能。在制造业中，工业级 Copilot 需要能够理解复杂的制造工艺、设备运行逻辑以及特定行业术语。这种领域专业性无法通过通用模型直接实现，必须基于制造行业的专有数据进行训练。

但问题在于，制造业中的数据往往分散在不同的系统和部门中，形成 " 数据孤岛 "。这种现象阻碍了工业级 Copilot 对全局数据的整合和分析能力。

以西门子工业软件的主营业务之一仿真来说，其对于 Copilot 的应用目前也仅仅处于尝试层面，西门子数字化工业软件仿真高级副总裁 Sam Mahalingam 与西门子数字化工业软件仿真和测试解决方案高级副总裁   Jean-Claude Ercolanelli 都表示，让 Copilot 直接完成制造业中的仿真模拟，目前来看还是太 " 先进 " 了。" 虽然已经在尝试，理论上你可以在人工智能深度学习模型中进行训练，以便快速做出预测，改变它们的几何形状。"

所有挑战对于工业级 copilot 的规模化落地都是考验，如何让工业级 copilot 更加务实，而非停留在 PPT 中的泡沫？

Gartner 分析师 Sudip Pattanayak 认为，西门子的 " 工程基因 " 使其能够避免 AI 泡沫。" 工业级 Copilot 的潜力是巨大的。"Sudip Pattanayak 说。据他此前的调研信息，西门子有海量数据储备，完全具备开发此类模型的优势条件。

" 需与客户合作获取非核心、非知识产权数据以有效训练模型。这项任务虽复杂，但西门子 Industrial   Copilot 在西门子生态系统中的应用前景非常可观。"Sudip 表示。

SaaS 转型与中国 " 战场 "

"SaaS 转型 " 是 Tony 关注的关键问题之一。

公开信息显示，西门子数字化工业软件集团的 SaaS 转型始于 2021 年，彼时，集团同步推出核心平台 "Xcelerator 即服务 "（Xcelerator as a Service）。这一战略旨在通过云服务降低企业使用工业软件的门槛，提升灵活性和可扩展性。

据了解，Xcelerator as a Service 整合了西门子旗下 PLM（产品生命周期管理）、MES（制造执行系统）、低代码开发（Mendix）等能力，通过云服务实现跨领域协同设计、制造优化和闭环分析，覆盖从芯片设计到工厂控制的全链条。

在中国本土化方面，2021 年提出 SaaS 战略的一年后，2022 年 8 月，西门子宣布与亚马逊云科技合作，于当年秋季面向中国客户推出 "Xcelerator 即服务 "，同时针对仅需国内云服务的企业，与腾讯云、阿里云建立合作，确保数据合规存储于中国境内。

西门子数字化工业软件全球销售和服务执行副总裁 Bob Jones 把 "Xcelerator 即服务 " 这种将传统许可证收入到 SaaS 订阅收入的转变，比喻为 "  swallowing the fish"（吞鱼）。

即，传统上，软件公司通过销售永久许可证可以在交易完成时立即确认全部收入；而在 SaaS 模式下，收入需要在整个合同期限内按月确认。这种转变导致了一段时间内收入看似下降，因为不能提前确认大额交易，而是要逐渐实现，形态类似 " 鱼 " 的轮廓。

这一过程的挑战在于 "鱼的寿命有多长，鱼的深度有多深"。" 过去几年我们一直在解决这个问题，现在我们已经解决了这些问题。"Bob 表示。

数据显示，截至 2025 财年第二季度（截至 2025 年 3 月 31 日），西门子数字工业集团（含 PLM）营收为 43 亿欧元，PLM 的云服务收入占年度经常性收入（ARR）的 45%，公司计划 2025 财年将 SaaS 占 ARR 比例提升至50%。Bob 在用户大会现场披露，西门子工业软件的年度经常性收入增长率保持在 14% 到 15% 之间。

而对于在中国的业务进展，Tony 提到了两家企业——比亚迪和宁德时代。

" 我们在中国拥有非常强大的业务，最好的例子之一是BYD（比亚迪），它在所有业务中广泛使用我们的软件。"Tony 表示。比亚迪利用西门子的软件工具实现了更快的产品开发周期，并将其生产成本降低了 25%。这使得比亚迪相较于传统汽车制造商具有显著的竞争优势。" 我们为此感到骄傲。"Tony 说。

此外，他透露，西门子与来自中国的全球电池巨头 CATL（宁德时代）以及不少其他中国公司也有业务往来，许多中国汽车行业公司也都是西门子 Teamcenter 客户。

对于中国公司对新技术采用的热潮，负责西门子仿真和测试相关业务的 Jean 也深有同感，他上个月刚刚到访中国合肥，他的一个感受是中国制造业在数字孪生、仿真领域的发展速度让他大为惊叹。

" 如果谁说中国的数字孪生不够领先，我会反驳这个观点，中国企业对此的部署速度是相当惊人的，他们在产品生命周期的各个阶段，一直在使用相关技术。"Jean 表示。（本文首发钛媒体 APP 作者 | 秦聪慧）‌