西门子与 NVIDIA 正在德国埃尔朗根的西门子电子工厂，在真实生产环境中测试两项工业 AI 工作流程。其中一项利用数字孪生生成的图像，为新电路板的视觉检测做准备。另一项提出生产排程，由人工规划人员比较，并在工厂仿真中检查。西门子于 10 月 19 日介绍了这些工作，将其描述为迈向自主制造的进展，同时把埃尔朗根定位为开发和测试基地。

对于考虑采用类似系统的制造商，这一区别很重要。所述工作流程针对两种具体的延误来源：等待实体电路板后才能准备检测，以及订单或材料发生变化时权衡生产计划。西门子已经介绍了流程及其潜在收益，但尚未发表可供外部人士评估节省幅度或系统在其他工厂表现的研究。

第一块电路板出现前，就能准备检测

埃尔朗根工厂生产包含印刷电路板组件的工业驱动装置和变频器。根据西门子 10 月 19 日的公告，过去为新组件准备检测，意味着先等待实体原型，再训练视觉系统、配置检测设备。这可能需要数周时间。

在新的工作流程中，拟议电路板的数字孪生用于生成逼真图像，以便准备检测。西门子活动事实说明称，NVIDIA Cosmos 世界模型帮助生成带有或不带有潜在缺陷的电路板图像。工程师可以在实体原型出现之前，利用这些图像训练检测设备。公告将图像生成归于 NVIDIA Cosmos，但没有披露由此形成的检测系统的训练数据、缺陷覆盖范围或错误率。

西门子表示，这种虚拟生产准备方式可使工程工作量最多减少 85%，上市时间最多缩短 40%，适用于新的电路板组件。这些是公司报告的潜在收益。公告没有为这两个数字提供比较方案或独立验证的结果，不应将其理解为埃尔朗根推出的每款产品都实现了这些实测改进。

智能体提供计划，由人作出选择

第二项工作流程处理生产规划。新订单可能改变产线产能、材料可用性、成本和交付日期之间的平衡。西门子表示，一个 AI 智能体会生成多个场景，并通过预先定义的关键绩效指标展示其影响。规划人员比较选项、选择计划；在实施前，所提计划还要通过工厂数字孪生进行检查。事实说明点名了基于 NVIDIA Factory Operations Blueprint 构建的 Siemens Intelligence Center X Agents，并将这一检查描述为基于物理规律的仿真。公告称，NVIDIA Omniverse 库支持使用真实工厂数据进行虚拟测试。

这比工厂自行作出运营决策的说法更有限。公开材料描述的是智能体生成提案、仿真检查和人工监督，并未表示系统会独立批准排程、改变设备设置，或在没有规划人员的情况下运行埃尔朗根基地。西门子称，这种规划方法可带来最多 20% 的成本节省，事实说明称其中包括资本成本和加急成本。公司尚未为该估算提供公开基线、测量周期或独立审计。

重大变化

今年 1 月宣布的合作伙伴关系，提出了建设完全由 AI 驱动、具备适应能力的制造基地的目标，首先以埃尔朗根作为蓝本。10 月的更新给出了两项正在联合开发、并在真实生产中测试的具体工作流程：用合成电路板图像准备检测，以及由智能体提供规划选项，在人员采取行动前先在工厂孪生中检查。实际变化在于，团队可以在实体电路板或修订后的生产计划进入产线之前，先在虚拟环境中准备和审视部分决策。

对于其他制造商，埃尔朗根说明了西门子与 NVIDIA 正在何处应用这些工具，并不能证明自主工厂已经在大规模应用中得到验证。复现这些工作流程，依赖准确的产品和工厂模型、生产数据、检测验证，以及当地运营控制措施。两家公司尚未公布足够的实施或结果数据，来确定这一方法在所报道基地之外的成本、可靠性或可迁移性。BIG CHANGE 未测试这两项工作流程中的任何一项。

来源与延伸阅读