西门子与英伟达周一宣布，双方在构建全球首个完全由人工智能驱动、具备自主能力的制造设施计划中，取得首个运营里程碑。该成果落地于德国埃尔兰根的西门子旗舰电子工厂，核心采用“先模拟后执行”架构，确保生产变更在触及实际生产线前，已在数字孪生体中完成验证。
这一进展于10月19日在埃尔兰根工厂公布，正值英伟达GTC柏林大会开幕前夕。这标志着自2026年1月CES大会上首次提出的愿景已转化为现实。在西门子CEO罗兰·布希（Roland Busch）与英伟达创始人兼CEO黄仁勋共同发布工业AI操作系统不到十个月后，联合团队部署的可运行AI制造解决方案，正在重塑该工厂电路板的设计、测试和生产流程。
从蓝图到车间：自主制造的进阶
作为世界经济论坛认证的“灯塔工厂”，埃尔兰根工厂此前已运行超过100种AI算法。此次升级旨在实现更高目标：让AI从辅助决策转向自主规划、模拟、优化并端到端执行制造操作。
该架构遵循“先模拟，后行动”原则。无论是新的检测模型、生产序列还是路线规划，均需在设施的高保真数字孪生体中验证。这意味着以往依赖物理原型和试错的环节，现可在软件环境中零风险完成。
英伟达物理AI模拟副总裁Rev Lebaredian表示，双方正将多年协作成果应用于车间，在物理原型存在前训练系统，在改变现实前测试计划，为全球自主工厂绘制蓝图。
四层架构解析
埃尔兰根系统由四个相互关联的技术组件构成：
第一层：数字工厂孪生体。西门子Siemens Xcelerator平台整合产品生命周期管理与制造执行系统数据；英伟达Omniverse提供3D模拟环境，通过通用场景描述（USD）对工厂进行建模，并持续同步物理传感器数据以维持高保真度。
第二层：合成训练数据生成。利用英伟达Cosmos平台，直接从数字孪生几何结构生成包含程序化缺陷的光学真实合成图像。此举消除了对物理缺陷样本的依赖，使检测模型能在首块物理电路板制造前完成训练，新电路板变体上市时间缩短高达40%。
第三层：代理式生产规划。AI代理自主生成生产场景（排序、资源分配、路由），并在Siemens Xcelerator数字孪生体中评估。只有通过验证的最优计划才会被提交执行，数字孪生体充当了无需人工逐项签字的安全检查点。
第四层：物理执行。经验证的计划通过西门子工业自动化栈转换为控制器指令，驱动伺服驱动器和自动导引车在物理车间执行。
西门子数字工业总裁Cedrik Neike指出，这是将AI从数据中心带入工厂并以工业规模应用的历史性机遇。
关键数据与前提
官方公布的数据显示：
- 虚拟生产爬坡将工程工作量减少高达85%
- 基于AI代理的生产规划带来高达20%的成本节约
- 新电路板上市时间缩短高达40%
- 工厂年生产力提升约7%
- AI部署时间从数月缩短至数天
这些数据依赖于数字孪生体的高保真度。若模型偏离物理现实（如热变化、组件公差），模拟成功的变更可能在现实中失败。此外，85%的工程减少率假设Cosmos生成的合成缺陷图像足以训练生产级模型，这一“领域差距”问题仍是行业挑战。
西门子目标是将埃尔兰根工厂的整体自动化水平提升至70–80%，并承诺到2030年在此投入5亿欧元用于研发及基础设施扩建。
合作加速与地缘背景
此次里程碑是双方加速合作的产物。自2026年1月CES宣布构建工业AI操作系统以来，联合团队在不到十个月内完成了从蓝图到部署的过程。富士康、现代重工、KION集团和百事公司等制造商正在评估该系统的早期版本。
10月19日的公告紧随英伟达GTC柏林大会之前。黄仁勋在柏林“投资德国”峰会上与德国总理弗里德里希·默茨会面，并签署关于物理AI的联合宣言，凸显了这一工业主题的地缘政治意义。
对德国工业的意义与挑战
埃尔兰根工厂被视为德国应对能源成本、供应链中断及AI整合挑战的答案。然而，欧盟《人工智能法案》规定，2027年起制造系统的高风险AI义务将生效，目前双方尚未发布针对该工厂运营蓝图的特定合规文件。
更广泛的问题在于，这种依赖深厚数字基础设施的“先模拟”架构是否可复制到其他缺乏同等条件的工厂。富士康等首批评估案例将成为检验其可扩展性的关键。
数据一览：埃尔兰根AI工厂
| 指标 | 结果 |
|---|---|
| 已在运行的AI算法 | 100+ |
| 工程工作量减少（虚拟爬坡） | 高达85% |
| 上市时间减少（新电路板） | 高达40% |
| 基于AI代理的规划成本节约 | 高达20% |
| 年生产力提升 | 约7% |
| AI部署时间减少 | 从数月缩短至数天 |
| 目标自动化水平 | 70–80% |
| 西门子至2030年的投资 | 5亿欧元 |
注：所有指标均出自西门子官方新闻稿（2026年10月19日）。
常见问题
英伟达工厂运营蓝图与传统软件有何不同？
传统制造执行系统遵循静态时间表，需人工测试变更。工厂运营蓝图则是代理式AI框架，自主生成并验证生产计划，数字孪生体作为检查点，允许AI在无人工逐项确认下运作。
数字孪生体的预测可信吗？
其价值取决于建模准确性。埃尔兰根通过持续同步传感器数据解决静态模型问题，但合成数据与真实缺陷间的“领域差距”仍需关注，目前尚未公布独立的性能对比数据。
这对员工意味着什么？
西门子目标自动化水平达70–80%，这将显著改变劳动力结构。公告未提及具体转型计划，但工会已将此列为谈判优先事项，若模式推广，相关议题将在更大范围内显现。
“先模拟”是新概念吗？
虚拟调试在工业界已存在多年。埃尔兰根的创新在于将持续同步的数字孪生体、合成数据管道和自主规划代理结合，在实际生产中形成闭环，而非仅用于试点或一次性验证。