找回密码
立即注册
搜索
发回帖 发新帖

5339

积分

0

好友

689

主题
发表于 昨天 19:04 | 查看: 19| 回复: 0

11月12日,西门子发布2026财年业绩,全年订单1082亿欧元,收入834亿欧元,工业业务利润133亿欧元。其中,数字业务收入增长16%、达到109亿欧元,这个数字对自动化行业来说更值得关注。西门子在公告中明确把工业AI列为未来增长动力。

工业AI与PLC工程师-AI Agent工程闭环示意图

这些数字并不意味着PLC行业明天就会被AI改写,也不能把集团数字业务的全部收入都算成AI收入。但它说明了一件事:工业软件、工程数据和AI能力正在成为传统自动化巨头争夺的长期市场。

一、比利润数字更重要的,是工业软件的增长逻辑

过去讨论西门子,电气工程师往往先想到S7-1200、S7-1500、TIA Portal、变频器和现场总线。硬件依然是工业控制的基础,但今天的竞争已不局限于PLC本体。

西门子公布,2026财年数字业务收入109亿欧元,同比增长16%;Digital Industries软件业务可比收入增长13%,达到72亿欧元;可比年度经常性收入增长12%,达到61亿欧元。这里有三个不同口径,不能简单相加。它们共同指向软件订阅、数字孪生、工程平台与AI服务的重要性上升。

在工程现场,这种变化不一定表现为一个全新的PLC型号。更可能体现在已有项目的创建、修改、测试、部署和维护流程里:工程师是否还要手工重复录入变量?一个功能块改动后能否自动识别依赖?程序导入失败后能否准确区分接口错误和代码错误?同一个项目换台电脑、换个TIA版本,验证结论是否仍然有效?

这些问题看似琐碎,却决定了工程交付的效率。

二、AI能写ST程序,但现场需要的不止代码

让大模型写一段电机启停ST并不难。输入启动、停止、急停、热继电器信号,几秒钟就能得到一份看起来完整的程序。真正困难的部分在后面。

首先,需求是否完整?急停复位后能否自动重启?故障报警是否保持?两台泵轮换时,主泵故障如何切换?输入信号的常开、常闭极性有没有确认?如果需求缺失,模型会用自己的假设填空。代码可以编译通过,却不一定符合设备的真实工艺。

其次,生成的程序能否进入目标工程?TIA Portal的SCL、CODESYS的ST以及不同版本的库和数据类型,并非完全相同。模型在文本层面写对语法,不代表原生工程对象、接口和依赖关系一定正确。

再往后是验证。编译通过只能说明代码满足某一层工具检查。定时器跨扫描周期的行为、边沿检测、互锁逻辑和异常恢复,仍然需要测试。一个输出在第十个扫描周期短暂误动作,最终状态再恢复正常,普通的结果对比可能根本看不出来。

因此,工业AI真正需要完成的是从需求到验证的一整段流程,而不是只交付一段文本。

三、从PLC编程助手,走向能够操作工程工具的Agent

西门子已经在工业自动化领域推进面向工程任务的AI Agent。行业里的其他厂商也在探索让AI连接工程软件、仿真和工业数据系统。这些产品的成熟度、支持版本和实际边界仍要通过具体项目验证,但方向值得认真观察。

对PLC工程平台来说,Agent首先要理解工程上下文。它必须知道当前项目使用什么CPU、什么编程环境、有哪些UDT和FB、哪些变量可以复用、哪些规则已经由工程师确认。其次要能调用真实工具,而不是在聊天窗口里宣称“编译成功”。

这里还有一个容易忽视的问题:一台电脑可能装有多个TIA Portal版本,另一个局域网电脑可能装着CODESYS。工程验证必须锁定具体Agent、IDE安装实例、工程快照和工具版本。换电脑或换版本后,旧的验证结果不能自动沿用。

更重要的是执行权限。AI可以提出修改建议,可以在隔离副本中生成代码、运行编译,但正式工程写入、在线下载、运行设备等操作必须有明确授权。自动化程度越高,这条边界越不能模糊。

RealPLC正在探索的工程闭环,也是沿着这样的思路推进:需求理解、程序生成、原生编译、行为验证、自动修复、证据回传。每一步都要留下结果,每一步都允许失败,而且失败必须被准确报告。

四、电气工程师的机会,可能藏在新的工程交付方式里

从市场角度看,AI基础设施投资还在扩大。11月11日西门子发布面向AI数据中心液冷系统的新型不锈钢阀门,强调控制、传感和监测能力;11月12日的财报也提到数据中心、电气化和数字化需求。这不是说所有电气工程师都应该转行做数据中心,而是说明传统控制技术正在进入更多高价值应用场景。

以液冷系统为例,工程难点并不只是控制一个阀门。它涉及温度、流量、压差、冗余泵组、报警、故障切换和能耗优化。PLC、DCS、SCADA与楼宇自动化系统可能需要协同工作。项目越复杂,标准化控制模板、可复用测试案例和自动化验证工具的价值就越明显。

机器人也是如此。11月12日,路透社报道德国Agile Robots完成5亿美元融资,估值达到85亿美元。资本投入说明市场预期正在升温,但机器人能否稳定进入工厂,仍然离不开安全联锁、确定性运动控制、工业网络、设备状态管理和故障恢复。AI负责规划,不等于可以绕过底层控制规则。

对于中小设备厂和系统集成商,真正可落地的机会可能有三个:把重复使用的工艺逻辑沉淀成可靠模板;让工程检查和测试更自动化;把项目交付过程从依赖个人经验变成可以复现的工作流。

未来的优秀PLC工程师仍然需要理解电气原理、机械动作和现场工艺,但会更擅长把这些知识转化成规则、测试和可验证的工程资产。

五、评价工业AI,不能只看它写得有多快

如果让两套AI系统各生成一份PLC程序,最简单的比较是看谁先写完。但这对真实项目帮助有限。更合理的指标是:生成结果有多少可以直接进入原生工程?第一次编译通过率是多少?经过几轮修复才能通过?异常场景的行为是否正确?最终验证能否由另一个工程师独立复现?

还要统计失败。工具没有真正执行、日志丢失、编译结果来自旧工程、版本不匹配,这些情况都应该明确标记为未知或未执行,而不是显示一个绿色对勾。

工业AI的价值不会由一张炫酷的对话界面决定。它最终要回到设备、项目和交付结果上。程序写得快,是效率;能证明程序在正确的工程环境下按预期运行,才是工程能力。

这也是为什么,面对工业AI的新一轮投入,PLC工程师不必只关注哪个模型更强。更值得关注的是:如何让自己的工程经验变成可复用的知识、可测试的规则和可追溯的验证结果。谁能把这些能力真正用到现场,谁就更有可能从这一轮技术变化中受益。


参考资料




上一篇:树莓派 Pico 开源项目:Pico.Lab 变身嵌入式多功能调试工具,支持 Web 端示波与逻辑分析
下一篇:NVIDIA 621.24 驱动发布:新增 DLSS 5 支持及燕云十六声适配
您需要登录后才可以回帖 登录 | 立即注册

关闭

站长推荐上一条 /1 下一条

手机版|小黑屋|网站地图|云栈社区 ( 苏ICP备2022046150号-2 )

GMT+8, 2026-11-17 10:02 , Processed in 0.066353 second(s), 41 queries , Gzip On.

Powered by Discuz! X3.5

© 2025-2026 云栈社区.

快速回复 返回顶部 返回列表