作為全球頂級工業貿易展會，2025 漢諾威工業博覽會已于 4 月落下帷幕，但其展示的最新工業物聯網技術(shu)趨勢卻在持續對產(chan)業(ye)產(chan)生(sheng)著深遠影(ying)響(xiang)。
此前，知名物聯網市場研究(jiu)機構 IoT Analytics 派出 20 名團隊成(cheng)員深入漢(han)諾威實地，走訪了 400 多(duo)個展(zhan)位，進行了 300 多(duo)次個人訪談，并將這一切匯(hui)總成(cheng)洞察報告，于近日發(fa)布。
壞消息是——2025 年漢諾威工業博覽會并未帶來任何全新且突破性的技術突圍；好消息是——它展現了一場由人工智能引領的(de)(de)變革，貫穿了從研(yan)發(fa)、制造到服(fu)務(wu)和(he)運(yun)營的(de)(de)整個制造生(sheng)命周期。IoT Analytics 的(de)(de)市場(chang)研(yan)究表明，GenAI 的(de)(de)出現(xian)在(zai)過去兩(liang)年中推動了人(ren)(ren)工(gong)(gong)智(zhi)能(neng)采用率的(de)(de)提高，而(er)(er)如今，人(ren)(ren)工(gong)(gong)智(zhi)能(neng)首(shou)次在(zai)展會現(xian)場(chang)清晰可見(jian)(jian)，向更智(zhi)能(neng)邊緣的(de)(de)轉變也顯(xian)(xian)而(er)(er)易見(jian)(jian)；更值得關(guan)注的(de)(de)是(shi)，代理型(xing)人(ren)(ren)工(gong)(gong)智(zhi)能(neng)（Agentic AI）顯(xian)(xian)然是(shi)產業下一個重大事(shi)件，盡管這可能(neng)還(huan)需(xu)要幾年時間。
本文將綜合 IoT Analytics 研究(jiu)報告(gao)和(he)網(wang)絡公開資料(liao)，分享最新的工業智能風向。
趨勢一：生成式人工智能已全面融入工業軟件
在(zai)去年的漢諾威上工(gong)博(bo)會上，生成(cheng)式人工(gong)智能（GenAI）就已是工(gong)業圈熱議焦點。不過，雖然備受(shou)矚目，但其推廣之路仍任重道(dao)遠。調(diao)研發現，在(zai)去年的所有(you)生成(cheng)式 AI 展示中，有(you) 30% 聚焦于編碼領(ling)域，其中 PLC 編程是最常見的應用場景。
今年，情況發生了明顯(xian)變化，GenAI 已在工業(ye)(ye)軟(ruan)件領域實(shi)現(xian)全(quan)面嵌入(ru)。它不(bu)再(zai)只是(shi)產業(ye)(ye)界的(de)(de)(de)流行語，而是(shi)成(cheng)為各大(da)工業(ye)(ye)軟(ruan)件產品組合中(zhong)的(de)(de)(de)常見功能。幾乎所有領先(xian)的(de)(de)(de)軟(ruan)件廠商都展示(shi)了集成(cheng) GenAI 的(de)(de)(de)功能，多數為聊天機器人和助手類工具，用(yong)(yong)于提升代碼(ma)生成(cheng)、數據分析和用(yong)(yong)戶支持等任務的(de)(de)(de)效率。
例如，德國工(gong)(gong)(gong)業(ye)(ye)(ye)巨頭西(xi)門子展示了約 20 款覆蓋制造(zao)生命周期各階段的(de)(de)工(gong)(gong)(gong)業(ye)(ye)(ye)助(zhu)手(shou)（Copilot）——從設計(ji)與規劃(hua)（如 NX 中(zhong)(zhong)的(de)(de) Design Copilot、Teamcenter Easy Plan 中(zhong)(zhong)的(de)(de) Planning Copilot），到運(yun)營環節（如 Insights Hub 中(zhong)(zhong)的(de)(de)Production Copilot）。此外，西(xi)門子還攜手(shou)微軟在 Azure 平臺(tai)上共同開發(fa)首(shou)個(ge)基于(yu)行業(ye)(ye)(ye)特定(ding)數(shu)(shu)據的(de)(de)工(gong)(gong)(gong)業(ye)(ye)(ye)基礎(chu)模(mo)型（IFM）。IFM 能(neng)夠處理(li)和語義理(li)解包(bao)括三維(wei)模(mo)型、二維(wei)圖紙、工(gong)(gong)(gong)業(ye)(ye)(ye)數(shu)(shu)據與技(ji)術(shu)規范在內的(de)(de)多(duo)維(wei)工(gong)(gong)(gong)業(ye)(ye)(ye)信息，進而生成基于(yu)數(shu)(shu)據的(de)(de)智能(neng)建議。這(zhe)一創(chuang)新(xin)將顯(xian)著加(jia)速(su)人工(gong)(gong)(gong)智能(neng)解決方(fang)案(an)在工(gong)(gong)(gong)業(ye)(ye)(ye)場景(jing)中(zhong)(zhong)的(de)(de)落地應(ying)用，有(you)效緩解技(ji)術(shu)工(gong)(gong)(gong)人短缺問(wen)題。
與(yu)此(ci)同時，總部位(wei)于瑞士的(de)工業自動化巨頭 ABB 展示了其(qi)(qi) Genix Copilot，具備自然語言診斷(duan)和車間(jian)(jian)輔助功(gong)能。ABB 已(yi)將 Genix 嵌入其(qi)(qi)資產性能管理平臺和“My Measurement Assistant+”系統(tong)中，使用戶(hu)能夠通過對話式提示與(yu)儀表數據交互。系統(tong)會給(gei)出(chu)可執行(xing)的(de)建議(yi)，例如故障排查(cha)步驟和文檔鏈接，旨在減少設(she)備停機時間(jian)(jian)并加快決策速度。
My Measurement Assistant+ 應用程序中的 ABB Genix Copilot 為用戶提供建議和指導
（來源：2025 年漢諾威工博會）
趨勢二：Agentic AI 嶄露頭角，但仍處于早期階段
AI 經歷(li)了(le)感(gan)知 AI、生成(cheng)式 AI 階段后，現在進入了(le)代理型 AI （Agentic AI）階段，2025 年，則是被(bei)諸多科(ke)技大佬(lao)們視(shi)為 Agentic AI 元(yuan)年。在這股風(feng)潮下，Agentic AI 的熱風(feng)也刮到了(le)工業圈。
不(bu)過(guo)，對(dui)于“保守嚴謹”的(de)工(gong)業界而言，Agentic AI 仍更多體現為“愿(yuan)景”，而非“現實”。不(bu)少(shao)主流軟件或云供應商在(zai)其(qi)展位宣(xuan)傳(chuan)中都強調了“代理型”功能。然而，大多數演示(shi)都停(ting)留在(zai)相對(dui)簡單的(de)自(zi)動化(hua)階段，例(li)如自(zi)主數據檢索或預(yu)定(ding)義工(gong)作流執行(xing)，而非真正基于代理的(de)自(zi)主性。
另一個問題(ti)是(shi)多(duo)智能體(ti)框架展(zhan)現出潛(qian)力，但(dan)成(cheng)熟度不足。超(chao)大(da)規模(mo)云(yun)服(fu)務商 hyperscaler 與獨(du)立軟件廠商 ISV 展(zhan)示了他們在(zai)構建多(duo)智能體(ti)框架方面的(de)初步嘗試(shi)，通常將大(da)型(xing)語言模(mo)型(xing)（LLM）視(shi)為模(mo)塊化(hua) AI 子代理的(de)編排(pai)器。這類(lei)架構展(zhan)現出整合數(shu)據語境理解、故障診斷分析以(yi)及生成(cheng)型(xing)決策建議的(de)潛(qian)力，但(dan)目前仍(reng)處于早期探索階段，缺乏實際應(ying)用(yong)驗證。
來自印度的工(gong)程技術(shu)解決方(fang)案公司 Tridiagonal 與 AWS 共同展示了一(yi)個(ge)面向(xiang)工(gong)業維護場景的代理式 AI 框架。該演(yan)示中包含多(duo)個(ge)模(mo)塊化(hua)智(zhi)能(neng)體(ti)（agentic AI accelerators），涵蓋數據采集、根因診斷和任(ren)務響(xiang)應等功(gong)能(neng)，由一(yi)個(ge)語境化(hua)的流程進行編排(pai)。盡管該架構在未(wei)來有望(wang)發展為(wei)可擴展、跨功(gong)能(neng)協(xie)同的多(duo)智(zhi)能(neng)體(ti)系統，但當(dang)前仍主(zhu)要聚焦于如設備故障排(pai)查等有限場景，整體(ti)仍處于概念驗(yan)證（PoC）階(jie)段。
如果將(jiang)(jiang)(jiang)目(mu)光(guang)不只放在(zai)漢諾(nuo)威工(gong)博會(hui)，我(wo)們(men)將(jiang)(jiang)(jiang)看到(dao)有(you)關于工(gong)業(ye)(ye)(ye) Agentic AI 的(de)更多進(jin)展。在(zai) 2025 年全球自動化大會(hui)（Automate2025）上，西(xi)門(men)子(zi)(zi)宣布推出全新工(gong)業(ye)(ye)(ye) AI 智(zhi)(zhi)能(neng)體（Industrial AI agents），預計(ji)將(jiang)(jiang)(jiang)為(wei)工(gong)業(ye)(ye)(ye)企業(ye)(ye)(ye)帶來(lai)高達(da) 50% 的(de)生產(chan)效率提(ti)升。與傳統的(de) AI 助(zhu)手只能(neng)響應指令(ling)不同，西(xi)門(men)子(zi)(zi)的(de)新型工(gong)業(ye)(ye)(ye) AI 智(zhi)(zhi)能(neng)體具備自主(zhu)神經中樞功能(neng)，其核(he)心(xin)的(de)“智(zhi)(zhi)能(neng)指揮家”系統能(neng)夠像經驗豐富的(de)工(gong)匠大師，靈活調度(du)各類(lei)專業(ye)(ye)(ye) AI 代(dai)理(li)協同作業(ye)(ye)(ye)。為(wei)了進(jin)一步加速應用和創新，西(xi)門(men)子(zi)(zi)還計(ji)劃在(zai) Xcelerator Marketplace 上創建一個工(gong)業(ye)(ye)(ye) AI 代(dai)理(li)市(shi)場中心(xin)，該市(shi)場將(jiang)(jiang)(jiang)使客戶(hu)不僅(jin)可以訪問西(xi)門(men)子(zi)(zi)自有(you)的(de) AI 代(dai)理(li)，還可以訪問第三方開發的(de) AI 代(dai)理(li)。
真正的多智能(neng)體協作(zuo)尚(shang)需(xu)數(shu)年——工業應用場景(jing)尚(shang)不明確，智能(neng)體之間缺乏互操作(zuo)性，以及安全性、錯誤處理與調試機制仍(reng)未(wei)完(wan)善，這些問題都在一定(ding)程(cheng)度上(shang)拖慢(man)了 Agentic AI 的落(luo)地(di)進程(cheng)。盡管如此，多數(shu)廠商仍(reng)將 Agentic AI定(ding)位為長期戰(zhan)略機會(hui)。
趨勢三：邊緣計算創新與變革顯著
邊緣計算/邊緣智能多年來都是工(gong)(gong)業(ye)界的(de)(de)(de)(de)(de)常青話題(ti)，不過，由于(yu) AI 技(ji)術(shu)(shu)的(de)(de)(de)(de)(de)爆火，使得(de)完整的(de)(de)(de)(de)(de) AI 堆棧(zhan)即將走向邊緣(yuan)。 工(gong)(gong)業(ye)邊緣(yuan)計(ji)算正從以往的(de)(de)(de)(de)(de)獨立硬件設備(bei)(bei)演變為(wei)(wei)集成(cheng)化的(de)(de)(de)(de)(de) AI 軟(ruan)件技(ji)術(shu)(shu)棧(zhan)，使得(de)“運行在(zai)邊緣(yuan)”的(de)(de)(de)(de)(de)人工(gong)(gong)智(zhi)能能夠具(ju)備(bei)(bei)更(geng)強的(de)(de)(de)(de)(de)本(ben)地處理能力(li)、更(geng)高的(de)(de)(de)(de)(de)響應(ying)速度(du)、更(geng)強的(de)(de)(de)(de)(de)合規(gui)保障(zhang)，并實(shi)現(xian)與業(ye)務流(liu)程的(de)(de)(de)(de)(de)深度(du)融(rong)合。這類(lei) AI 技(ji)術(shu)(shu)棧(zhan)涵蓋模型訓練、部署、推(tui)理執(zhi)行及(ji)機器學習(xi)運維（MLOps）等工(gong)(gong)具(ju)，專為(wei)(wei)工(gong)(gong)業(ye)場景優化，從而在(zai)邊緣(yuan)側實(shi)現(xian)完整的(de)(de)(de)(de)(de) AI 生命周期管理。
例如，德國工業(ye)傳動與(yu)(yu)(yu)控制技術(shu)公司博(bo)(bo)世力士樂展(zhan)示了其 ctrlX AUTOMATION 平臺，支持通過 ctrlX CORE 與(yu)(yu)(yu) ctrlX OS 在(zai)邊緣側部署(shu) AI 模(mo)型(xing)(xing)，底層采(cai)用 ONNX runtime 與(yu)(yu)(yu) Docker 容器技術(shu)。博(bo)(bo)世還與(yu)(yu)(yu)美國視覺(jue) AI 公司 LandingAI 合(he)作(zuo)，將其免編(bian)碼模(mo)型(xing)(xing)訓(xun)練(lian)平臺 LandingLens 集(ji)成到 ctrlX 平臺中，從而實現面向具體(ti)工業(ye)場景的(de)視覺(jue)模(mo)型(xing)(xing)訓(xun)練(lian)、部署(shu)與(yu)(yu)(yu)工作(zuo)流集(ji)成。
與(yu)此同時，視(shi)(shi)覺-語言(yan)模(mo)(mo)型（VLM）加速(su)向低時延邊緣部署轉移。 VLM 正從以云為中心(xin)的(de)(de)部署架構，演變(bian)為模(mo)(mo)塊化、適配邊緣的(de)(de)設計架構。這類模(mo)(mo)型可在(zai)本地(di)實(shi)現實(shi)時、低延遲的(de)(de)推理計算，無需依賴云端連接。美國(guo) IT 與(yu)服(fu)務科技公司戴爾聯合(he)英偉達(da)與(yu)軟件顧問服(fu)務公司 SoftServe，共同展示了(le)一(yi)套先進的(de)(de)本地(di)視(shi)(shi)頻(pin)搜索與(yu)摘要系統(tong)(tong)，利用 VLM 與(yu) LLM 實(shi)現目標(biao)識別(bie)、狀態分類與(yu)運營(ying)分析等功能(neng)。系統(tong)(tong)運行于搭 載(zai)NVIDIA GPU 的(de)(de)戴爾 PowerEdge 服(fu)務器上，所有數據均在(zai)本地(di)處理，保(bao)障(zhang)性能(neng)與(yu)數據安(an)全。
戴爾、英偉達與 SoftServe 聯合展示的邊緣側視覺語言模型（VLM）AI 應用，用于水果品質檢測與 OEE 監測
（來源：2025 年漢諾威工博會）
趨勢四：DataOps 平臺需求旺盛，且正在向更高層次發展
數(shu)字化時代，數(shu)據(ju)已成為(wei)企(qi)業最寶(bao)貴的(de)資產之一。隨著(zhu)數(shu)據(ju)量的(de)爆炸性增長，企(qi)業面臨(lin)著(zhu)如何有效(xiao)管理和利用這些數(shu)據(ju)的(de)挑(tiao)(tiao)戰。DataOps，或數(shu)據(ju)運(yun)營(ying)，應運(yun)而生，旨(zhi)(zhi)在(zai)解決(jue)這一挑(tiao)(tiao)戰。DataOps 是一種(zhong)自(zi)動化和流程化的(de)方法，旨(zhi)(zhi)在(zai)提高數(shu)據(ju)分析的(de)質量和效(xiao)率。它借鑒(jian)了(le) DevOps（開發運(yun)營(ying)）的(de)理念，強調(diao)跨部門協(xie)作、快速迭代和持續(xu)改進。
此前(qian)，DataOps 平(ping)臺(tai)的(de)核心能力(li)主要集中(zhong)在數(shu)據(ju)(ju)集成、語境化處理與建模(mo)等方面。然而(er)，領先(xian)的(de) DataOps 平(ping)臺(tai)正在不(bu)斷擴(kuo)展(zhan)(zhan)功能邊界，逐步(bu)成為工業(ye) AI 的(de)關(guan)鍵支(zhi)(zhi)撐工具(ju)——其重要性(xing)之高，以至于 IoT Analytics 團隊觀(guan)察到，在本屆展(zhan)(zhan)會上，工業(ye) DataOps 廠商的(de)展(zhan)(zhan)臺(tai)成為觀(guan)眾訪問最頻繁的(de)區域之一。比(bi)如，來自美國的(de)工業(ye) DataOps 平(ping)臺(tai)供應商 Litmus Automation 展(zhan)(zhan)示(shi)了其在邊緣(yuan)側支(zhi)(zhi)持 AI 模(mo)型(xing)(xing)生命(ming)周期(qi)管(guan)理的(de)能力(li)，可實現 AI 模(mo)型(xing)(xing)的(de)實時部署與更新，貼(tie)近數(shu)據(ju)(ju)源(yuan)運(yun)行，從(cong)而(er)提升(sheng)響應速度并降低對云的(de)依賴。
同(tong)時，數(shu)據治(zhi)理正成(cheng)(cheng)(cheng)為 DataOps 領域的(de)(de)標配(pei)。 無論是來自 IT 領域的(de)(de)廠商，還是原生于 OT 場(chang)景的(de)(de)企(qi)業(ye)，都在(zai)推出具備數(shu)據治(zhi)理能力的(de)(de)工(gong)具。這些解(jie)決(jue)方案支(zhi)持 GDPR 等(deng)法規合規，提供數(shu)據追蹤、可觀(guan)測(ce)性(xing)增(zeng)強(qiang)等(deng)功能。總(zong)部(bu)位(wei)于瑞典的(de)(de)流(liu)(liu)數(shu)據分(fen)析(xi)與(yu)(yu)集成(cheng)(cheng)(cheng)軟件公司 Crosser 展示了(le)其從邊緣到云的(de)(de)先進(jin)編排平臺(tai)，聚焦流(liu)(liu)式(shi)分(fen)析(xi)與(yu)(yu)實時數(shu)據處理。該(gai)平臺(tai)旨在(zai)促進(jin)數(shu)據流(liu)(liu)的(de)(de)集成(cheng)(cheng)(cheng)與(yu)(yu)落(luo)地運營，助力制造(zao)企(qi)業(ye)構建低延(yan)遲、高可靠(kao)性(xing)的(de)(de) AI 驅動(dong)工(gong)作流(liu)(liu)。
Crosser 通(tong)過 Flow Studio 實(shi)現 FlowWatch 數(shu)據治(zhi)理流程(cheng)(cheng)優化：外部 API 獲取的(de)數(shu)據首先會根據 JSON 架構進(jin)(jin)行校(xiao)驗，若符合規范(fan)則寫入(ru)數(shu)據庫，若不符合則通(tong)過 Slack 通(tong)知數(shu)據工(gong)程(cheng)(cheng)團隊進(jin)(jin)行處理
（來源：Crosser）
趨勢五：人工智能的數字線程正在改變設計和工程
展會上，設計與工程(cheng)軟件(jian)廠(chang)商強調，數字主線（Digital Thread）通過(guo)貫(guan)穿(chuan)產品全(quan)生(sheng)命周期（從初步設計到(dao)生(sheng)產再到(dao)運維）的數據連續性(xing)，正在重塑工程(cheng)流程(cheng)。
例如，西門(men)子推出(chu)了下一代數(shu)字(zi)主線(xian)解(jie)決(jue)方(fang)案 DxC，該方(fang)案構(gou)建于資(zi)產(chan)(chan)管(guan)理殼（AAS, Asset Administration Shell）標準之上。DxC 可(ke)(ke)跨多個(ge) AAS 服(fu)務器集中發(fa)現產(chan)(chan)品與(yu)資(zi)產(chan)(chan)數(shu)據(ju)，并(bing)直(zhi)接(jie)將其映射(she)至(zhi)西門(men)子的(de) PLM 平(ping)臺 Teamcenter，構(gou)建統一的(de)數(shu)據(ju)層，工程(cheng)師可(ke)(ke)在無需切換系統的(de)情(qing)況下搜索、調用與(yu)使用數(shu)字(zi)資(zi)產(chan)(chan)信息。值得注(zhu)意的(de)是(shi)，DxC 還支(zhi)持(chi) LLM 能力，可(ke)(ke)從非結構(gou)化技術文檔中自動生成 AAS 條目(mu)，大幅降低(di)人(ren)工錄入(ru)成本。
與此同時，美國(guo)工程(cheng)(cheng)設計軟(ruan)件(jian)公司(si) Autodesk 的 Project Bernini 項目展示了 AI 如何(he)重塑(su)早期設計流(liu)程(cheng)(cheng)。這一(yi)實驗(yan)性生成(cheng)式 AI 模型(xing)可將(jiang)文本提示、圖(tu)像或(huo)點云等輸入轉(zhuan)換為三維形狀，提供一(yi)種更(geng)快速、更(geng)靈(ling)活的產品概念生成(cheng)方式。它體現了更(geng)廣(guang)泛的“多模態設計”趨勢(shi)，即(ji)工程(cheng)(cheng)師可通過自然(ran)語言、視(shi)覺(jue)提示和手勢(shi)等多元方式與設計軟(ruan)件(jian)交互。
趨勢六：預測性維護日趨傳感器化，并拓展至以往被忽視的資產類別
展(zhan)會上，多家預測性維護 (PdM) 廠商展(zhan)示了(le)集成(cheng)定制硬件與專用分析模型的系統(tong)，而非純粹的軟件解決方案(an)。傳統(tong) PdM 方法以軟件為主，部分廠商依賴部署合作伙伴，另一(yi)些則(ze)打造垂直一(yi)體化(hua)方案(an)以追求簡單(dan)易用和快(kuai)速(su)部署。如今的 PdM 市場日(ri)趨成(cheng)熟(shu)，競(jing)爭焦(jiao)點逐漸轉向傳感器質量、覆蓋范圍和系統(tong)兼容性。
例如，意大(da)利 PdM 解決方案(an)提供商 Fermai 展示了其最新(xin)推出的PdM系(xi)統 Doctor 4.0 平臺，該(gai)平臺由(you) 4 個(ge)嵌入式傳感器(qi)、4 個(ge)外接通道(dao)、一(yi)個(ge)網關及基于云端(duan)的 Web/移動平臺組成。該(gai)方案(an)將(jiang)(jiang)傳感器(qi)數據與 Modbus 實(shi)時控(kong)制結合，強調(diao)“具備(bei)(bei)控(kong)制集(ji)成能力的傳感原(yuan)生系(xi)統”將(jiang)(jiang)在長期內具備(bei)(bei)更高價值(zhi)。
除(chu)了電機、泵等常(chang)見工業(ye)資產(chan)，部(bu)分參展廠(chang)商將(jiang) PdM 的觸角延伸至過去(qu)較少關注(zhu)的部(bu)件(jian)，如螺栓、潤(run)滑系統(tong)及非振動類磨損(sun)指示器。這些(xie)領域(yu)往往是潛在(zai)故(gu)障源(yuan)或(huo)質保爭議的“盲區”，現(xian)在(zai)也正借助專用傳感與 AI 技術被系統(tong)性納入監(jian)測范圍。
例如，總部(bu)位于瑞典的工(gong)業技術公司 StrainLabs 展示了一款支持藍(lan)牙的螺栓傳感器(qi)，該傳感器(qi)可(ke)持續測量內部(bu)應變和(he)溫度。這有助于追蹤預緊(jin)力，并(bing)在松動導致(zhi)關鍵(jian)設備故(gu)障（運(yun)輸和(he)重型機械(xie)等行業的主要成本驅動因素）之前檢測到松動。儀表板(ban)可(ke)根據可(ke)配置的預緊(jin)力閾值(zhi)實現實時監控(kong)和(he)警報。
嵌入 StrainLab 傳感器的一系列螺栓，適用于多種標準螺栓尺寸
（來源：2025 年漢諾威工博會）
趨勢七：5G 專網需求上升，但整合仍是主要障礙
多(duo)家通信(xin)廠商在展會接受采訪(fang)時指出，專用 5G 網絡（Private 5G）在全球多(duo)個(ge)行業(ye)中(zhong)的需(xu)求持續增長(chang)，尤其在美國和亞(ya)洲市場(chang)表(biao)現活躍。然而(er)，由于面臨多(duo)項挑(tiao)戰(zhan)，該技術的普及速度仍未達到最初(chu)預期。
最大的(de)障礙(ai)在于與現有(you)技(ji)術基礎設施(shi)的(de)整(zheng)合難度。廠商(shang)普遍反映，部(bu)署(shu) 5G 專網需(xu)要(yao)對(dui)原有(you)架(jia)構進行(xing)大幅(fu)調(diao)整(zheng)，并構建適配的(de)新生態系統。這(zhe)不僅包括需(xu)要(yao)支持工業(ye)特性(xing)(xing)的(de)專用設備和模塊(kuai)（如路(lu)由器、基站(zhan)、物聯網傳(chuan)感器），還要(yao)求這(zhe)些設備滿足工業(ye)場景下對(dui)低延(yan)遲、高(gao)可(ke)靠性(xing)(xing)和對(dui)舊系統兼容性(xing)(xing)的(de)嚴苛要(yao)求。此(ci)外(wai)，法(fa)規與頻譜許可(ke)等問題也對(dui)部(bu)署(shu)節奏構成制約。
盡管面臨(lin)挑(tiao)戰，5G 專網在實際項目(mu)中的(de)(de)落地仍在不斷(duan)推進(jin)。 比如(ru)諾基亞展示過(guo)一套融合(he)生成(cheng)(cheng)式(shi) AI、邊緣(yuan)(yuan)計算與5G 專網的(de)(de)實時(shi)工業安全(quan)與資產監(jian)測解決方(fang)案(an)。在該演示中，多模態傳感器數據、計算機視(shi)覺(jue)與生成(cheng)(cheng)式(shi) AI 協同工作，用(yong)于識別安全(quan)隱患(huan)并通(tong)過(guo)具備 Agentic 能力的(de)(de)系(xi)統自主觸發應急響應機制(zhi)，引(yin)導現場工人(ren)完成(cheng)(cheng)防護(hu)操作。整個閉環自動(dong)化流(liu)程均在邊緣(yuan)(yuan)端(duan)完成(cheng)(cheng)，無需(xu)依賴云端(duan)，實現本地、實時(shi)、閉環的(de)(de)工業安全(quan)管理。
趨勢八：可(ke)持續(xu)(xu)解(jie)決(jue)方案在 AI 助力下(xia)持續(xu)(xu)演進
AI 能(neng)夠提(ti)升碳排(pai)放可(ke)視化(hua)與(yu)合規效(xiao)率(lv)。 諸如(ru)排(pai)放追蹤系統、碳足(zu)跡管理平臺及 ESG 報告工具等可(ke)持(chi)續發展應(ying)用(yong)，正在(zai)借助人工智能(neng)技術進(jin)行升級。通過 AI，制造企業能(neng)夠實(shi)現更高的(de)數據(ju)可(ke)視性，并(bing)生成更為精準的(de)排(pai)放與(yu)能(neng)耗估算(suan)結果，從而(er)優化(hua)整個(ge)生產流程中的(de)能(neng)源(yuan)使(shi)用(yong)。多個(ge)典型(xing)案例(li)顯示，AI 在(zai)填補數據(ju)缺口(kou)、提(ti)升碳足(zu)跡計算(suan)準確性、以及通過建模與(yu)能(neng)耗預測改善(shan)能(neng)效(xiao)等方(fang)面發揮著(zhu)關鍵作用(yong)。
AI 還被用(yong)于簡化(hua)合規(gui)(gui)申(shen)報(bao)流程，提(ti)升(sheng)跨法規(gui)(gui)標(biao)準的適(shi)配效率。 一個典型例子來自微(wei)軟與埃森哲聯合成(cheng)立的合資企業 Avanade。該公司推出了歐(ou)盟碳邊境調節機制（CBAM）Agent，旨在(zai)優化(hua)排放跟蹤與合規(gui)(gui)申(shen)報(bao)流程。該解決方案(an)集成(cheng)于 Microsoft Cloud for Sustainability 中(zhong)，基于 Microsoft Copilot Studio 和 Azure OpenA 構建，可(ke)自動映射統一的能(neng)耗指標(biao)到(dao)不同(tong)法規(gui)(gui)框架中(zhong)，實現快速(su)響應多地監管要求的智能(neng)化(hua)合規(gui)(gui)。
趨(qu)勢(shi)九：認知(zhi)能(neng)(neng)力賦(fu)能(neng)(neng)機器人
機器人(ren)廠(chang)商正積極將認(ren)知型 AI 與(yu)語音(yin)交互功能(neng)引入其(qi)產(chan)品中，目標是讓用(yong)戶能(neng)通過語音(yin)指(zhi)令與(yu)機器人(ren)協作，而不再(zai)依(yi)賴繁瑣(suo)的(de)(de)手動操作。這一趨勢(shi)有望提升機器人(ren)使用(yong)的(de)(de)靈活性、減(jian)少部(bu)署時間，并降(jiang)低制造與(yu)物流場(chang)景中對專(zhuan)業技能(neng)的(de)(de)依(yi)賴。
例如，德國協作(zuo)機器人(ren)(ren)初創企業 Neura Robotics，最近(jin)為其認知型機器人(ren)(ren) MAiRA 增(zeng)加了語音(yin)指令功能(neng)，使(shi)其能(neng)夠響(xiang)應用(yong)戶的(de)簡單語音(yin)指令。該功能(neng)讓人(ren)(ren)機交互變得更加直觀(guan)，用(yong)戶無需復雜編程(cheng)即(ji)可通過語音(yin)控制(zhi)與(yu)(yu)教學機器人(ren)(ren)，從而顯(xian)著(zhu)提升(sheng)操作(zuo)效率與(yu)(yu)普適(shi)性。
趨勢十：數字孿生從虛擬復制體演進為實時工業副駕駛
數(shu)(shu)(shu)字孿生(sheng)正轉型為(wei) AI 驅動的優化(hua)工(gong)具。 多(duo)家廠商展(zhan)示了數(shu)(shu)(shu)字孿生(sheng)技(ji)術的最新發展(zhan)趨勢，強(qiang)調其已不再只是(shi)設備的靜態數(shu)(shu)(shu)字副本，而是(shi)作為(wei)實時運(yun)行的“副駕駛”，廣泛應用于(yu)運(yun)營輔助、員(yuan)工(gong)培訓與質(zhi)量控制等領域。
例如，德國汽車工程(cheng)服務公司 EDAG Engineering 展示了(le)一款多層級工廠數(shu)字(zi)孿生(sheng)系統，作(zuo)為整個生(sheng)產(chan)生(sheng)命周期中的智能(neng)助手。EDAG 的智能(neng)工廠平臺基于 NVIDIA Omniverse 構建，集成了(le)實時數(shu)據、仿(fang)真和 GenAI，支持 AI 引導維護(hu)、虛擬操作(zuo)員培訓和項(xiang)目(mu)管理(li)支持等用例。
同(tong)時，西門子展示了(le)如何將數字孿生直接用(yong)于實(shi)時優(you)化與(yu)(yu)機器人(ren)訓練。在(zai)德國埃爾(er)朗根的(de)運動(dong)控制工廠，西門子將 NVIDIA Omniverse Replicator 與(yu)(yu)其 Xcelerator 平臺整合(he)(he)，合(he)(he)成(cheng)生成(cheng)用(yong)于機器人(ren)訓練的(de)數據。這些增強型 AI 孿生可仿(fang)真設備行為與(yu)(yu)物料流動(dong)，使企業(ye)在(zai)實(shi)際(ji)改(gai)造產線(xian)之前，就能先(xian)行完(wan)成(cheng)流程驗(yan)證與(yu)(yu)布局優(you)化，大幅提升實(shi)施效率與(yu)(yu)精準(zhun)度。
參考資料：
Top 10 industrial technology trends—as seen at Hannover Messe 2025，Iot-analytics
西門子通過創新與生態合作，加速人工智能賦能產業發展，西門子
西門子宣布推出全新工業AI智能體，搜狐
被熱議的“DataOps”是炒作？，知乎
回顧漢諾威,透視工業AI:生成式AI非萬能,應用落地需時日，物聯網智庫
