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(qu)勢(shi)卻(que)在持續對(dui)產(chan)(chan)業產(chan)(chan)生著深遠影響。
此前，知名(ming)物聯網市場(chang)研究機構(gou) IoT Analytics 派出(chu) 20 名(ming)團隊成員深入漢諾(nuo)威實地，走訪了 400 多個展位，進(jin)行了 300 多次(ci)個人訪談，并將這一切匯總成洞察報告(gao)，于(yu)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(yin)領的(de)(de)變革(ge)，貫穿了從研發(fa)、制造到服務(wu)和運營的(de)(de)整個制造生命周期。IoT Analytics 的(de)(de)市(shi)場研究表明，GenAI 的(de)(de)出現(xian)(xian)在過去兩(liang)年(nian)中推動了人(ren)工(gong)(gong)智(zhi)能(neng)采用率的(de)(de)提高，而如今，人(ren)工(gong)(gong)智(zhi)能(neng)首次在展會現(xian)(xian)場清晰可(ke)見，向更智(zhi)能(neng)邊緣的(de)(de)轉(zhuan)變也顯而易見；更值得關注的(de)(de)是，代理(li)型人(ren)工(gong)(gong)智(zhi)能(neng)（Agentic AI）顯然是產(chan)業(ye)下一(yi)個重大事件，盡管這可(ke)能(neng)還需要幾年(nian)時(shi)間。
本(ben)文將綜(zong)合 IoT Analytics 研究報告和網絡(luo)公開資料，分(fen)享最新(xin)的工(gong)業智能風(feng)向。
趨勢一：生成式人工智能已全面融入工業軟件
在去年(nian)的漢諾(nuo)威上工博(bo)會上，生成式(shi)人工智能（GenAI）就(jiu)已是工業圈熱議焦(jiao)點。不過，雖然(ran)備受矚(zhu)目，但其推廣之(zhi)路仍任重道遠。調研(yan)發(fa)現(xian)，在去年(nian)的所(suo)有生成式(shi) AI 展示中(zhong)，有 30% 聚焦(jiao)于編碼領域(yu)，其中(zhong) PLC 編程是最常見的應(ying)用場景(jing)。
今(jin)年，情況發生(sheng)(sheng)了(le)明顯變化，GenAI 已(yi)在工(gong)業(ye)軟件領(ling)域(yu)實現全(quan)面嵌入(ru)。它不再只是產業(ye)界的流行語，而是成(cheng)為(wei)各大工(gong)業(ye)軟件產品組合(he)中的常見功(gong)能(neng)。幾乎所有領(ling)先的軟件廠商都展示了(le)集(ji)成(cheng) GenAI 的功(gong)能(neng)，多(duo)數為(wei)聊天(tian)機器人和助手(shou)類(lei)工(gong)具，用(yong)于(yu)提升代碼生(sheng)(sheng)成(cheng)、數據(ju)分析(xi)和用(yong)戶支持等任務的效率。
例如(ru)，德國工(gong)(gong)業巨頭西門子展示了(le)約 20 款覆(fu)蓋制(zhi)造生(sheng)命周期(qi)各階(jie)段的(de)工(gong)(gong)業助手（Copilot）——從設計與(yu)規(gui)劃（如(ru) NX 中(zhong)的(de) Design Copilot、Teamcenter Easy Plan 中(zhong)的(de) Planning Copilot），到運(yun)營環節（如(ru) Insights Hub 中(zhong)的(de)Production Copilot）。此外，西門子還攜手微軟在 Azure 平臺上共(gong)同開發首(shou)個基于行業特定(ding)數據的(de)工(gong)(gong)業基礎(chu)模型（IFM）。IFM 能(neng)夠處(chu)理(li)和語義理(li)解(jie)包括三(san)維(wei)模型、二維(wei)圖紙、工(gong)(gong)業數據與(yu)技術規(gui)范(fan)在內的(de)多維(wei)工(gong)(gong)業信息，進而生(sheng)成基于數據的(de)智(zhi)能(neng)建議。這(zhe)一創(chuang)新將顯著加(jia)速人工(gong)(gong)智(zhi)能(neng)解(jie)決方案在工(gong)(gong)業場景中(zhong)的(de)落地應(ying)用，有效(xiao)緩解(jie)技術工(gong)(gong)人短缺問題。
與此(ci)同時，總(zong)部位于瑞士(shi)的(de)工業自動化巨頭 ABB 展示(shi)了(le)其 Genix Copilot，具備(bei)自然(ran)語言診斷和(he)車間輔助功能(neng)。ABB 已(yi)將 Genix 嵌(qian)入其資(zi)產性(xing)能(neng)管理平臺(tai)和(he)“My Measurement Assistant+”系統中，使用戶能(neng)夠通過對(dui)話(hua)式提示(shi)與儀表(biao)數據交互。系統會給(gei)出可執行的(de)建議，例如(ru)故障(zhang)排(pai)查步驟和(he)文檔鏈接，旨(zhi)在減少(shao)設備(bei)停機時間并(bing)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 經歷了(le)感知 AI、生成式 AI 階(jie)段(duan)后(hou)，現在進入了(le)代(dai)理型 AI （Agentic AI）階(jie)段(duan)，2025 年，則(ze)是被諸多科技(ji)大佬們視為 Agentic AI 元年。在這(zhe)股風潮(chao)下(xia)，Agentic AI 的熱風也刮到了(le)工(gong)業圈(quan)。
不過，對于“保(bao)守嚴謹”的(de)工業界而(er)言，Agentic AI 仍更多體(ti)現為(wei)“愿景”，而(er)非“現實”。不少(shao)主流(liu)軟件或云(yun)供應商在其展位宣傳中都(dou)強調(diao)了“代(dai)理(li)型”功能。然(ran)而(er)，大多數(shu)演示都(dou)停(ting)留在相對簡單的(de)自(zi)動(dong)化階段，例如自(zi)主數(shu)據檢索或預定義工作流(liu)執行，而(er)非真(zhen)正基于代(dai)理(li)的(de)自(zi)主性。
另(ling)一個問(wen)題是多智能體框架(jia)展(zhan)現出潛(qian)力，但(dan)成熟度不足。超(chao)大規模(mo)云(yun)服務商(shang) hyperscaler 與獨(du)立軟件(jian)廠商(shang) ISV 展(zhan)示了他們在(zai)構建(jian)多智能體框架(jia)方(fang)面的(de)(de)初步嘗試(shi)，通常將大型(xing)語(yu)言模(mo)型(xing)（LLM）視為模(mo)塊化 AI 子代理(li)的(de)(de)編排(pai)器。這類架(jia)構展(zhan)現出整(zheng)合(he)數據語(yu)境理(li)解、故障診斷分析以及生(sheng)成型(xing)決策建(jian)議的(de)(de)潛(qian)力，但(dan)目前仍處于早期探索階段，缺乏實(shi)際應用(yong)驗證。
來(lai)自印度的(de)工程技術解決(jue)方案公司 Tridiagonal 與(yu) AWS 共同(tong)展示(shi)了一(yi)(yi)個面向工業維護場景(jing)的(de)代理式 AI 框(kuang)架(jia)。該演示(shi)中包含(han)多個模塊(kuai)化智能(neng)體（agentic AI accelerators），涵(han)蓋數據采集、根(gen)因診(zhen)斷(duan)和任務響應等(deng)功能(neng)，由一(yi)(yi)個語境化的(de)流程進行編(bian)排。盡(jin)管(guan)該架(jia)構在未來(lai)有(you)望發展為可擴(kuo)展、跨功能(neng)協同(tong)的(de)多智能(neng)體系統，但當前仍主要(yao)聚焦于(yu)如(ru)設備故(gu)障(zhang)排查等(deng)有(you)限場景(jing)，整(zheng)體仍處于(yu)概念(nian)驗證（PoC）階段(duan)。
如果將(jiang)目光不(bu)只放在漢諾威工(gong)(gong)(gong)博會，我(wo)們將(jiang)看到(dao)有關于(yu)工(gong)(gong)(gong)業(ye)(ye)(ye) Agentic AI 的(de)(de)(de)(de)更多進展(zhan)。在 2025 年全球自(zi)動化大(da)會（Automate2025）上，西門(men)子(zi)宣布推出全新工(gong)(gong)(gong)業(ye)(ye)(ye) AI 智能體(ti)（Industrial AI agents），預計將(jiang)為(wei)工(gong)(gong)(gong)業(ye)(ye)(ye)企業(ye)(ye)(ye)帶來高達(da) 50% 的(de)(de)(de)(de)生產(chan)效率提升。與(yu)傳統的(de)(de)(de)(de) AI 助手(shou)只能響應(ying)指令不(bu)同，西門(men)子(zi)的(de)(de)(de)(de)新型工(gong)(gong)(gong)業(ye)(ye)(ye) AI 智能體(ti)具備自(zi)主神經中樞功能，其核心(xin)(xin)的(de)(de)(de)(de)“智能指揮家”系統能夠(gou)像經驗豐富的(de)(de)(de)(de)工(gong)(gong)(gong)匠大(da)師，靈活(huo)調度各類專(zhuan)業(ye)(ye)(ye) AI 代理(li)協同作業(ye)(ye)(ye)。為(wei)了(le)進一步(bu)加速應(ying)用和創(chuang)新，西門(men)子(zi)還(huan)計劃在 Xcelerator Marketplace 上創(chuang)建一個工(gong)(gong)(gong)業(ye)(ye)(ye) AI 代理(li)市(shi)場(chang)中心(xin)(xin)，該市(shi)場(chang)將(jiang)使客戶不(bu)僅可(ke)以訪問西門(men)子(zi)自(zi)有的(de)(de)(de)(de) AI 代理(li)，還(huan)可(ke)以訪問第三(san)方開發的(de)(de)(de)(de) AI 代理(li)。
真正(zheng)的多智(zhi)能(neng)體協作尚需數(shu)年——工業應(ying)用場景尚不明確，智(zhi)能(neng)體之間缺乏互操作性，以及安全(quan)性、錯誤處理與調試機制(zhi)仍(reng)未完善(shan)，這些問(wen)題都(dou)在一定程度(du)上拖慢了 Agentic AI 的落(luo)地進(jin)程。盡管如(ru)此，多數(shu)廠商仍(reng)將(jiang) Agentic AI定位為長期戰略機會。
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)業(ye)界的(de)(de)(de)常青話題，不過，由于 AI 技(ji)(ji)術(shu)的(de)(de)(de)爆火，使(shi)得(de)完整的(de)(de)(de) AI 堆棧(zhan)(zhan)即(ji)將走向(xiang)邊(bian)緣(yuan)。 工(gong)業(ye)邊(bian)緣(yuan)計算正從以(yi)往的(de)(de)(de)獨立硬件設備(bei)演變(bian)為(wei)(wei)集成化的(de)(de)(de) AI 軟件技(ji)(ji)術(shu)棧(zhan)(zhan)，使(shi)得(de)“運行在邊(bian)緣(yuan)”的(de)(de)(de)人工(gong)智能能夠(gou)具備(bei)更強的(de)(de)(de)本(ben)地處理(li)能力、更高的(de)(de)(de)響應速度(du)(du)、更強的(de)(de)(de)合規保障，并實現與業(ye)務(wu)流程的(de)(de)(de)深度(du)(du)融合。這(zhe)類 AI 技(ji)(ji)術(shu)棧(zhan)(zhan)涵蓋(gai)模型訓練、部(bu)署、推理(li)執(zhi)行及(ji)機器學(xue)習(xi)運維（MLOps）等工(gong)具，專為(wei)(wei)工(gong)業(ye)場景優化，從而在邊(bian)緣(yuan)側實現完整的(de)(de)(de) AI 生(sheng)命周期管理(li)。
例(li)如(ru)，德(de)國(guo)工(gong)業傳動與(yu)控制技(ji)術(shu)公司博世力士樂(le)展示了其(qi) ctrlX AUTOMATION 平臺，支持通過 ctrlX CORE 與(yu) ctrlX OS 在邊緣側部署 AI 模型，底層采用 ONNX runtime 與(yu) Docker 容(rong)器(qi)技(ji)術(shu)。博世還(huan)與(yu)美國(guo)視覺 AI 公司 LandingAI 合作，將其(qi)免編碼(ma)模型訓練平臺 LandingLens 集(ji)(ji)成(cheng)(cheng)到 ctrlX 平臺中，從而(er)實現面向(xiang)具(ju)體工(gong)業場(chang)景的視覺模型訓練、部署與(yu)工(gong)作流集(ji)(ji)成(cheng)(cheng)。
與此同時，視覺-語言模型（VLM）加(jia)速向低時延(yan)(yan)邊緣(yuan)部署轉移。 VLM 正從以云為(wei)中心(xin)的(de)部署架構，演變為(wei)模塊化、適配邊緣(yuan)的(de)設計架構。這類模型可在本地實現實時、低延(yan)(yan)遲的(de)推理計算，無需依賴(lai)云端(duan)連接(jie)。美國 IT 與服務科技公司(si)戴爾(er)(er)聯合英偉(wei)達與軟件顧(gu)問(wen)服務公司(si) SoftServe，共同展示(shi)了一套先(xian)進的(de)本地視頻搜索與摘(zhai)要系統，利用 VLM 與 LLM 實現目標識別(bie)、狀態分(fen)類與運營分(fen)析等功能。系統運行(xing)于搭 載NVIDIA GPU 的(de)戴爾(er)(er) PowerEdge 服務器上，所有(you)數(shu)據均在本地處理，保障性能與數(shu)據安全。
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)(shu)(shu)字化時代，數(shu)(shu)(shu)據(ju)(ju)(ju)已成為企業(ye)最寶貴的(de)資(zi)產(chan)之一。隨著數(shu)(shu)(shu)據(ju)(ju)(ju)量的(de)爆炸(zha)性增(zeng)長，企業(ye)面臨(lin)著如何有效管(guan)理和(he)利用(yong)這(zhe)些數(shu)(shu)(shu)據(ju)(ju)(ju)的(de)挑(tiao)戰。DataOps，或數(shu)(shu)(shu)據(ju)(ju)(ju)運營，應運而生，旨在解(jie)決這(zhe)一挑(tiao)戰。DataOps 是一種自動化和(he)流程(cheng)化的(de)方法，旨在提高數(shu)(shu)(shu)據(ju)(ju)(ju)分析的(de)質量和(he)效率。它(ta)借鑒了 DevOps（開發(fa)運營）的(de)理念，強調跨部(bu)門協作、快(kuai)速迭代和(he)持續改進。
此前，DataOps 平臺(tai)的(de)(de)核心能(neng)力主要集中在數(shu)據集成、語境化(hua)處理與建模等方面。然而，領先(xian)的(de)(de) DataOps 平臺(tai)正在不斷擴展功(gong)能(neng)邊(bian)界，逐步成為工業 AI 的(de)(de)關鍵(jian)支撐工具——其重要性之高，以至于(yu) IoT Analytics 團隊觀察到(dao)，在本屆展會上，工業 DataOps 廠商(shang)的(de)(de)展臺(tai)成為觀眾(zhong)訪問(wen)最頻(pin)繁(fan)的(de)(de)區域之一。比(bi)如，來(lai)自(zi)美國的(de)(de)工業 DataOps 平臺(tai)供應(ying)(ying)商(shang) Litmus Automation 展示了其在邊(bian)緣側(ce)支持 AI 模型生命(ming)周期(qi)管理的(de)(de)能(neng)力，可實現 AI 模型的(de)(de)實時部署(shu)與更新，貼(tie)近數(shu)據源運行，從而提升響應(ying)(ying)速度并降低對(dui)云的(de)(de)依(yi)賴(lai)。
同時，數(shu)(shu)據治理(li)正(zheng)成(cheng)為 DataOps 領(ling)域(yu)的(de)(de)(de)(de)標(biao)配。 無論是來自(zi) IT 領(ling)域(yu)的(de)(de)(de)(de)廠商，還(huan)是原(yuan)生于(yu) OT 場景的(de)(de)(de)(de)企(qi)(qi)業(ye)，都在推出具備數(shu)(shu)據治理(li)能力的(de)(de)(de)(de)工(gong)具。這些解決方(fang)案支持 GDPR 等(deng)法規(gui)合(he)規(gui)，提供數(shu)(shu)據追(zhui)蹤、可觀測性增強等(deng)功(gong)能。總(zong)部位(wei)于(yu)瑞典的(de)(de)(de)(de)流(liu)(liu)數(shu)(shu)據分(fen)析(xi)與集成(cheng)軟(ruan)件公(gong)司 Crosser 展示(shi)了其從邊(bian)緣(yuan)到云的(de)(de)(de)(de)先進編排平臺，聚焦流(liu)(liu)式分(fen)析(xi)與實(shi)時數(shu)(shu)據處理(li)。該平臺旨在促進數(shu)(shu)據流(liu)(liu)的(de)(de)(de)(de)集成(cheng)與落地運(yun)營，助力制(zhi)造企(qi)(qi)業(ye)構建低延遲(chi)、高可靠性的(de)(de)(de)(de) AI 驅(qu)動工(gong)作流(liu)(liu)。
Crosser 通過 Flow Studio 實現 FlowWatch 數據(ju)(ju)治理流程優化：外(wai)部 API 獲取的數據(ju)(ju)首先會(hui)根據(ju)(ju) JSON 架構進(jin)行校驗，若符(fu)合規范則(ze)寫入數據(ju)(ju)庫(ku)，若不符(fu)合則(ze)通過 Slack 通知數據(ju)(ju)工(gong)程團(tuan)隊進(jin)行處理
（來源(yuan)：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(shang)，設計(ji)與工程(cheng)軟(ruan)件(jian)廠商(shang)強調，數字(zi)主線（Digital Thread）通過貫穿產品全生命周期（從初步設計(ji)到生產再到運維）的數據連(lian)續性，正在重塑工程(cheng)流(liu)程(cheng)。
例如，西門(men)子(zi)推出了下(xia)一代數(shu)(shu)字主線解決(jue)方案 DxC，該方案構(gou)建于資產管理(li)殼（AAS, Asset Administration Shell）標準(zhun)之上。DxC 可(ke)(ke)跨多個 AAS 服務器集(ji)中(zhong)發(fa)現產品與資產數(shu)(shu)據，并直接將其映射(she)至西門(men)子(zi)的(de) PLM 平臺 Teamcenter，構(gou)建統(tong)(tong)一的(de)數(shu)(shu)據層，工(gong)程師可(ke)(ke)在(zai)無需切換系(xi)統(tong)(tong)的(de)情況下(xia)搜索(suo)、調用與使(shi)用數(shu)(shu)字資產信(xin)息。值(zhi)得注意的(de)是，DxC 還(huan)支持 LLM 能力，可(ke)(ke)從非結構(gou)化(hua)技術(shu)文檔(dang)中(zhong)自動(dong)生(sheng)成 AAS 條目，大幅降低人工(gong)錄入成本。
與此同時，美國工程(cheng)設計(ji)軟(ruan)件(jian)公司 Autodesk 的 Project Bernini 項目展示(shi)了(le) AI 如何重(zhong)塑早期設計(ji)流程(cheng)。這一(yi)實(shi)驗性(xing)生成式 AI 模型可將文本(ben)提示(shi)、圖(tu)像(xiang)或點云等輸入(ru)轉(zhuan)換為(wei)三維形(xing)狀(zhuang)，提供一(yi)種更(geng)快(kuai)速、更(geng)靈活的產品(pin)概(gai)念生成方(fang)(fang)式。它體現了(le)更(geng)廣(guang)泛的“多(duo)模態(tai)設計(ji)”趨勢，即工程(cheng)師(shi)可通過自然(ran)語言、視覺提示(shi)和(he)手勢等多(duo)元方(fang)(fang)式與設計(ji)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(xing)維護(hu) (PdM) 廠(chang)商(shang)展(zhan)示(shi)了(le)集成(cheng)定制硬件與專用(yong)分析模型的系(xi)統，而非純粹的軟件解決方(fang)(fang)案(an)。傳統 PdM 方(fang)(fang)法(fa)以軟件為主，部分廠(chang)商(shang)依賴部署(shu)合作伙伴(ban)，另一(yi)些則打造垂直(zhi)一(yi)體化方(fang)(fang)案(an)以追求簡單易用(yong)和快速部署(shu)。如今的 PdM 市場日趨成(cheng)熟，競爭焦(jiao)點(dian)逐漸轉(zhuan)向傳感器質量(liang)、覆(fu)蓋范圍和系(xi)統兼容(rong)性(xing)。
例(li)如，意(yi)大利 PdM 解決方案(an)提供(gong)商 Fermai 展(zhan)示(shi)了其最新推出(chu)的(de)PdM系(xi)統 Doctor 4.0 平臺，該平臺由 4 個(ge)嵌入式傳(chuan)感(gan)(gan)器(qi)、4 個(ge)外接通道、一個(ge)網關及基(ji)于(yu)云(yun)端的(de) Web/移動平臺組(zu)成(cheng)。該方案(an)將傳(chuan)感(gan)(gan)器(qi)數據與 Modbus 實時控制結合，強調(diao)“具備控制集成(cheng)能力(li)的(de)傳(chuan)感(gan)(gan)原生(sheng)系(xi)統”將在長(chang)期內(nei)具備更高價值。
除了電機、泵等常見工業資產(chan)，部分參展廠商將 PdM 的觸角延伸至過去較少(shao)關注(zhu)的部件，如螺栓、潤滑系(xi)統及(ji)非(fei)振動類磨損指示器。這些領(ling)域往往是潛在(zai)故障源(yuan)或質保(bao)爭議的“盲區”，現在(zai)也(ye)正借助專(zhuan)用(yong)傳感(gan)與 AI 技術被系(xi)統性納入監測(ce)范圍。
例如，總部(bu)位于(yu)瑞典的(de)工業技術公(gong)司(si) StrainLabs 展示了(le)一款支持藍牙的(de)螺(luo)栓傳(chuan)感器，該傳(chuan)感器可持續測量(liang)內部(bu)應變和(he)溫度。這有助(zhu)于(yu)追蹤(zong)預(yu)緊力，并在松(song)動(dong)導致關鍵設備故障（運輸和(he)重型機械等行業的(de)主要成本驅動(dong)因素）之前檢測到(dao)松(song)動(dong)。儀表板可根據可配置的(de)預(yu)緊力閾值實現(xian)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)家通信廠商在(zai)展會接受(shou)采(cai)訪時指出，專用(yong) 5G 網絡（Private 5G）在(zai)全(quan)球(qiu)多(duo)個行(xing)業中的(de)需求(qiu)持續增長，尤其在(zai)美國和亞洲市(shi)場表現活躍(yue)。然而，由于面(mian)臨多(duo)項挑戰，該技術的(de)普及速度仍未(wei)達到最初(chu)預(yu)期。
最大的障礙在于(yu)與現有技術基(ji)礎設施(shi)的整合難(nan)度。廠(chang)商普遍反映，部署(shu) 5G 專網(wang)需(xu)要(yao)(yao)對(dui)原(yuan)有架(jia)構進行大幅調整，并構建適配的新生態系統(tong)。這(zhe)不僅包括需(xu)要(yao)(yao)支持工(gong)業(ye)特性的專用設備和(he)模塊（如路由(you)器(qi)、基(ji)站、物聯網(wang)傳感器(qi)），還要(yao)(yao)求這(zhe)些設備滿足工(gong)業(ye)場景下對(dui)低延遲、高可(ke)靠性和(he)對(dui)舊系統(tong)兼(jian)容性的嚴苛要(yao)(yao)求。此(ci)外，法規與頻譜許(xu)可(ke)等問題也對(dui)部署(shu)節奏(zou)構成制(zhi)約(yue)。
盡管面臨挑戰，5G 專(zhuan)(zhuan)網在實(shi)際(ji)項目中的落(luo)地(di)仍在不斷推進。 比如諾基(ji)亞(ya)展(zhan)示(shi)過(guo)一套融合生成式 AI、邊緣(yuan)(yuan)計算與(yu)5G 專(zhuan)(zhuan)網的實(shi)時工(gong)業安(an)(an)全(quan)(quan)與(yu)資產(chan)監(jian)測解決方案。在該演(yan)示(shi)中，多模(mo)態傳感器數據(ju)、計算機視(shi)覺(jue)與(yu)生成式 AI 協同工(gong)作，用于識別安(an)(an)全(quan)(quan)隱患并(bing)通過(guo)具(ju)備(bei) Agentic 能力(li)的系統自主觸發(fa)應急(ji)響應機制，引導現場工(gong)人完成防護操(cao)作。整個閉(bi)環(huan)自動化(hua)流程均在邊緣(yuan)(yuan)端完成，無需(xu)依賴(lai)云端，實(shi)現本(ben)地(di)、實(shi)時、閉(bi)環(huan)的工(gong)業安(an)(an)全(quan)(quan)管理(li)。
趨勢八(ba)：可(ke)持(chi)續(xu)解決方案在(zai) AI 助力下持(chi)續(xu)演進(jin)
AI 能夠(gou)提(ti)升碳(tan)排(pai)放(fang)可(ke)視化(hua)與(yu)合規效(xiao)率。 諸如排(pai)放(fang)追(zhui)蹤系統、碳(tan)足跡管理平臺及 ESG 報告工具(ju)等(deng)(deng)可(ke)持(chi)續發(fa)展應用，正在借助人工智能技術進行升級。通(tong)過 AI，制造(zao)企業(ye)能夠(gou)實現更高(gao)的數據可(ke)視性(xing)，并生(sheng)成更為精準(zhun)的排(pai)放(fang)與(yu)能耗(hao)估算(suan)結果，從(cong)而(er)優化(hua)整個生(sheng)產流(liu)程中的能源(yuan)使用。多個典型案例(li)顯示，AI 在填補數據缺口、提(ti)升碳(tan)足跡計(ji)算(suan)準(zhun)確性(xing)、以及通(tong)過建模與(yu)能耗(hao)預測(ce)改(gai)善能效(xiao)等(deng)(deng)方(fang)面發(fa)揮著關鍵作(zuo)用。
AI 還被用于簡化(hua)(hua)合(he)(he)規(gui)申報流程，提(ti)升跨(kua)法(fa)規(gui)標(biao)準的(de)適配效率。 一(yi)個(ge)典型例子來自微(wei)軟與埃森哲聯合(he)(he)成(cheng)立(li)的(de)合(he)(he)資企業 Avanade。該(gai)公(gong)司推出了歐盟碳(tan)邊境調節(jie)機制（CBAM）Agent，旨在優化(hua)(hua)排放跟蹤與合(he)(he)規(gui)申報流程。該(gai)解決方案集成(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(yi)的(de)能耗指(zhi)標(biao)到不(bu)同(tong)法(fa)規(gui)框(kuang)架中(zhong)，實現快速響應多地(di)監管要求的(de)智(zhi)能化(hua)(hua)合(he)(he)規(gui)。
趨(qu)勢九：認知能力(li)賦能機(ji)器人
機(ji)器(qi)人廠(chang)商(shang)正積極將認知型(xing) AI 與(yu)語(yu)音交互功能(neng)引(yin)入其產品(pin)中，目標是(shi)讓用戶(hu)能(neng)通(tong)過語(yu)音指令與(yu)機(ji)器(qi)人協作，而不再依賴繁瑣的手(shou)動操(cao)作。這(zhe)一趨勢有望(wang)提升機(ji)器(qi)人使用的靈活性、減少部署時間，并降低(di)制造(zao)與(yu)物流場景中對專業(ye)技能(neng)的依賴。
例如，德(de)國協作機器(qi)人(ren)初創(chuang)企業(ye) Neura Robotics，最近為其認知(zhi)型機器(qi)人(ren) MAiRA 增(zeng)加了語音指令功(gong)能(neng)(neng)，使其能(neng)(neng)夠響(xiang)應用(yong)戶(hu)的簡單語音指令。該功(gong)能(neng)(neng)讓(rang)人(ren)機交(jiao)互變得更加直(zhi)觀(guan)，用(yong)戶(hu)無需復雜編程即可通過語音控制與教學機器(qi)人(ren)，從而顯(xian)著提升(sheng)操作效率與普(pu)適性(xing)。
趨勢十：數字孿生從虛擬復制體演進為實時工業副駕駛
數字孿生正轉型為 AI 驅動的優(you)化(hua)工具。 多(duo)家廠(chang)商展示了(le)數字孿生技(ji)術的最(zui)新(xin)發展趨勢，強(qiang)調其已不再只是設備的靜態數字副本，而是作為實時運(yun)行的“副駕(jia)駛”，廣(guang)泛應用于(yu)運(yun)營(ying)輔助、員工培訓與(yu)質(zhi)量(liang)控制等(deng)領域。
例如，德國汽車工程服務(wu)公司(si) EDAG Engineering 展示了一款多層級(ji)工廠數字(zi)孿生系統，作為整個(ge)生產生命周期中的智能(neng)助(zhu)手。EDAG 的智能(neng)工廠平臺基于(yu) NVIDIA Omniverse 構建，集成了實時數據、仿真和 GenAI，支持(chi) AI 引導維(wei)護、虛擬操作員培訓和項(xiang)目管(guan)理(li)支持(chi)等用例。
同時(shi)，西(xi)門(men)(men)子(zi)展示了(le)如何將數字孿生(sheng)直接用(yong)于(yu)實時(shi)優(you)化與(yu)(yu)機器(qi)人(ren)訓練(lian)。在德國(guo)埃爾朗根(gen)的運動控(kong)制工廠，西(xi)門(men)(men)子(zi)將 NVIDIA Omniverse Replicator 與(yu)(yu)其 Xcelerator 平臺整合，合成生(sheng)成用(yong)于(yu)機器(qi)人(ren)訓練(lian)的數據。這(zhe)些(xie)增強型 AI 孿生(sheng)可仿真(zhen)設備行(xing)為與(yu)(yu)物(wu)料(liao)流動，使企(qi)業在實際改(gai)造產(chan)線之前(qian)，就能先行(xing)完成流程驗證(zheng)與(yu)(yu)布(bu)局優(you)化，大幅提升實施效率與(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
