原標題：工業物聯網行情見長，力推工業云平臺的老牌公司西門子如何「揮拳」出擊？| 對話

對于西門子來說，人工智能既是一個讓人興奮的課題，又是一個富有極高要求的工作內容。

如果把數字化雙胞胎比作西門子的關節，起到有機聯結工業數據的作用，那么人工智能的存在對于西門子來說，無疑就是經脈——將數據的價值和能力輸送至更深、更遠，延伸到那些不容易被挖掘或是此前難以發現的細枝末節。

舉個簡單的例子：老舊車間是否需要進行數字化升級改造？

首先遇到的問題就是掌握車間的基本情況，包括設備的運行狀態、系統的種類與架構、運營維修等信息。

然后，實現初步的數字化雙胞胎。

將這些形式迥異、來源不同的數據關聯在一起，構建一個一體化的語義模型，以便清晰地把控車間的全局狀況。

西門子助力雙星集團打造數字化工廠，圖片來自雙星

規劃定義階段之后，接下來的問題往往是：數字化究竟能夠帶來多少好處？是否值得投入？有大的提升空間？

「大部分客戶在一開始對這些問題都很難有一個清楚的把握。而我們有 AI，就可以基于語義和數據去做智能分析，然后通過仿真驗證，幫助客戶解決數字化升級中遇到的這些問題。」西門子中國研究院產品建模與仿真研發部研發總監李明說道。

而且在她看來，AI 在工業領域的潛能并不止步于分析與評估，還會在故障診斷、預測性維修等方面展現能力，

「如果僅僅知道故障卻不能判斷原因，就無法做到提前預防，這其實不算是真正幫助車間完成了改善工作。」

毫無疑問，老舊工廠的數字化升級是一個典型，但卻不是個例。

西門子擁有龐大而多元的業務與產品體系。在過去的幾十年里，西門子針對人工智能技術展開了一系列探索，并將其應用于 CT 及 MRI 結果分析的復雜圖像識別、燃氣輪機和風場等工業系統、銅價預測和電網產能利用率的預期以及工業 4.0 中用于協作、自適應和柔性生產的物理自主系統等方面。

與此同時，西門子在人工智能相關技術和人才方面上的持續投入也有目共睹。

2017 財年，西門子在相關業務的投入約為 52 億歐元，超過 2016 財年的 47 億歐元。2018 年財年，西門子的研發投資計劃在現有水平上增加 4.5 億歐元。

此外，西門子在北京、上海、蘇州、南京、武漢、無錫、青島等城市建立了研發分支機構，并在青島、成都成立了智能制造創新中心。截至 2017 財年，西門子全球研發人員已經達到約 4 萬人。

近日，西門子全球高級副總裁 Norbert Gaus 接受了機器之能的采訪，還原了這家老牌工業企業在人工智能大潮中的獨特思考與生存法則。

以下為采訪實錄，機器之能做了不改變原意的整理。

從最初的互聯網到后來的移動互聯網，發展至后來的人工智能技術以及現在大熱的邊緣計算、區塊鏈，對于西門子而言，要抓住的技術機遇是哪些？

這涉及到我們的技術部局。

西門子擁有非常廣泛的產品和技術組合，結合技術門類，公司定義了 14 項核心科技。

西門子公司定義的 14 項核心技術

總體來說，是通過數字化手段來進行研發。

數字化是基礎，產品要實現互聯化和智能化，這也是在技術發展中我們要促成的其中一個方面，讓大家知道互聯與智能對于現場設備全生命周期的安全和可靠意味著什么。

我們有許多工作組從事這方面的研究，其中之一是將老舊工廠的設備進行互聯，另外是讓一個或多個系統實現智能化，未來將實現現場設備和系統之間的實時交互和通訊。要讓現場設備自主實現優化，這是現場層面涉及到的科技。

第二是我們研發的信息技術，用于幫助客戶和我們自己進行產品設計、制造流程的設計以及工廠的自動化和運營服務的自動化。

我們有各種各樣的工具來建造模型，用這些模型生成數據。這其中就用到 MindSphere（西門子推出的基于云的開放式物聯網操作系統）。

MindSphere 為設備提供互聯，對設備進行管理、實施功能或者實施模型；在數據端和模型端，還對產品生命周期管理工具進行連接，為利用數據開發應用程序提供了一個生態系統。這些應用程序來自西門子，也可以來自我們的合作伙伴、客戶和供應商。

在這個生態系統的背景下，有一些非常熱門的技術，比如區塊鏈、物聯網、互連設備或者邊緣設備、人工智能、仿真和數字化雙胞胎等技術。

最后一個方面是信息安全。上百萬計的設備互聯會產生大量數據，保證網絡信息安全才能實現設備的可靠性。

這些技術方向對于我們來說，既是一個讓人興奮的課題，又是一個要求極高的工作內容。

對于人工智能在工業領域的應用，西門子有哪些可以分享的成功案例？

在工業領域，通常會把人工智能應用在維修、服務這些方面。

第一個案例是預測工業設備的維修時間。

很多時候，我們需要從火車、輪機這些關鍵部件中提取數據，來預測磨損等原因造成的故障，這里面涉及維修間隔的計算。

例如，燃氣輪機一旦出現故障，那么對于我們和客戶來說，都需要一個漫長的維修時間，而且成本十分高昂。

因此，我們需要挖取并推送數據，以便安排好在客戶方便的時間去進行維修，這樣就能節約大量的成本，實現系統的優化。

在一些場合下，我們會與客戶簽定維護合約，為其定期提供維護服務。我們的客戶并不關心你怎樣實現維修，只在乎設備能否在它的生命周期內能否正常工作。

當然，我們可以通過增加備件、增派工程師人手的方式實現的設備正常工作的要求保障。客戶是無所謂的，但我們有所謂，我們希望的是付出最小的代價完成任務。

如此一來，問題轉移到了我們自己身上，就需要通過調取數據來研究如何實現工況的優化，還要更加準確地在現場預測什么地方會出問題，以及預測問題會在什么時候出現。

另一個案例是在電網行業。

在電網里，你也許檢測到一個故障，但卻無法知道到底什么地方出現了故障，因此我們需要對故障進行精準定位。

定位越準確，維修成本就越節約。

傳統的定位方法依賴于人工，他們會通過評估數據完成定位任務。現在我們則用人工智能訓練神經網絡，可以把定位的準確度提高 20%。