西门子（Siemens）和英伟达（NVIDIA）周一宣布，它们在构建全球首个完全由AI驱动、自主运行的制造工厂的计划中取得了首个运营里程碑——这一成就是在位于德国埃尔兰根的西门子旗舰电子工厂实现的。该工厂采用“模拟优先”架构，在任何生产变更触及实际生产线之前，先通过数字孪生进行验证。

这一声明于10月19日在埃尔兰根工厂举行的联合新闻发布会上发布，正值英伟达GTC柏林大会开幕前一天。这标志着该计划从2026年1月在CES上首次宣布的愿景，转变为经过验证的现实。在西门子首席执行官罗兰·布施（Roland Busch）和英伟达创始人兼首席执行官黄仁勋（Jensen Huang）于拉斯维加斯CES共同宣布其“工业AI操作系统”不到十个月后，联合团队已部署了一套正在运行的AI制造解决方案套件，这些方案正在重塑德国最具历史意义的工业遗址之一的电路板设计、测试和生产方式。

从蓝图到生产车间

埃尔兰根工厂对数字创新并不陌生。该工厂已被世界经济论坛认定为“灯塔工厂”（Digital Lighthouse Factory），这是授予全球最先进制造设施的称号。长期以来，该站点一直运行着100多种AI算法，涵盖生产、物流、质量检查和设备维护。如今，周一的宣布将这一基础推向了一个更为宏大的目标：打造一个不仅辅助人类决策，而且能够端到端自主规划、模拟、优化和执行制造操作的工厂。

实现这一目标的架构建立在一个核心原则之上：先模拟，后行动。在对实际生产车间进行任何变更之前——无论是新的电路板检测模型、修订的生产顺序还是更新的路径规划——都会针对整个设施的高保真数字孪生进行验证。这意味着以前需要物理原型、试运行和手动工程时间的错误，可以在软件中被捕获和纠正，而无需移动任何实际设备。

“在埃尔兰根，西门子和英伟达将多年的合作成果应用于生产车间——在物理原型存在之前培训检测系统，在改变现实世界之前在模拟中设计和测试生产计划，”英伟达物理AI模拟副总裁Rev Lebaredian表示。“我们正共同为各地的自主工厂构建蓝图。”

架构如何运作：四个相互锁定的层级

埃尔兰根系统并非单一产品。它是一个由四个相互锁定的技术组件构成的分层架构，每个组件都针对传统制造中浪费时间和资金的不同环节。

第一层：数字工厂孪生。 西门子的工业软件平台Xcelerator提供了骨干支持——集成产品生命周期管理、制造执行系统以及来自物理工厂的运营技术数据。英伟达Omniverse提供3D模拟环境，使用通用场景描述（USD）对整个生产车间——包括机械、输送系统、机器人路径和生产序列——进行建模，并使该模型与来自物理工厂的真实传感器数据保持持续同步。数字孪生的价值仅取决于其对物理现实的保真度；埃尔兰根的部署通过西门子Xcelerator运营堆栈与Omniverse环境之间的持续数据同步来维持这种保真度。

第二层：通过NVIDIA Cosmos生成合成训练数据。 部署AI视觉检测系统最昂贵的瓶颈之一是需要积累真实的缺陷样本——即实际有故障的电路板组件——这通常需要数周或数月的生产才能训练出一个模型。在埃尔兰根，英伟达Cosmos（该公司用于物理AI的世界基础模型平台）直接从数字孪生几何结构中生成印刷电路板组件（PCBA）的照片级逼真合成图像，包括程序化注入的缺陷类别。这消除了对物理原型的依赖。现在，可以在制造第一块物理电路板之前训练检测模型——据两家公司称，这一变革将新电路板变体的上市时间缩短了高达40%。

第三层：通过NVIDIA工厂运营蓝图进行代理式生产规划。 这是代理层：AI代理自主生成生产规划场景——排序订单、分配资源、路由工作——并在选择和提交最佳计划之前，针对西门子Xcelerator数字孪生评估每个场景。关键的架构约束是：任何计划在未经过孪生验证之前都不会在物理上执行。这就是允许自主代理在没有人类对每个决策签字的情况下进行规划的安全架构：数字孪生就是检查点。“工厂需要像处理重复性任务一样很好地处理变化，”Lebaredian说。

第四层：物理执行。 一旦在孪生中得到验证，所选的生产计划就会通过西门子的工业自动化堆栈转换为可编程逻辑控制器、伺服驱动器和物理工厂车间自动导引车（AGV）的命令。西门子Xcelerator充当代理AI输出与物理移动物体的运营技术之间的翻译层。

“德国和欧洲的历史性机遇在于将人工智能带出数据中心，进入工厂——并以工业规模加以应用，”西门子股份公司管理董事会成员、数字工业总裁Cedrik Neike表示。“在这里，行业的未来不仅仅是在讨论中；它今天正成为现实。”

数据揭示的内容及其依赖条件

从该架构报告的_results_具体且源自10月19日的官方公告：

• 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
• 新电路板的上市时间缩短高达40%
• 随着系统成熟，工厂每年记录约7%的生产率增长
• 据西门子称，AI部署时间也大幅缩短——在10月19日公告之前发布的一篇博客文章中，西门子描述将其从数月缩短至数天

每一个数字都基于一个公告未直接解决的基本假设：数字孪生的保真度。在“模拟优先”架构中，数字孪生的价值完全取决于模型复制物理工厂真实行为的准确程度——热变化、组件公差范围、设备时序、缺陷视觉特征。如果西门子Xcelerator / 英伟达Omniverse模型偏离物理现实，那么在模拟中成功验证的变更可能会在实际工厂中失败——甚至造成损坏。

85%的工程减少数据特别假设由Cosmos生成的合成PCB缺陷图像在统计上与真实缺陷足够相似，足以训练可用于生产的检测模型。这是合成数据研究中众所周知的挑战——“领域差距”问题——而埃尔兰根的部署并未公布检测模型在真实数据与合成数据上的性能指标。这是 headline 数字背后诚实的警告。

西门子目标是到2030年在埃尔兰根工厂通过AI实现70-80%的整体自动化水平。对于一个拥有约1000名员工、成立于1971年且已在先进基准上运营的设施来说，这是一个重大的结构性变化。公司已承诺在2030年前向埃尔兰根站点投资5亿欧元，用于资助扩大的研究能力、新基础设施以及持续的AI建设。

物理AI走进车间

这次“模拟优先”的公告并不是AI在埃尔兰根从数字孪生跨越到物理现实的第一次。2026年4月，西门子与英国机器人初创公司Humanoid合作，并在英伟达的支持下，在该设施的实时物流操作中部署了HMND 01 Alpha轮式人形机器人，完成了超过八小时的自主料箱搬运。集成通过西门子Xcelerator平台处理，使机器人能够与生产系统、自动导引车和人类同事实时协调。

西门子将埃尔兰根工厂描述为“零号客户”——意味着在向外部客户提供能力之前，先在自身进行测试。这种自我实验的理念也反映在合作伙伴层面：英伟达和西门子都承诺在各自的内部运营中使用对方的技术，从而创建可扩展性的实证，然后将其推向市场。

历时九个月的合作伙伴关系

周一的里程碑是加速合作的产物，该合作始于2026年1月的CES，当时布施和黄仁勋共同宣布了他们构建“工业AI操作系统”的雄心——该平台旨在重塑从芯片设计和工程到制造、运营及供应链的整个工业价值链。

在该框架下，英伟达承诺提供AI基础设施、模拟库、模型和框架，而西门子则承诺提供数百名工业AI专家以及其硬件和软件组合。埃尔兰根从一开始就被指定为第一个蓝图站点。

联合团队从1月份的宣布到工作部署的速度之快——不到十个月——引起了行业观察家的关注。正如在CES 2026发布会上所确认的那样，包括富士康、现代重工（HD Hyundai）、凯傲集团（KION Group）和百事可乐在内的几家主要制造商已经在评估工业AI操作系统能力的早期版本。

10月19日的埃尔兰根公告时间安排在英伟达GTC柏林大会前夕，该大会于10月20日开幕，持续至10月22日。英伟达CEO黄仁勋的主题演讲定于10月21日举行。同一天，黄仁勋在柏林的“投资德国”峰会上会见了德国总理弗里德里希·默茨（Friedrich Merz），两人签署了关于物理AI的联合宣言——为埃尔兰根展示的同一工业论点提供了地缘政治框架。

布施的工程背景——他拥有慕尼黑工业大学物理学博士学位——影响了西门子致力于实现硬性技术里程碑的意愿。代表西门子数字工业出席公司管理董事会并在世界经济论坛上就工业AI和欧洲竞争力发表讲话的Neike，从大陆利益而非仅仅是工厂经济的角度阐述了埃尔兰根的成就。

对德国工业基地的意义

除了商业利益外，埃尔兰根作为德国制造业竞争力的声明具有重要意义。德国的工业基础面临持续压力——来自能源成本、地缘政治供应链中断以及将AI大规模整合到复杂的遗留设施中的挑战。埃尔兰根已经是全球第三个获得世界经济论坛灯塔工厂地位的西门子站点（另外两个分别位于德国安贝格和中国成都），现在被视为该国应对这一挑战的答案。

自2024年起逐步实施的欧盟《人工智能法案》规定，从2027年起将对制造系统中的高风险AI义务适用。该法案将某些用于安全关键制造功能的AI系统归类为高风险，需要进行合格评定。西门子和英伟达均未发布专门针对工厂运营蓝图的欧盟《人工智能法案》合规文件，这是在受监管的欧洲工业环境中评估该平台的采用者应注意的差距。

埃尔兰根提出的更广泛问题是：模拟优先的自主工厂架构是否可以出口到缺乏埃尔兰根50年数字基础设施基础和世界经济论坛灯塔级运营成熟度的设施。富士康、现代重工、凯傲集团和百事可乐将是回答这一问题的首批真正测试。

数据概览：埃尔兰根AI工厂

所有数据均来自2026年10月19日慕尼黑发布的西门子股份公司官方新闻稿，除AI部署时间减少数据来自西门子博客文章。

（汇率截至2026年10月19日；换算为近似值。）

常见问题解答

什么是NVIDIA工厂运营蓝图，它与传统的工厂软件有何不同？

工厂运营蓝图是一个代理式AI框架——一层自主AI代理，它们生成、评估和执行生产计划，而不是遵循由人类工程师编程的静态时间表。与传统制造执行系统的关键区别在于，代理提出的每个计划在提交物理执行之前，都会先针对工厂的数字孪生进行验证。这意味着自主代理可以在没有人类对每个单独决策签字的情况下运行，因为数字孪生就是检查点。传统工厂软件需要人类手动测试生产变更；而蓝图自动化了这一测试循环。

工厂真的可以信任数字孪生的预测吗？

这是该架构的核心技术假设——也是最重要的警告。数字孪生的预测价值完全取决于它对物理工厂真实行为建模的准确程度：组件公差、热变化、设备时序以及真实生产缺陷的视觉特征。

埃尔兰根的部署使用与真实工厂传感器数据持续同步的西门子Xcelerator，这解决了静态模型问题。但是，85%的工程减少数据假设由英伟达Cosmos生成的合成PCB缺陷图像足够逼真，可以训练可用于生产的检测模型——这是AI研究中称为“领域差距”的已知挑战。尚未公布比较检测模型在合成与真实缺陷图像上准确性的独立性能数据。评估此架构的制造商应在采用前要求提供该验证数据。

这对埃尔兰根以及采用此模型的工厂的工人意味着什么？

西门子 stated 埃尔兰根的目标自动化水平为70-80%，相比该工厂已经先进的基准有了显著增加。该工厂拥有约1000名员工，成立于1971年。公告未涉及劳动力过渡计划、再培训计划或达到70-80%目标的时间表。德国金属工业工会（IG Metall）已将工业AI自动化列为集体谈判中的优先事项。如果埃尔兰根模式成功出口到富士康、现代重工、凯傲集团和百事可乐，将在更大规模上应用相同的自动化动态。评估工业AI操作系统的公司的工人和政策制定者应预期这一问题在这些谈判中会突出出现。

英伟达对自主工厂采取的“模拟优先”方法是一个新概念，还是行业以前尝试过？

虚拟调试的概念——在物理部署之前在模拟中测试工厂配置——自20世纪90年代以来就存在于工业工程中，并在2010年代成为汽车制造的标准做法。埃尔兰根的新颖之处在于代理层：AI在一个连续循环中自主提出、验证和执行生产计划变更，而不是工程师运行一次性模拟来验证特定的已知变更。

持续同步的数字孪生、由世界模型支持的合成数据管道（英伟达Cosmos）以及自主规划代理（工厂运营蓝图）在生产现场（而非试点或测试环境）共同运作，这才是声称的里程碑。埃尔兰根的世界经济论坛灯塔级基础设施是否使其成为可复制的蓝图还是特例，是这四家评估制造商将回答的关键问题。