关键要点总结 涉及的行业与公司 * 核心公司为**西门子**，其业务横跨工业自动化、能源、交通、医疗、建筑科技等多个垂直领域[1][2][4] * 核心合作伙伴包括**NVIDIA**、**微软**、**AWS**、**Meta**、**ARM**、**Foxconn**等[9][10][79][129][132][149] * 提及的客户案例涉及**百事可乐**、**HD现代**、**宝马**、**劳斯莱斯**、**KION**、**Hero MotoCorp**、**奥迪**、**Commonwealth Fusion Systems**、**SurfLoch**、**迪士尼**等[26][56][113][128][138][174][175][206][223] * 行业覆盖**制造业**、**能源与电网**、**生命科学**、**物流与供应链**、**食品饮料**、**汽车与自动驾驶**、**半导体设计**、**融合能源**等[2][4][113][129][153][155] 核心观点与战略愿景 * **工业AI革命**：AI是百年一遇的变革催化剂，其重要性堪比一个世纪前的电力，将从根本上改变设计、制造、基础设施运营和能源供给的方式[2][5][108] * **AI从特性变为力量**：当AI进入物理系统，它不再仅仅是一个功能，而成为一股具有直接现实世界影响力的力量[5] * **西门子的独特定位**：公司拥有近两个世纪的工业基础设施经验，结合超过50年的工业AI实践、超过1500名AI专家以及超过25万名员工在30个工业垂直领域的深厚专业知识，能够构建端到端的工业AI技术栈[1][7][8] * **软件定义公司转型**：西门子的愿景是转型为一家软件定义的公司，其基础是计算基础设施，上层是基础设施软件和人工智能，这将彻底改变事物的设计、模拟、规划和运营方式[25] * **工业元宇宙与数字孪生**：通过“数字孪生编辑器”等工具，创建一个虚拟世界来帮助改善现实世界，实现产品、工厂、流程的虚拟3D建模，并与实时数据连接，从而在虚拟环境中进行优化和更改[109][110] 关键技术与平台 * **西门子Xcelerator**：开放的数字化商业平台和市场，整合了AI驱动的技术、工业领域知识和合作伙伴，旨在加速客户的数字化转型，提供可访问、灵活、可扩展的SaaS解决方案[6][110][182][185][191][215] * **端到端工业AI技术栈**：整合了软件、硬件、基于GPU的高性能计算和数据，旨在解决数据孤岛问题，并在现实世界中产生实际影响[6][7] * **数字孪生**：能够创建产品和整个制造基地的综合数字孪生模型，结合AI后，数字孪生可以实时控制整个工厂，探索成千上万甚至数十万个选项，而不仅仅是模拟[8][9][35][83] * **工业AI就绪的要素**：仅拥有数字孪生和软件不足以实现工业AI，需要GPU计算来释放AI的全部能力和速度，并解决数据碎片化问题[7] * **物理AI**：将人工智能能力与现实世界的物理对象融合，使机器能够感知、思考并采取行动，是自动化发展的新阶段[242][245][247] 合作伙伴关系与协同 * **与NVIDIA的深度合作**：双方合作始于2022年，旨在构建“工业AI操作系统”，并在五个关键领域深化协作[21][25][39] * **AI原生芯片设计**：利用CUDA软件重写西门子EDA软件以充分利用GPU，目标是将EDA软件速度提升100倍甚至百万倍，并训练模型以提出新的设计方案[39][46][49][52] * **AI原生仿真**：将西门子Simcenter等仿真软件的重度计算部分迁移到GPU，加速高达1000倍，并创建AI物理模型，将物理仿真速度提升数万倍[56][63] * **AI驱动的自适应制造**：将工厂视为一个大型机器人，通过AI大脑在软件定义的自动化之上实现自主调整，西门子计划于2026年在德国启动首个全AI驱动的自适应制造基地[65][74] * **AI工厂**：为训练和运行AI模型（如Vera Rubin）而建造的巨型数据中心，投资规模巨大（例如1吉瓦的AI工厂投资达500亿美元），必须通过数字孪生进行设计和模拟以确保成功[86][89] * **技术互用**：双方互相使用对方的技术加速自身发展，形成良性循环[102][103] * **与微软的合作**：结合西门子的领域专长与微软可信的云和AI能力，共同构建定制模型和智能体，并开发联合AI助手，例如将CAM编程时间减少80%，工厂生产率提高30%[132][133][140] * **与AWS的合作**：战略合作伙伴关系，通过AWS云服务使西门子产品组合更易访问、可扩展和灵活，服务于从大型企业到小型初创公司的各类客户[182][183][222][224] * **与Meta的合作**：开发用于工业AI的Ray-Ban Meta智能眼镜，为现场同事提供实时音频指导，实现免提操作[149] 客户案例与量化成效 * **百事可乐**：使用西门子数字孪生编辑器优化其半个世纪历史的仓库，在虚拟世界中模拟数千种布局以寻找最高效方案，将原本耗时数月的任务缩短至数天，并在美国佳得乐工厂三个月内实现效率提升20%，预计资本支出减少10%-15%[113][115][118][121] * **HD现代**：使用西门子和NVIDIA技术构建整艘船舶的精确数字孪生（每个螺母和螺栓），在数字世界中优化设计后再进行物理建造[26][30][35] * **宝马**：使用联合仿真技术模拟汽车空气动力学，速度提升可达1000倍[56] * **劳斯莱斯**：使用西门子软件和微软技术设计飞机涡轮机部件，通过数字孪生仿真，使液压泵等部件更坚固、更轻[138][139] * **Foxconn**：已在使用西门子和NVIDIA的技术，通过AI层连接现实世界数据和实时数据优化制造[79][80] * **电网优化**：已使用AI将现有电网容量最大化提升20%，且无需新建基础设施[166] * **生命科学**：通过AI和数字孪生加速药物研发，例如将分子行为模拟效率提升250万倍，有望使救生疗法上市速度加快高达50%[129][130][132] 市场趋势与行业洞察 * **AI采纳阶段**：行业正从描述性AI、预测性AI，经历生成式AI，快速向智能体AI、智能体系统及物理AI阶段演进[192] * **技术采纳速度**：蒸汽机用了60年改变社会，电力用了30年，计算机用了15年，而AI预计将在7年或更短时间内将智能嵌入日常依赖的系统[5] * **市场增长预测**：物理AI市场目前规模约50亿美元，预计到2033年将增长至500亿美元，年复合增长率达33%[242] * **早期采纳者优势**：能够获得明确的竞争优势，关键在于尽早开始训练人员和AI模型，并管理组织变革[173][199] * **供应商与用户之间的差距**：技术供应商的创新速度很快，但用户市场在数据架构和实际应用方面仍处于追赶阶段[193] 实施挑战与成功要素 * **基础与准备**：实施工业AI需要坚实的数据架构（数据规范化、清洗）、明确的投资回报率目标、正确的跨职能团队（IT与OT结合）以及谨慎选择的长期合作伙伴[200][201][202][218] * **主要挑战**： * **信任与可靠性**：在工业领域，故障是不可接受的，AI必须被证明是可靠、稳健和可解释的，以建立信任[6][205][211] * **遗留系统复杂性**：整合现有（棕地）制造基础设施与新技术是一项重大挑战[205][255] * **数据访问与生态**：训练模型需要大量数据，但数据往往被孤立视为“新黄金”，需要建立基于信任的生态系统和联合数据池[254] * **资金与组织阻力**：OT领域的AI项目资金通常少于IT部门，且存在合规、风险、安全等制度性阻力[203][204] * **持续迭代**：AI解决方案不是一劳永逸的，需要持续迭代和优化，可能长达10-15年[206][207] * **成功关键**：项目需以投资回报率为基础，组建合适的团队，快速试错并更快恢复，谨慎选择灵活、可共同成长的合作伙伴[218] 其他重要信息 * **西门子市场地位**：全球三分之一的制造机器运行着西门子控制器[8] * **NVIDIA Vera Rubin GPU细节**：整个系统重2吨，包含220万亿个晶体管，由6种不同的独特芯片组成，功耗240千瓦，凝聚了15万工程年的工作量[43] * **CES 2026活动安排**：西门子在CES设有“工业AI总部”和多个展台，举办超过15场会议，涵盖AI、物理AI、智能制造、融合能源、劳动力未来等话题[169][170][171][172][173][174][175][176][177][178][179][180] * **人才与生态系统**：西门子已通过其学习产品覆盖生态系统内110万人，并重视未来劳动力的培养[180] * **融合能源进展**：Commonwealth Fusion Systems正在建造SPARC示范装置，并计划建设ARC商业聚变装置，可产生约400兆瓦电力，谷歌已同意购买ARC的电力[159][162]

合作续约与核心目标 - 西门子数字工业软件与杜卡迪赛车部门续签为期两年的技术合作伙伴协议 [1] - 合作核心目标是利用西门子Xcelerator平台，助力杜卡迪制造更强大、更安全、更可持续的摩托车 [1] 技术整合与研发优化 - 杜卡迪研发团队采用西门子Xcelerator平台，整合了包括Polarion软件（需求捕获与管理）、Designcenter NX软件（创新设计）、Teamcenter软件（数字主线连接设计与工程数据至ERP系统）在内的多种软件能力 [2] - 通过Simcenter软件和Simcenter Testlab软件，杜卡迪能够在比赛周末进行虚拟仿真，并将数字仿真与物理测试过程及赛道数据整合 [3] - 西门子Fibersim软件帮助杜卡迪缩短了复杂碳纤维部件的开发周期 [3] 赛道技术向民用转化 - 杜卡迪利用西门子Xcelerator，特别是Teamcenter软件，将赛车领域的技术与民用街车业务相连接 [4] - 该平台实现了从赛车世界到街车世界的数据完全共享，机械、电子和软件团队拥有统一的协作和数据共享工具，打破了部门壁垒 [5] - 此举缩短了开发时间，并为赛道工程师和车辆设计工程师创建了单一的集成协作环境 [5] 合作成果与市场表现 - 杜卡迪联想车队赢得2025年MotoGP冠军，车手马克·马克斯获得车手总冠军，车队连续第六次获得MotoGP制造商冠军，并赢得2025年MotoGP车队冠军 [5] - 杜卡迪在2024年MotoGP赛季第三次蝉联世界冠军，创下赢得20场分站赛中19场胜利的纪录，并同时获得制造商和车队冠军 [11] - 在WorldSBK中，杜卡迪确认了其在该赛事中最成功制造商的地位，赢得了其历史上第20个制造商世界冠军 [11] 公司背景与规模 - 西门子股份公司是一家专注于工业、基础设施、移动和医疗的技术公司，在截至2024年9月30日的2024财年，集团营收为759亿欧元，净利润为90亿欧元，在全球拥有约312,000名员工 [9][10] - 西门子数字工业在全球拥有约70,000名员工，致力于帮助制造业客户加速数字化和可持续发展转型 [8] - 杜卡迪摩托车控股公司成立于1926年，其产品销往全球90多个国家，并且是2024至2026年FIM Enel MotoE™世界杯摩托车比赛的唯一官方供应商 [11][12]

文章核心观点 西门子与英伟达宣布扩大合作，加速工业人工智能和数字化的新时代，推动未来工厂的发展，双方技术结合将助力工业企业利用全面的人工智能技术进行下一代工厂自动化[1][2] 合作背景与发展 - 2022年双方宣布合作，将西门子Xcelerator组合技术与英伟达Omniverse平台连接，实现工业元宇宙，后合作扩展至生成式AI、工业AI和机器人领域[3] 合作成果与应用 - **产品生命周期管理可视化**：西门子将英伟达技术集成到Xcelerator平台，今年推出的Teamcenter Digital Reality Viewer带来实时光线追踪功能，HD现代重工利用该功能可视化下一代船舶设计，减少设计迭代时间[4][5] - **产品虚拟模拟测试**：英伟达Blackwell GPU与西门子计算流体动力学软件结合，可显著提高产品虚拟模拟测试速度，宝马集团和西门子实现车辆瞬态空气动力学模拟加速30倍[6] - **工厂运营变革**：新的西门子工业PC支持英伟达GPU，可实现复杂工业自动化任务，AI执行加速25倍；先进AI代理将在西门子Industrial Copilot组合中无缝工作，其工业操作副驾驶将生成式AI引入车间操作员[7][8] - **视频搜索与总结**：双方合作的蓝图可实现视频搜索和总结，为车间运营提供实时AI辅助，节省30%的被动维护时间[9] - **工业系统安全**：双方合作开创一类新的运营技术网络安全，集成英伟达BlueField DPUs，追求AI驱动的网络安全[9] 公司信息 - **西门子**：是专注于工业、基础设施、移动和医疗保健的领先技术公司，2024财年营收759亿欧元，净利润90亿欧元，全球约有31.2万名员工[11][12] - **英伟达**：是加速计算领域的全球领导者[13]

报告行业投资评级 未提及 报告核心观点 半导体行业发展快，需调整变革 应采用闭环质量策略应对挑战，利用数字质量管理方法将风险降至最低，通过结合QMS和PLM解决方案开发和交付高质量设备，Teamcenter Quality可助力实现闭环质量方法优势[3][7][11] 各部分总结 半导体行业未来趋势 行业发展快，调整变革必要性明显，趋势包括可持续性、新兴技术、安全的数字化转型和全球化[3][4] 以典范做法应对关键行业挑战 将质量相关信息左移避免后期质量问题，依赖更多合格零件和供应商应对芯片短缺，支持产品快速进步，缩短上市时间，通过创新保持竞争力[6] 利用数字化解决方案连接孤岛 需持续改进核心流程，采用新策略简化开发、提高生产力和保持质量，闭环质量策略对应对挑战有用[7] 在设计阶段管理质量 早期提高质量优先级确保创新设计，通过质量规划管理风险，利用COTS半导体质量规划和风险缓解控制管理产品导入，检测控制质量特性，加强工程和质量信息使用解决供应链问题，通过闭环问题解决避免质量问题并实现持续改进[8] QMS跨领域协作的好处 利用数字质量管理方法可将风险降至最低，转化复杂性为竞争优势[9] 在整个价值链中分享见解 半导体公司可通过结合QMS和PLM解决方案开发和交付高质量设备[11] Teamcenter Quality介绍 是Siemens Xcelerator平台一部分，是半导体生命周期管理关键要素，可实现闭环质量方法优势，能避免劣质产品成本、提高透明度、创建合规产品[12]