68.【番外】工业AI避坑指南：当180年工业技术积淀，遇到大模型
播客收听
当前版本先保留原播客入口；后续补齐音频地址后，会在这里加入播放器、章节和转录。
打开原播客收听问这期播客
会先在本集摘要、章节、转录和笔记里找答案。
TL;DR · AI 摘要
工业AI落地面临数据孤岛、质量差和场景碎片化等挑战，需聚焦“最后一公里”并与物理模型结合。
核心要点
- 工业AI成功关键在于高质量、可连接的数据，而非单纯依赖大模型
- 必须聚焦具体场景解决“最后一公里”问题，避免泛化应用
- AI应辅助而非替代工人，推动人机协同与技能升级
章节
- 要点
工业AI成功关键在于高质量、可连接的数据，而非单纯依赖大模型
工业AI成功关键在于高质量、可连接的数据，而非单纯依赖大模型
- 要点
必须聚焦具体场景解决“最后一公里”问题，避免泛化应用
必须聚焦具体场景解决“最后一公里”问题，避免泛化应用
- 要点
AI应辅助而非替代工人，推动人机协同与技能升级
AI应辅助而非替代工人，推动人机协同与技能升级
转录
这期还没有可搜索转录。后续抓到带时间戳的内容后会自动补到这里。
节目笔记
68.【番外】工业AI避坑指南：当180年工业技术积淀，遇到大模型 - 卫诗婕｜漫谈Light the Star | 小宇宙 - 听播客，上小宇宙
做家务 清晨洗漱
听播客，上小宇宙！点击下载
68.【番外】工业AI避坑指南：当180年工业技术积淀，遇到大模型
卫诗婕｜漫谈Light the Star
52分钟·22天前
13085
·
40
3月23日，我受邀主持了西门子RXD大会的工业 AI 圆桌论坛。
西门子在工业 AI 赛道沉淀了 50 年，作为全球领军企业，面对这一轮 AI 浪潮，有着自己的理解和布局。
当下，AI 浪潮正席卷全球各个行业，但真正落到工业场景里，却常面临着「落地难、规模化更难」的困境。我在现场，和三位工业界的一线资深专家，深度拆解了工业 AI 落地的核心挑战和应对思路。
中国是工业大国，AI在这个领域的实践，将书写一场不同的叙事。这期节目，分别从技术架构、工厂实战、跨界观察三个维度，还原了工业 AI 的真实落地图景。
三位嘉宾分别是：
朱骁洵（西门子中国研究院院长、工业 AI 顶层战略与技术研发权威）
李永利（西门子成都数字化工厂厂长、工业 AI 落地一线操盘手）
李辉博士（深度智控创始人、物理 AI 领域实战专家）
本期节目由西门子特别赞助。
**本期Shownotes：**
05:35 工业界对于AI的焦虑：期待高、落地难
06:58 工业AI 改造车间，生成式AI提效办公室工作
10:18 人机交互只是开始，AI有机会解决许多长尾需求
12:24 制造业的数据难题：数据孤岛、IT与OT系统的自动化难题
13:37 企业如何把数据收集起来，注重数据的可连接性和质量
17:15 这一轮 AI，没有来得及做好数字化的公司，还有机会吗？（嘉宾辩论了～😁）
工业场景数据非常稀缺
没有质量的数据带不来好模型
新工具有机会加速一切
20:46 多模态能力的提升，将提升模型在虚拟与物理世界的互动
22:47 硬件是数据的入口，数据是模型的燃料
23:21 谈到工业 AI ，一定要聚焦场景，「最后一公里」
27:59 不要总算人效，关注长期能力的建设
34:19 AI在工厂对人的替代：职工转向高级工种，收入也更多
36:44 将所有显性知识，灌进智能体
40:15 工业场景仍要注重，将工作流模块化
40:46 「让一线员工，坐在副驾驶」
44:55「 物理 AI 不解决工业所有问题」
48:01 建模、理解、学习、控制
加入听友群👇
展开Show Notes
[Jinwei_B9W2](cosmos://page.cos/user/65f53aeeedce67104a43c78f?utm_source=share_page)
2026.4.02
[2](cosmos://page.cos/comments/69c5db5a7b0a0bfd3346b84b?locateCommentId=69ce3b1e9265f605a6196bd6&utm_source=share_page)
陈词滥调
[小三影子](cosmos://page.cos/user/67d18ec1f369aaf79a0972ad?utm_source=share_page)
2026.3.31
[1](cosmos://page.cos/comments/69c5db5a7b0a0bfd3346b84b?locateCommentId=69cb358203a15f74156e32c1&utm_source=share_page)
听了这期节目才知道AI都已经用到工业上了，这发展速度太快了。但也担心这么多工人被取代之后，以后的人还能做什么工作
[中年布衣](cosmos://page.cos/user/6831c99ed1d35072690c3e2c?utm_source=share_page)
10天前
[0](cosmos://page.cos/comments/69c5db5a7b0a0bfd3346b84b?locateCommentId=69d59614ee4ed5f703a0353c&utm_source=share_page)
听下来，应该把工业 AI 限定在制造业生产领域。
中年布衣:跟大的工业 AI 还是不一样。工业 AI 第一个就是数据难，华为搞的炼钢大模型应该就惨败了，这就是好证明，真正有用的数据获取难，这也是工科研究很多实际都是通过几个核心变量来建立物理模型表述，跟 LLM 完全不同
[微光诗梦](cosmos://page.cos/user/68ee6962254fbca4700eca3f?utm_source=share_page)
2026.3.30
[0](cosmos://page.cos/comments/69c5db5a7b0a0bfd3346b84b?locateCommentId=69ca41e742d242af1f8bff09&utm_source=share_page)
AI虽然很强大，但是在工业生产中想要真正落地还是蛮有挑战的。想完全取代老师傅，AI还有很长的路要走
来自火星的土著:这次应该速度非常快
[Effylstan](cosmos://page.cos/user/6481ef67edce67104a3f4bcf?utm_source=share_page)
2026.3.28
[0](cosmos://page.cos/comments/69c5db5a7b0a0bfd3346b84b?locateCommentId=69c824d6e57c7410a5d9f776&utm_source=share_page)
请问这次对谈是在什么现场呀？好想有机会能够现场学习参观和感受
卫诗婕_漫谈LTS:西门子RDX大会～
[我和AI的第一现场](cosmos://page.cos/user/65054d28edce67104a4cd51d?utm_source=share_page)
2026.4.01
[0](cosmos://page.cos/comments/69c5db5a7b0a0bfd3346b84b?locateCommentId=69cc8b69f2db9286daa4287f&utm_source=share_page)
赞成👍这观点
[空城旧语](cosmos://page.cos/user/69b767f2254fbca47061f4b6?utm_source=share_page)
2026.3.31
[0](cosmos://page.cos/comments/69c5db5a7b0a0bfd3346b84b?locateCommentId=69cc0ed21a650bcf79017b34&utm_source=share_page)
AI适用的范围是越来越广泛了呀
[飞船落在陈塘关](cosmos://page.cos/user/5e9133c7a0eb5760cec4c9e7?utm_source=share_page)
2026.3.31
[0](cosmos://page.cos/comments/69c5db5a7b0a0bfd3346b84b?locateCommentId=69cb2104bc3eddfb74fe1d73&utm_source=share_page)
37:02 输入税号场景
[幸运九月](cosmos://page.cos/user/69ca3ada254fbca4701f75cc?utm_source=share_page)
2026.3.30
[0](cosmos://page.cos/comments/69c5db5a7b0a0bfd3346b84b?locateCommentId=69ca647071bfed67e4d66db8&utm_source=share_page)
中国是工业大国 也是能源大国，AI到最后比算力，比的就是能源，中国绝对有优势
[小雨菲霏](cosmos://page.cos/user/69c4dc57254fbca470b51823?utm_source=share_page)
2026.3.30
[0](cosmos://page.cos/comments/69c5db5a7b0a0bfd3346b84b?locateCommentId=69ca243224189ba7c3e4f81f&utm_source=share_page)
硬件是数据的入口，数据是AI的燃料！工业型企业想要很快使用AI，但欲速则不达，要一步步搭建好模型，才能更好地完成
[牛奶小布丁吖](cosmos://page.cos/user/69c202be254fbca470fd567e?utm_source=share_page)
2026.3.30
[0](cosmos://page.cos/comments/69c5db5a7b0a0bfd3346b84b?locateCommentId=69ca22a38d75321a19f8a204&utm_source=share_page)
深层次AI最终会帮助办公室员工处理公司数据整合，但前期输入数据工作庞大。
[A_-](cosmos://page.cos/user/69a7a8c7254fbca470663abb?utm_source=share_page)
2026.3.30
[0](cosmos://page.cos/comments/69c5db5a7b0a0bfd3346b84b?locateCommentId=69ca21a45b4e5e15b0822f03&utm_source=share_page)
AI在某方面也不算是取代人工，利用AI强大的计算等能力，让事情变得简单化
[鱼面](cosmos://page.cos/user/6716fd72edce67104a2cca18?utm_source=share_page)
2026.3.27
[1](cosmos://page.cos/comments/69c5db5a7b0a0bfd3346b84b?locateCommentId=69c5e658c0389d535f25f2f6&utm_source=share_page)
卫老师好，有个一线实践中的困惑想请教您～
最近接触不少制造业客户，普遍卡在一个现实瓶颈：
AI场景很清晰，但私有算力不足，公有云又因安全/合规无法调用，预算短期内也有限。
更棘手的是，这两年硬件价格持续攀升——听说今年一些厂商3月就完成了全年服务器出货指标，内存、硬盘成本涨了2-3倍，导致本地部署AI的门槛不降反升。
这和您这期提到的“工业AI要聚焦场景、走通最后一公里”高度相关，但现实是，“最后一公里”可能连“路基”都还没铺好 😅
结合播客里几位嘉宾的分享，我也在尝试调整思路：
1、先治“数据”，再谈“算力”：正如您说的，“数据是模型的燃料”——很多工厂不是缺GPU，而是PLC、MES、质检系统各自为政，连时间戳都对不上。与其追大模型，不如先打通一个产线的数据孤岛；
2、从“副驾驶”做起：让AI辅助而非替代一线员工，比如在质检环节，AI只标记可疑点，由工人终判，既降低精度要求，又提升效率；
3、轻量模型+边缘部署：利用现有工控机或边缘设备，通过跑开源小模型，达到不使用公有大模型，也不新增服务器投入的目的；
4、小切口、快验证：像李永利厂长那样，先聚焦一个车间的特定工艺缺陷问题，跑通闭环后再扩展，而不是“全面AI化”。
5、西门子成都工厂“先用现有PLC和传感器数据跑起来”的做法特别启发我——AI不是一蹴而就，而是持续迭代的过程（朱骁洵院长这句话太实在了）。
最后想请教您，在这种“囊中羞涩但需求真实”的约束下，是否有更有效的分阶段路径？以及行业内是否有更多被低估的“低成本高杠杆”实践推荐或分享的？
展开
Bovet:都已经考虑低成本高杠杆了，那就换条路吧。赌博不能提高生产力。实事求是。
鱼面:感谢提醒。我们讨论的其实是：在算力和预算受限的情况下，如何让AI真正跑进产线，让更多人受益。 正如卫老师强调的——“走通最后一公里”，关键也不是模型大小，而是能否在真实约束下解决具体问题。 工业AI的“实事求是”，是从现有设备、现有数据出发，跑通闭环，持续迭代。
[Effylstan](cosmos://page.cos/user/6481ef67edce67104a3f4bcf?utm_source=share_page)
2026.3.28
[0](cosmos://page.cos/comments/69c5db5a7b0a0bfd3346b84b?locateCommentId=69c822d10cd86ae2fc175d02&utm_source=share_page)
艾默生这块做的应该很不错吧
[萝卜缨子88](cosmos://page.cos/user/676cf327f369aaf79ad7e82b?utm_source=share_page)
2026.3.28
[0](cosmos://page.cos/comments/69c5db5a7b0a0bfd3346b84b?locateCommentId=69c7d274a39d01239e32e933&utm_source=share_page)
嘉宾的普通话听着有点吃力…
[流萤飞舞](cosmos://page.cos/user/681b04f7d1d35072691376f2?utm_source=share_page)
2026.3.28
[0](cosmos://page.cos/comments/69c5db5a7b0a0bfd3346b84b?locateCommentId=69c7d14cbea760be60abc285&utm_source=share_page)
去年就开始算力涨价了，小企业要用起来还是很难，毕竟工业大多数情况下没法用公有云
[卿舟二两风](cosmos://page.cos/user/6809f702d1d3507269d532a9?utm_source=share_page)
2026.3.28
[0](cosmos://page.cos/comments/69c5db5a7b0a0bfd3346b84b?locateCommentId=69c7c152c5ac905562314d18&utm_source=share_page)
上一轮AI帮助车间，这一轮AI帮助办公室
[小财福满](cosmos://page.cos/user/674b418eedce67104a5c59d7?utm_source=share_page)
2026.3.28
[0](cosmos://page.cos/comments/69c5db5a7b0a0bfd3346b84b?locateCommentId=69c7b04cbea760be6094cdc1&utm_source=share_page)
AI 不是为了替代人，而是为了沉淀知识：很多行业的老师傅其实是很值钱的，而且都面临断代，AI 得抓紧，把人的知识转化为AI可以吸收和自学习进化的知识
[苹果1](cosmos://page.cos/user/6736b843edce67104a45be4a?utm_source=share_page)
2026.3.27
[1](cosmos://page.cos/comments/69c5db5a7b0a0bfd3346b84b?locateCommentId=69c67e419de7f7e787a42a4d&utm_source=share_page)
硬件是数据的入口，数据是模拟的燃料
[浅漫咖](cosmos://page.cos/user/672d9126edce67104addd8fe?utm_source=share_page)
2026.3.27
[0](cosmos://page.cos/comments/69c5db5a7b0a0bfd3346b84b?locateCommentId=69c693e71a0bb22dda8747fe&utm_source=share_page)
喜欢看到喜欢的主播接赞助， shijie多接，我们都为你开心：)
卫诗婕_漫谈LTS:感动
微信扫一扫
手机收听更方便
00:00
51:37