作為全球頂級工業(yè)貿(mào)易展會，2025 漢諾威工業(yè)博覽會已于 4 月落下帷幕，但其展示的最新工業(yè)物聯(lián)網(wǎng)技術(shù)趨勢卻在持續(xù)對產(chǎn)業(yè)產(chǎn)生著深遠(yuǎn)影響。
此前，知名物聯(lián)網(wǎng)市場研究機構(gòu) IoT Analytics 派出 20 名團(tuán)隊成員深入漢諾威實地，走訪了 400 多個展位，進(jìn)行了 300 多次個人訪談，并將這一切匯總成洞察報告，于近日發(fā)布。
壞消息是——2025 年漢諾威工業(yè)博覽會并未帶來任何全新且突破性的技術(shù)突圍；好消息是——它展現(xiàn)了一場由人工智能引領(lǐng)的變革，貫穿了從研發(fā)、制造到服務(wù)和運營的整個制造生命周期。IoT Analytics 的市場研究表明，GenAI 的出現(xiàn)在過去兩年中推動了人工智能采用率的提高，而如今，人工智能首次在展會現(xiàn)場清晰可見，向更智能邊緣的轉(zhuǎn)變也顯而易見；更值得關(guān)注的是，代理型人工智能（Agentic AI）顯然是產(chǎn)業(yè)下一個重大事件，盡管這可能還需要幾年時間。
本文將綜合 IoT Analytics 研究報告和網(wǎng)絡(luò)公開資料，分享最新的工業(yè)智能風(fēng)向。
趨勢一：生成式人工智能已全面融入工業(yè)軟件
在去年的漢諾威上工博會上，生成式人工智能（GenAI）就已是工業(yè)圈熱議焦點。不過，雖然備受矚目，但其推廣之路仍任重道遠(yuǎn)。調(diào)研發(fā)現(xiàn)，在去年的所有生成式 AI 展示中，有 30% 聚焦于編碼領(lǐng)域，其中 PLC 編程是最常見的應(yīng)用場景。
今年，情況發(fā)生了明顯變化，GenAI 已在工業(yè)軟件領(lǐng)域?qū)崿F(xiàn)全面嵌入。它不再只是產(chǎn)業(yè)界的流行語，而是成為各大工業(yè)軟件產(chǎn)品組合中的常見功能。幾乎所有領(lǐng)先的軟件廠商都展示了集成 GenAI 的功能，多數(shù)為聊天機器人和助手類工具，用于提升代碼生成、數(shù)據(jù)分析和用戶支持等任務(wù)的效率。
例如，德國工業(yè)巨頭西門子展示了約 20 款覆蓋制造生命周期各階段的工業(yè)助手（Copilot）——從設(shè)計與規(guī)劃（如 NX 中的 Design Copilot、Teamcenter Easy Plan 中的 Planning Copilot），到運營環(huán)節(jié)（如 Insights Hub 中的Production Copilot）。此外，西門子還攜手微軟在 Azure 平臺上共同開發(fā)首個基于行業(yè)特定數(shù)據(jù)的工業(yè)基礎(chǔ)模型（IFM）。IFM 能夠處理和語義理解包括三維模型、二維圖紙、工業(yè)數(shù)據(jù)與技術(shù)規(guī)范在內(nèi)的多維工業(yè)信息，進(jìn)而生成基于數(shù)據(jù)的智能建議。這一創(chuàng)新將顯著加速人工智能解決方案在工業(yè)場景中的落地應(yīng)用，有效緩解技術(shù)工人短缺問題。
與此同時，總部位于瑞士的工業(yè)自動化巨頭 ABB 展示了其 Genix Copilot，具備自然語言診斷和車間輔助功能。ABB 已將 Genix 嵌入其資產(chǎn)性能管理平臺和“My Measurement Assistant+”系統(tǒng)中，使用戶能夠通過對話式提示與儀表數(shù)據(jù)交互。系統(tǒng)會給出可執(zhí)行的建議，例如故障排查步驟和文檔鏈接，旨在減少設(shè)備停機時間并加快決策速度。
My Measurement Assistant+ 應(yīng)用程序中的 ABB Genix Copilot 為用戶提供建議和指導(dǎo)
（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(jīng)歷了感知 AI、生成式 AI 階段后，現(xiàn)在進(jìn)入了代理型 AI （Agentic AI）階段，2025 年，則是被諸多科技大佬們視為 Agentic AI 元年。在這股風(fēng)潮下，Agentic AI 的熱風(fēng)也刮到了工業(yè)圈。
不過，對于“保守嚴(yán)謹(jǐn)”的工業(yè)界而言，Agentic AI 仍更多體現(xiàn)為“愿景”，而非“現(xiàn)實”。不少主流軟件或云供應(yīng)商在其展位宣傳中都強調(diào)了“代理型”功能。然而，大多數(shù)演示都停留在相對簡單的自動化階段，例如自主數(shù)據(jù)檢索或預(yù)定義工作流執(zhí)行，而非真正基于代理的自主性。
另一個問題是多智能體框架展現(xiàn)出潛力，但成熟度不足。超大規(guī)模云服務(wù)商 hyperscaler 與獨立軟件廠商 ISV 展示了他們在構(gòu)建多智能體框架方面的初步嘗試，通常將大型語言模型（LLM）視為模塊化 AI 子代理的編排器。這類架構(gòu)展現(xiàn)出整合數(shù)據(jù)語境理解、故障診斷分析以及生成型決策建議的潛力，但目前仍處于早期探索階段，缺乏實際應(yīng)用驗證。
來自印度的工程技術(shù)解決方案公司 Tridiagonal 與 AWS 共同展示了一個面向工業(yè)維護(hù)場景的代理式 AI 框架。該演示中包含多個模塊化智能體（agentic AI accelerators），涵蓋數(shù)據(jù)采集、根因診斷和任務(wù)響應(yīng)等功能，由一個語境化的流程進(jìn)行編排。盡管該架構(gòu)在未來有望發(fā)展為可擴展、跨功能協(xié)同的多智能體系統(tǒng)，但當(dāng)前仍主要聚焦于如設(shè)備故障排查等有限場景，整體仍處于概念驗證（PoC）階段。
如果將目光不只放在漢諾威工博會，我們將看到有關(guān)于工業(yè) Agentic AI 的更多進(jìn)展。在 2025 年全球自動化大會（Automate2025）上，西門子宣布推出全新工業(yè) AI 智能體（Industrial AI agents），預(yù)計將為工業(yè)企業(yè)帶來高達(dá) 50% 的生產(chǎn)效率提升。與傳統(tǒng)的 AI 助手只能響應(yīng)指令不同，西門子的新型工業(yè) AI 智能體具備自主神經(jīng)中樞功能，其核心的“智能指揮家”系統(tǒng)能夠像經(jīng)驗豐富的工匠大師，靈活調(diào)度各類專業(yè) AI 代理協(xié)同作業(yè)。為了進(jìn)一步加速應(yīng)用和創(chuàng)新，西門子還計劃在 Xcelerator Marketplace 上創(chuàng)建一個工業(yè) AI 代理市場中心，該市場將使客戶不僅可以訪問西門子自有的 AI 代理，還可以訪問第三方開發(fā)的 AI 代理。
真正的多智能體協(xié)作尚需數(shù)年——工業(yè)應(yīng)用場景尚不明確，智能體之間缺乏互操作性，以及安全性、錯誤處理與調(diào)試機制仍未完善，這些問題都在一定程度上拖慢了 Agentic AI 的落地進(jìn)程。盡管如此，多數(shù)廠商仍將 Agentic AI定位為長期戰(zhàn)略機會。
趨勢三：邊緣計算創(chuàng)新與變革顯著
邊緣計算/邊緣智能多年來都是工業(yè)界的常青話題，不過，由于 AI 技術(shù)的爆火，使得完整的 AI 堆棧即將走向邊緣。 工業(yè)邊緣計算正從以往的獨立硬件設(shè)備演變?yōu)榧苫?AI 軟件技術(shù)棧，使得“運行在邊緣”的人工智能能夠具備更強的本地處理能力、更高的響應(yīng)速度、更強的合規(guī)保障，并實現(xiàn)與業(yè)務(wù)流程的深度融合。這類 AI 技術(shù)棧涵蓋模型訓(xùn)練、部署、推理執(zhí)行及機器學(xué)習(xí)運維（MLOps）等工具，專為工業(yè)場景優(yōu)化，從而在邊緣側(cè)實現(xiàn)完整的 AI 生命周期管理。
例如，德國工業(yè)傳動與控制技術(shù)公司博世力士樂展示了其 ctrlX AUTOMATION 平臺，支持通過 ctrlX CORE 與 ctrlX OS 在邊緣側(cè)部署 AI 模型，底層采用 ONNX runtime 與 Docker 容器技術(shù)。博世還與美國視覺 AI 公司 LandingAI 合作，將其免編碼模型訓(xùn)練平臺 LandingLens 集成到 ctrlX 平臺中，從而實現(xiàn)面向具體工業(yè)場景的視覺模型訓(xùn)練、部署與工作流集成。
與此同時，視覺-語言模型（VLM）加速向低時延邊緣部署轉(zhuǎn)移。 VLM 正從以云為中心的部署架構(gòu)，演變?yōu)槟K化、適配邊緣的設(shè)計架構(gòu)。這類模型可在本地實現(xiàn)實時、低延遲的推理計算，無需依賴云端連接。美國 IT 與服務(wù)科技公司戴爾聯(lián)合英偉達(dá)與軟件顧問服務(wù)公司 SoftServe，共同展示了一套先進(jìn)的本地視頻搜索與摘要系統(tǒng)，利用 VLM 與 LLM 實現(xiàn)目標(biāo)識別、狀態(tài)分類與運營分析等功能。系統(tǒng)運行于搭 載NVIDIA GPU 的戴爾 PowerEdge 服務(wù)器上，所有數(shù)據(jù)均在本地處理，保障性能與數(shù)據(jù)安全。
戴爾、英偉達(dá)與 SoftServe 聯(lián)合展示的邊緣側(cè)視覺語言模型（VLM）AI 應(yīng)用，用于水果品質(zhì)檢測與 OEE 監(jiān)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(fā)展
數(shù)字化時代，數(shù)據(jù)已成為企業(yè)最寶貴的資產(chǎn)之一。隨著數(shù)據(jù)量的爆炸性增長，企業(yè)面臨著如何有效管理和利用這些數(shù)據(jù)的挑戰(zhàn)。DataOps，或數(shù)據(jù)運營，應(yīng)運而生，旨在解決這一挑戰(zhàn)。DataOps 是一種自動化和流程化的方法，旨在提高數(shù)據(jù)分析的質(zhì)量和效率。它借鑒了 DevOps（開發(fā)運營）的理念，強調(diào)跨部門協(xié)作、快速迭代和持續(xù)改進(jìn)。
此前，DataOps 平臺的核心能力主要集中在數(shù)據(jù)集成、語境化處理與建模等方面。然而，領(lǐng)先的 DataOps 平臺正在不斷擴展功能邊界，逐步成為工業(yè) AI 的關(guān)鍵支撐工具——其重要性之高，以至于 IoT Analytics 團(tuán)隊觀察到，在本屆展會上，工業(yè) DataOps 廠商的展臺成為觀眾訪問最頻繁的區(qū)域之一。比如，來自美國的工業(yè) DataOps 平臺供應(yīng)商 Litmus Automation 展示了其在邊緣側(cè)支持 AI 模型生命周期管理的能力，可實現(xiàn) AI 模型的實時部署與更新，貼近數(shù)據(jù)源運行，從而提升響應(yīng)速度并降低對云的依賴。
同時，數(shù)據(jù)治理正成為 DataOps 領(lǐng)域的標(biāo)配。 無論是來自 IT 領(lǐng)域的廠商，還是原生于 OT 場景的企業(yè)，都在推出具備數(shù)據(jù)治理能力的工具。這些解決方案支持 GDPR 等法規(guī)合規(guī)，提供數(shù)據(jù)追蹤、可觀測性增強等功能。總部位于瑞典的流數(shù)據(jù)分析與集成軟件公司 Crosser 展示了其從邊緣到云的先進(jìn)編排平臺，聚焦流式分析與實時數(shù)據(jù)處理。該平臺旨在促進(jìn)數(shù)據(jù)流的集成與落地運營，助力制造企業(yè)構(gòu)建低延遲、高可靠性的 AI 驅(qū)動工作流。
Crosser 通過 Flow Studio 實現(xiàn) FlowWatch 數(shù)據(jù)治理流程優(yōu)化：外部 API 獲取的數(shù)據(jù)首先會根據(jù) JSON 架構(gòu)進(jìn)行校驗，若符合規(guī)范則寫入數(shù)據(jù)庫，若不符合則通過 Slack 通知數(shù)據(jù)工程團(tuán)隊進(jìn)行處理
（來源：Crosser）
趨勢五：人工智能的數(shù)字線程正在改變設(shè)計和工程
展會上，設(shè)計與工程軟件廠商強調(diào)，數(shù)字主線（Digital Thread）通過貫穿產(chǎn)品全生命周期（從初步設(shè)計到生產(chǎn)再到運維）的數(shù)據(jù)連續(xù)性，正在重塑工程流程。
例如，西門子推出了下一代數(shù)字主線解決方案 DxC，該方案構(gòu)建于資產(chǎn)管理殼（AAS, Asset Administration Shell）標(biāo)準(zhǔn)之上。DxC 可跨多個 AAS 服務(wù)器集中發(fā)現(xiàn)產(chǎn)品與資產(chǎn)數(shù)據(jù)，并直接將其映射至西門子的 PLM 平臺 Teamcenter，構(gòu)建統(tǒng)一的數(shù)據(jù)層，工程師可在無需切換系統(tǒng)的情況下搜索、調(diào)用與使用數(shù)字資產(chǎn)信息。值得注意的是，DxC 還支持 LLM 能力，可從非結(jié)構(gòu)化技術(shù)文檔中自動生成 AAS 條目，大幅降低人工錄入成本。
與此同時，美國工程設(shè)計軟件公司 Autodesk 的 Project Bernini 項目展示了 AI 如何重塑早期設(shè)計流程。這一實驗性生成式 AI 模型可將文本提示、圖像或點云等輸入轉(zhuǎn)換為三維形狀，提供一種更快速、更靈活的產(chǎn)品概念生成方式。它體現(xiàn)了更廣泛的“多模態(tài)設(shè)計”趨勢，即工程師可通過自然語言、視覺提示和手勢等多元方式與設(shè)計軟件交互。
趨勢六：預(yù)測性維護(hù)日趨傳感器化，并拓展至以往被忽視的資產(chǎn)類別
展會上，多家預(yù)測性維護(hù) (PdM) 廠商展示了集成定制硬件與專用分析模型的系統(tǒng)，而非純粹的軟件解決方案。傳統(tǒng) PdM 方法以軟件為主，部分廠商依賴部署合作伙伴，另一些則打造垂直一體化方案以追求簡單易用和快速部署。如今的 PdM 市場日趨成熟，競爭焦點逐漸轉(zhuǎn)向傳感器質(zhì)量、覆蓋范圍和系統(tǒng)兼容性。
例如，意大利 PdM 解決方案提供商 Fermai 展示了其最新推出的PdM系統(tǒng) Doctor 4.0 平臺，該平臺由 4 個嵌入式傳感器、4 個外接通道、一個網(wǎng)關(guān)及基于云端的 Web/移動平臺組成。該方案將傳感器數(shù)據(jù)與 Modbus 實時控制結(jié)合，強調(diào)“具備控制集成能力的傳感原生系統(tǒng)”將在長期內(nèi)具備更高價值。
除了電機、泵等常見工業(yè)資產(chǎn)，部分參展廠商將 PdM 的觸角延伸至過去較少關(guān)注的部件，如螺栓、潤滑系統(tǒng)及非振動類磨損指示器。這些領(lǐng)域往往是潛在故障源或質(zhì)保爭議的“盲區(qū)”，現(xiàn)在也正借助專用傳感與 AI 技術(shù)被系統(tǒng)性納入監(jiān)測范圍。
例如，總部位于瑞典的工業(yè)技術(shù)公司 StrainLabs 展示了一款支持藍(lán)牙的螺栓傳感器，該傳感器可持續(xù)測量內(nèi)部應(yīng)變和溫度。這有助于追蹤預(yù)緊力，并在松動導(dǎo)致關(guān)鍵設(shè)備故障（運輸和重型機械等行業(yè)的主要成本驅(qū)動因素）之前檢測到松動。儀表板可根據(jù)可配置的預(yù)緊力閾值實現(xiàn)實時監(jiān)控和警報。
嵌入 StrainLab 傳感器的一系列螺栓，適用于多種標(biāo)準(zhǔn)螺栓尺寸
（來源：2025 年漢諾威工博會）
趨勢七：5G 專網(wǎng)需求上升，但整合仍是主要障礙
多家通信廠商在展會接受采訪時指出，專用 5G 網(wǎng)絡(luò)（Private 5G）在全球多個行業(yè)中的需求持續(xù)增長，尤其在美國和亞洲市場表現(xiàn)活躍。然而，由于面臨多項挑戰(zhàn)，該技術(shù)的普及速度仍未達(dá)到最初預(yù)期。
最大的障礙在于與現(xiàn)有技術(shù)基礎(chǔ)設(shè)施的整合難度。廠商普遍反映，部署 5G 專網(wǎng)需要對原有架構(gòu)進(jìn)行大幅調(diào)整，并構(gòu)建適配的新生態(tài)系統(tǒng)。這不僅包括需要支持工業(yè)特性的專用設(shè)備和模塊（如路由器、基站、物聯(lián)網(wǎng)傳感器），還要求這些設(shè)備滿足工業(yè)場景下對低延遲、高可靠性和對舊系統(tǒng)兼容性的嚴(yán)苛要求。此外，法規(guī)與頻譜許可等問題也對部署節(jié)奏構(gòu)成制約。
盡管面臨挑戰(zhàn)，5G 專網(wǎng)在實際項目中的落地仍在不斷推進(jìn)。 比如諾基亞展示過一套融合生成式 AI、邊緣計算與5G 專網(wǎng)的實時工業(yè)安全與資產(chǎn)監(jiān)測解決方案。在該演示中，多模態(tài)傳感器數(shù)據(jù)、計算機視覺與生成式 AI 協(xié)同工作，用于識別安全隱患并通過具備 Agentic 能力的系統(tǒng)自主觸發(fā)應(yīng)急響應(yīng)機制，引導(dǎo)現(xiàn)場工人完成防護(hù)操作。整個閉環(huán)自動化流程均在邊緣端完成，無需依賴云端，實現(xiàn)本地、實時、閉環(huán)的工業(yè)安全管理。
趨勢八：可持續(xù)解決方案在 AI 助力下持續(xù)演進(jìn)
AI 能夠提升碳排放可視化與合規(guī)效率。 諸如排放追蹤系統(tǒng)、碳足跡管理平臺及 ESG 報告工具等可持續(xù)發(fā)展應(yīng)用，正在借助人工智能技術(shù)進(jìn)行升級。通過 AI，制造企業(yè)能夠?qū)崿F(xiàn)更高的數(shù)據(jù)可視性，并生成更為精準(zhǔn)的排放與能耗估算結(jié)果，從而優(yōu)化整個生產(chǎn)流程中的能源使用。多個典型案例顯示，AI 在填補數(shù)據(jù)缺口、提升碳足跡計算準(zhǔn)確性、以及通過建模與能耗預(yù)測改善能效等方面發(fā)揮著關(guān)鍵作用。
AI 還被用于簡化合規(guī)申報流程，提升跨法規(guī)標(biāo)準(zhǔn)的適配效率。 一個典型例子來自微軟與埃森哲聯(lián)合成立的合資企業(yè) Avanade。該公司推出了歐盟碳邊境調(diào)節(jié)機制（CBAM）Agent，旨在優(yōu)化排放跟蹤與合規(guī)申報流程。該解決方案集成于 Microsoft Cloud for Sustainability 中，基于 Microsoft Copilot Studio 和 Azure OpenA 構(gòu)建，可自動映射統(tǒng)一的能耗指標(biāo)到不同法規(guī)框架中，實現(xiàn)快速響應(yīng)多地監(jiān)管要求的智能化合規(guī)。
趨勢九：認(rèn)知能力賦能機器人
機器人廠商正積極將認(rèn)知型 AI 與語音交互功能引入其產(chǎn)品中，目標(biāo)是讓用戶能通過語音指令與機器人協(xié)作，而不再依賴繁瑣的手動操作。這一趨勢有望提升機器人使用的靈活性、減少部署時間，并降低制造與物流場景中對專業(yè)技能的依賴。
例如，德國協(xié)作機器人初創(chuàng)企業(yè) Neura Robotics，最近為其認(rèn)知型機器人 MAiRA 增加了語音指令功能，使其能夠響應(yīng)用戶的簡單語音指令。該功能讓人機交互變得更加直觀，用戶無需復(fù)雜編程即可通過語音控制與教學(xué)機器人，從而顯著提升操作效率與普適性。
趨勢十：數(shù)字孿生從虛擬復(fù)制體演進(jìn)為實時工業(yè)副駕駛
數(shù)字孿生正轉(zhuǎn)型為 AI 驅(qū)動的優(yōu)化工具。 多家廠商展示了數(shù)字孿生技術(shù)的最新發(fā)展趨勢，強調(diào)其已不再只是設(shè)備的靜態(tài)數(shù)字副本，而是作為實時運行的“副駕駛”，廣泛應(yīng)用于運營輔助、員工培訓(xùn)與質(zhì)量控制等領(lǐng)域。
例如，德國汽車工程服務(wù)公司 EDAG Engineering 展示了一款多層級工廠數(shù)字孿生系統(tǒng)，作為整個生產(chǎn)生命周期中的智能助手。EDAG 的智能工廠平臺基于 NVIDIA Omniverse 構(gòu)建，集成了實時數(shù)據(jù)、仿真和 GenAI，支持 AI 引導(dǎo)維護(hù)、虛擬操作員培訓(xùn)和項目管理支持等用例。
同時，西門子展示了如何將數(shù)字孿生直接用于實時優(yōu)化與機器人訓(xùn)練。在德國埃爾朗根的運動控制工廠，西門子將 NVIDIA Omniverse Replicator 與其 Xcelerator 平臺整合，合成生成用于機器人訓(xùn)練的數(shù)據(jù)。這些增強型 AI 孿生可仿真設(shè)備行為與物料流動，使企業(yè)在實際改造產(chǎn)線之前，就能先行完成流程驗證與布局優(yōu)化，大幅提升實施效率與精準(zhǔn)度。
參考資料：
Top 10 industrial technology trends—as seen at Hannover Messe 2025，Iot-analytics
西門子通過創(chuàng)新與生態(tài)合作，加速人工智能賦能產(chǎn)業(yè)發(fā)展，西門子
西門子宣布推出全新工業(yè)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(yè)AI:生成式AI非萬能,應(yīng)用落地需時日，物聯(lián)網(wǎng)智庫
