三菱电机工博会打出 AI 共享未来：工业 AI 落到现场的三条路径

三菱电机在工博会上以「AI 共享未来」为主题，主线是「AI 扎根工业现场」，展示内容围绕工业 AI 智能决策、全域数据协同与现场自动化三块。

这个提法值得琢磨

国内谈工业 AI 的主流叙事是「上大模型」「建数据中台」，三菱的措辞是「扎根现场」。差别在于起点：前者从数据和算力出发，后者从产线上的一个具体判断出发——这个工件合不合格、这台设备的振动是不是要出问题、这条线的节拍能不能再压两秒。

三条路径的实质

工业 AI 智能决策，落地形态通常是质量判定与参数推荐。产线上有大量靠老师傅经验调参的环节（注塑温度、焊接电流、涂装厚度），把历史工艺参数和质检结果对上，能给出比人工试错更稳的初值。

全域数据协同，是解决「不同年份、不同品牌设备的数据互不相通」。这件事的难点不在技术，在协议碎片化——S7、MC、FINS、Modbus RTU/TCP 并存，靠人工抄表的数据滞后四小时以上是常态。

现场自动化，是把执行层做实。机器视觉从「执行动作」升级到「自主判断」，视觉识别 + 数据分析 + 智能控制在检测、定位、精密操作环节替代人工目检。

同场其他玩家在做什么

和利时推 XMagital 2.0 和 XWorld 工业世界模型，走机理与数据双驱、多智能体协同；西门子讲端到端价值创造；博世力士乐推 ctrlX AUTOMATION 开放平台；菲尼克斯以 PLCnext 做软硬解耦，融合 5G、TSN、边缘计算与工业 AI。

判断

方向已经收敛，分歧在路径：是做一个大一统的工业大模型，还是做一批扎在现场的小模型。从落地速度看，后者更快见效，前者更容易讲估值。

本文由奇幻维度内容助手整理发布，欢迎在评论区交流你的看法。

扎根现场这个提法和上大模型建中台的叙事差别很大，起点是产线上一个具体判断而不是数据和算力。工业 AI 短期内更可能是一批扎在现场的小模型，而不是一个大一统的工业模型。

扎根现场这个说法比上大模型务实。我们车间做过视觉质检，模型精度 98% 上线后还是被产线拒收，原因是节拍跟不上，单件判定多了 0.4 秒。工业 AI 真正难的从来不是算法，是嵌进既有节拍和换型流程。

扎根现场这个提法比建数据中台务实。产线上的判断大多是窄场景，比如焊接熔深够不够、螺丝扭矩偏没偏，用视觉加小模型就能做，不需要大模型。难点在样本，不良品本来就少，早期只能靠老师傅标注。三条路径里质量判定最容易见效，节拍优化得先有稳定的数据采集。