超级管理员
楼主
在 10 月 6 日到 7 日举办的 Future of Automation 2026 会议上，WAGO 发布了 WAGO PLC AI Agent。
它解决的是什么痛点 PLC 程序员和集成商遇到问题，现在的常见做法是把代码复制粘贴到公共 AI 平台里问。
这个做法有两个问题：一是专有机器逻辑离开了企业边界，二是通用模型根本不知道你用的是哪个版本的功能块。
WAGO 的做法是把 agent 直接做进开发环境。
技术细节
- 训练语料：WAGO 三十多年的硬件库、设备包、功能块和示例项目。
- 集成点：直接集成到 CODESYS 工程环境。
- 目标用户：为 WAGO I/O System 开发应用的 PLC 程序员和系统集成商。
- 核心功能：自动化和结构化文本（ST）编程问题的对话式支持。
- 工作流变化：不需要把代码复制粘贴到外部 AI 工具。
为什么「不导出代码」是卖点 对于受客户 NDA 或出口管制约束的制造商，这不是便利性，是采购前提。很多工厂明确禁止把客户代码粘贴到云端。
把 agent 放进 CODESYS，等于把 AI 能力送到工程师手边，同时让专有逻辑不出厂区。
治理上仍有要求 WAGO 也明确说了：AI 生成的回复在部署前仍需要开发者验证、评审和测试。
这个态度是对的。工业控制代码的错误代价和网页不一样——不是页面白屏，是设备动作异常。
真正的护城河是数据不是算力 通用 AI 能写结构化文本，但它不知道你工厂在 2014 年把哪个功能块定为标准。
工业 AI 的竞争壁垒不是模型规模，而是厂商专属工程数据的深度、清洁度和授权状态。谁能合法地把装机量编码进模型，谁才有优势。
可以预期的跟进 西门子、罗克韦尔、倍福、施耐德大概率会推出类似的嵌入式 copilot。差异化会体现在各自能合法且可信地编码多少装机基础。
一个判断标准 评估这类工具，别问它能不能写 ST 代码——能。要问它知不知道你用的具体硬件版本、具体功能块版本、你们企业的编程规范。答案的差异才是真正的价值差异。
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。