达索系统、PTC、西门子三巨头AI布局的“异与同”

本文将全面梳理三家厂商的AI战略布局与路径异同，为工业软件领域的从业者与观察者提供参考与借鉴。

来源：e-works

在达索系统的规划中，AI不是简单叠加在工程体系之上的表层工具，而是真正渗透到工程全流程、成为工程本身一部分的能力。达索系统强调，其打造的AI是以可信赖为基础、基于科学的、扎根于真实工业Know-How的AI，具备规模化扩展能力。

基于此，达索系统的AI布局主要在以下方面：

过去几十年，从三维建模到仿真分析，从协同管理到全生命周期平台，达索系统持续将产品、工艺、材料、制造和运营过程映射到虚拟空间之中，旨在为用户创造沉浸式的虚拟孪生体验。如今，这一积累正在转化为AI时代的核心优势。

达索系统新推出的第七代“3D UNIV+RSES”，基于 3DEXPERIENCE平台，融合了建模、仿真、物理世界资产和人工智能生成内容，是达索虚拟孪生技术的扩展与核心载体。

它承载了行业数十年积累的经过验证、结构化的工业数据，为AI模型的训练创造了科学的理解、实验和学习环境，从底层保障了生成内容的可信性。

在达索系统看来，工业世界的核心是物理规律与工程逻辑。工业AI必须能深刻理解物理世界，如飞机机翼在气流中的受力、电池在充放电中的热力学变化等。

基于此，达索系统联合NVIDIA共建下一代工业AI平台，打造深度融合工业AI与物理AI的工业世界模型（Industry World Model）。

工业世界模型的核心在于：既具备解析客观物理规律的能力，又能将规律转化为可落地的工业生产能力，从而精准建模与可信预测，输出可追溯、可验证且严格符合工业标准的结果，填补通用AI在工业场景的空白。

达索系统要做的是“科学锚定”的AI，而非仅仅“数据驱动”的AI。通过与NVIDIA的合作，正是为了将达索四十余年工业知识沉淀与NVIDIA的算力及AI基础设施深度融合，打造一体化工业AI基础设施，为工业世界模型提供底层支撑。

达索系统为3D UNIV+RSES构建了"传统应用+虚拟助手+生成式体验"的全新架构。

其中，虚拟助手作为角色导向AI智能体，深度嵌入研发、设计、生产、运维全流程，替代重复性人工操作，提供专业知识支撑。

例如，其推出的AURA（商业策略师）、LEO（工程专家）、MARIE（科学专家）三大AI专家分别对应产品研发全链条中的不同角色——从商业需求分析、工程方案探索到底层科学验证，形成"商业→工程→科学"的协同闭环。

   

生成式体验则实现端到端流程的全自动化贯通，从概念设计到产品交付，依托AI自动完成仿真优化、工艺规划、质量预判等核心环节。

过去20年，PLM的重心是作为记录系统管理产品数据；而如今，正转向如何让这些数据充分发挥价值——跨越工程、制造服务、质量和工作流程等领域，实现智能化升级。

基于这一洞察，PTC提出了智能产品生命周期 IPL（Intelligent Product Lifecycle）的战略，其核心是将传统的PLM从记录系统升级为具备智能能力的行动系统。

IPL战略建立在三大支柱之上。首先是互联的专业系统，即打通研发、制造、服务等原本各自为政的软件工具，让数据不再孤岛化。其次是统一可访问的数据，确保产品全生命周期中的每一笔信息都能被准确、及时地调用。第三，AI能力融合，将AI能力深度嵌入全生命周期业务流程与工具。

围绕IPL战略，PTC形成了开放连接、叠加智能的AI落地框架——以开放实现互联互通，不做“推倒重来”的替换式升级，而是在原有记录系统之上构建新智能层，实现AI与产品全生命周期的深度融合。

PTC最新推出的PTC Orbit与PTC Jetstream，以原有记录系统为事实来源，专注于汇聚各系统数据、管理协作上下文，从而为AI提供可推理的统一产品数据基础。

PTC Orbit是一款AI优先、云原生的解决方案，可将来自PLM、ERP、CRM、IoT、EAM和FSM等系统的数据整合到统一的资产主记录中，并借助AI持续维护数据质量，让资产信息与洞察能够在整个企业范围内实现共享和应用。

在PTC看来，产品一旦出厂，制造商便失去了对其的掌控能力，由此造成了“工程质量盲点”——设计意图存在于一个系统中，现场实际情况存在于另一个系统中。Orbit正是为弥合这一断层而生，可让AI具备从设计到运维的完整视角。

PTC Jetstream则是一款云原生协同解决方案，旨在解决长期以来产品数据协作面临的挑战。该解决方案使企业内部及外部团队能够轻松共享数据、开展评审并收集可追溯的反馈，同时保持与PLM、ALM和CAD系统的无缝集成，并由AI能力提供支持。

在PTC Jetstream中，受邀的协作人员只需点击一个电子邮件链接、进行登录，即可查看、分类、测量并对完整组件进行标注，评论会记录下当前的视图状态，整个讨论内容也会重新发布至Windchill变更流程中。这不仅实现有效协作，也为后续AI分析提供了完整的上下文。

   

PTC Orbit架构（来源：Beyond PLM Blog）

2、统一AI平台，支撑企业级转型

PTC还打造了全新AI平台。该平台结合嵌入在整个产品组合中的AI智能体（AI Agents）和AI助手（AI Assistants），进一步扩展产品数据在整个企业中的价值。目前，PTC已布12个AI智能体。

借助这一AI平台，PTC正在其整个产品组合中构建全新的Intelligence Layer（智能层），以支持企业级转型。

3、全价值链"嵌入式智能"

PTC围绕PLM（Windchill&Arena& FlexPLM）、CAD（Creo&Onshape）、ALM（Codebeamer）、SLM（ServiceMax和Servigistics）四大核心产品线全域嵌入AI能力，工程师无需切换原有工作流程即可获得AI赋能。

另外，PTC将AI能力分为三个等级：基础级的AI建议（Advice）、辅助级的分析与风险预防（Assist），以及最终实现自动化与自主执行（Autonomy）。

   

作为行业少有的同时深耕研发软件与工控硬件的厂商，西门子依托"软件+硬件"的全栈能力，推动AI从辅助决策到自主执行，从软件智能到物理融合，从点状应用到企业级智能。其核心是构建一个贯穿现实与数字世界的智能工业体系，加速工业AI从试验走向规模化落地。

西门子先后推出了九款Industrial copilots，覆盖从设计仿真、产品生命周期管理到生产制造与运营的全流程。同时，打造了首款直接集成到工业工具链的自主工程智能体Eigen Engineering Agent。

Eigen能在TIA博途工程系统中运行，自主完成端到端的任务规划、执行和验证。相比普通AI助手，Eigen执行效率提升2 -5倍，工程效率整体提升50%。其诞生标志着AI不再止于对话式的辅助增强，而是开始主导执行工作流程。

西门子认为，AI若不能走进真实的物理世界，就只是"装在罐子里的超级大脑"。西门子的目标是，让AI与真实的机器、产线产生互动。这与西门子“融合现实与数字世界”的理念高度一致。

Eigen Agent是西门子物理AI在产品层面的落地。它能在真实工程系统中自主完成PLC编程、设备配置等任务，让数字AI能力直接转化为工业场景的实际生产力。

而与NVIDIA共建的工业AI操作系统，则进一步强化了物理AI能力。该系统试图连接数据、软件与智能硬件，让AI决策精准转化为物理世界的生产动作。

不同于擅长处理泛化数据的通用大模型，西门子联合微软开发的工业基础模型（IFM），是一个会“讲”工程与制造语言的模型，能理解三维模型、二维图纸、工业传感数据及技术规范，进而生成智能建议。

另外，训练IFM的语料库，源于西门子在40多个行业、超40万家客户中所沉淀的150PB高质量工程数据与实践经验。

“规模化”是西门子近年来AI发展的关键词。2025年西门子宣布“ONE Tech Company”计划时就曾提出：未来三年将投资超过10亿欧元，推动其AI解决方案的规模化发展。

为此，西门子构建了支持工业AI规模化落地的开放架构——AI Fabric（西门子工业AI操作系统的重要组成部分）。在这个架构中，AI不是孤立工具，而是贯穿工业全流程的“基础设施”，每个节点都能调用AI能力，每个决策都能被AI优化。

西门子还推出全新工业AI编排软件Intelligence Center X。它通过整合Mendix低代码开发环境、Graph Studio知识图谱能力及AI Studio，以统一的治理底座贯通数据、模型与工作流，支撑企业快速交付AI原生应用与智能体，实现从AI试点到规模化应用的跨越。

   

此外，西门子开放式数字商业平台Xcelerator平台既是自有AI产品的交付门户，更是连接数据、软硬件与第三方方案的生态枢纽。通过Xcelerator，企业可按需调用全栈AI能力，并将其嵌入自身已有的工具链和业务流程中，加速智能化升级。

基于不同的企业基因，三家厂商的AI布局既有殊途同归的共识，也有差异化的打法。

表1.三巨头AI布局核心差异对比

   

尽管三家厂商AI打法有所不同（如表1），但在几个最核心的底层判断上，三家巨头却高度统一。

一是，拒绝“AI外挂”。将AI深度嵌入工程全流程，锚定服务真实工业研发、生产的核心落地逻辑。

二是，以数字孪生/虚拟孪生/数字主线为AI底层支撑。依托数十年沉淀的工业全流程数据，从底层保障AI输出结果的可信。

三是，将“可信性”作为工业AI第一优先级。跳出通用大模型纯数据驱动的逻辑，以物理规律、工业标准约束AI输出。

四是，构建开放生态。工业AI的落地不可能依靠单一厂商独立完成，巨头的生态共建思路：一方面与算力、大模型厂商深度合作，补足底层能力短板；另一方面联合行业头部客户共同打磨场景方案，将一线工业经验转化为AI模型的核心能力，最终构建“算力底座+行业模型+场景应用”的完整开放生态，推动工业AI规模化落地。

工业AI的本质，不是技术的狂欢，而是对工业规律与真实场景的深度回归。达索系统、西门子、PTC路径各异，但终点一致——让AI真正懂工业、能落地、可信赖。

三巨头的探索也为整个行业指明了方向：

●护城河在数据与行业Know-how。通用AI无法替代工业软件的真正的壁垒是数十年沉淀的物理规律模型和高质量工业数据，这是训练专属工业模型的稀缺资源。

●战略选择必须基于自身基因。是像达索系统与强者结盟放大优势，还是如西门子坚持全栈整合，亦或是像PTC聚焦核心工业软件，都源于企业对自身优势和行业终局的判断。

● “嵌入式”是当前最优解，“代理化”是未来方向。将AI以Copilot形式嵌入现有工具是快速产生价值的关键；而自主执行任务为主导的AI Agent将是重塑人机协作的下一个战场。

●跨界合作的关键是双向赋能。切忌陷入“全产业链自建”陷阱，而是通过技术厂商提供算力与模型底座，工业软件厂商与企业贡献场景与数据，共同打造真正可用的工业AI。