PPT里的AI上天入地,车间里的AI现了原形——一个德国高管的三句大实话,顺手说透了人形机器人卡在哪

无人工厂、人形机器人、会自己干活的机械臂，一个比一个震撼，看得人直犯嘀咕：是不是明天上班，就轮到我被机器替了。

可一片热闹里，有个德国人偏偏在泼冷水，我盯着那几句话看了很久。

他叫裴安咨（Achim Peltz），西门子数字化工业大中华区的负责人、自动化业务的执行副总裁，管工厂、跑车间是他的老本行。

他说，在工厂里，每个环节、任何时刻都必须完美运行。这不是实验室里的演示问题，而是生产现场的可靠性问题。

这话听着平，细想特别扎心。

展台上的AI，和车间里的AI，是两个物种

先说个常识。

展台上的演示，是可以挑状态的。灯光打好、数据喂好、流程跑到最顺的那一遍，录下来，就是你看到的“黑灯工厂”。

可真实的车间不跟你讲这个。

它一天二十四小时连轴转，设备有新有旧，环境有冷有热，来料时好时坏，工人也总有这样那样的临时调整和例外。AI要在这种地方，做到每一秒都不出错。

展台只演成功的那一次，工厂要扛住每一次。

裴安咨讲得很直白，工业客户用AI很谨慎，因为他们要的是工业级的东西，不是偶尔灵光一下。

工博会上，ABB的现场工作人员说了句更实在的话：现在AI在工厂里还只是辅助，就算做到九成准确，剩下那一成，照样得人盯着复查。

你品品，九成还不够。因为流水线上漏掉的那一成，可能就是一批报废品、一次安全事故。

消费互联网里，AI错一次，你刷新一下就过去了；工厂里，AI错一次，是要赔钱、伤人、停线的。

这就是为什么AI的新闻天天炸，可你真回老家的厂子里转转会发现——真正让AI顶班的车间，没几个。

第一道坎，是“对不齐”的数据

那到底卡在哪？裴安咨给的第一道坎，出人意料地朴素：数据。

他说，AI要成规模，得有高质量的数据。新产线还好办，可那些老行业、旧工厂，数据散在大大小小好几套系统里，有新机器也有旧机器，很难做到每条生产线的数据都对得齐。

这话外行听着平淡，内行知道是要命的。

AI这东西，本质是喂数据长大的。你喂的料东一榔头西一棒子，新旧对不上、标准不统一，它再聪明，学到的也是一锅夹生饭。

模型不缺聪明，缺的是车间喂的干净口粮。

中国信息通信研究院今年的《工业智能创新发展报告（2026年）》也印证了这点：大部分工业数据质量参差不齐、知识内嵌不足，没法直接拿去训练智能模型。

所以你看，海尔的周云杰讲过，最优质的数据、最硬核的检验，始终在制造一线；而裴安咨愁的，正是数据对不齐。一个中国家电巨头，一个德国工业巨头，隔着重洋说的是同一件事——

工业AI真正的护城河，不是谁的大模型参数多，而是谁手里有干净、对得齐、带着老师傅经验的现场数据。

这也是为什么我一直说，AI眼下最缺的，不是更贵的芯片。

人形机器人的坎，不在脑子也不在腿

如果说工业AI是“看着美、用着难”，那今年最火的人形机器人，就更典型了。

裴安咨下了个判断，我觉得值得每个关注机器人的人记住。

他说，人形机器人从概念到真正上产线，最大的瓶颈既不是动力系统，也不是背后的大脑系统，而是它能不能适应真正的工业场景，比如装配。

腿能跑完马拉松，未必拧得好一颗螺丝。

你看那些发布会，机器人翻跟头、跳广场舞、给人端咖啡，行云流水。可这些都是摆拍得出来的“标准动作”。

装配线是什么地方？零件有公差，来料有毛刺，光线忽明忽暗，同一个工位今天和明天都不完全一样。机器人得在这一千种、一万种细碎的意外里，稳稳把活干对。

学会一万个标准动作，栽在第一千零一种意外。

裴安咨也交底了：到今天，工厂里还没有实现人形机器人的批量应用。西门子自己干脆不造机器人本体，专做两头的事——帮厂商把机器人设计好、验证透、再送上量产线，再用调度系统把它接进真实产线。

这其实和我前阵子聊的“机器人也得上学”是一回事。

今年全球机器人和物理AI赛道，融进来三四千亿元人民币（据PitchBook，近480亿美元），其中一大笔，就砸在“机器人健身房”里，让它们没日没夜地练。练的就是这最后一课——怎么应对那个不讲道理的真实世界。

参数抄得走，师傅手里的手感抄不走。

纸上得来终觉浅，车间才是那面照妖镜

讲到这儿，我想起陆游写给小儿子的一首劝学诗，里面有两句，我越想越觉得就是说给今天的工厂听的。

展台上的AI，是“纸上”那一层，干净、完美、只挑对的演；车间里的AI，是“躬行”那一层，脏乱、琐碎、专挑你没准备的来。

裴安咨有句话，正好当这面照妖镜的注解：“AI只有与自动化、软件以及行业专业知识相结合，才能创造真正价值。”

他还讲，工业AI真正的分水岭，是看你能不能在真实产线上，持续创造出可衡量的效率和可靠。

注意“可衡量”三个字。不是PPT上写了多少智能体，而是废品率降了几个点、停机少了多少小时、交付快了多少天。

照妖镜立起来，妖魔鬼怪现原形：凡不敢拿车间真实数字说话的，多半还停在演示里。

这话不管你是办企业、搞园区，还是就上个班，都是个清醒提醒：上AI不能跳步，先把设备联网、数据对齐、系统打通，再谈智能化，这个课一节都省不得。

对咱们普通人，这面镜子该怎么照

说了这么多行业里的事，落到咱们普通人头上，其实是颗定心丸。

这些年“无人工厂”喊得震天响，很多人心里发慌。可裴安咨这盆冷水一泼，你反而看清了——

AI能轻松接管的，是那个被清理干净、一切标准、毫无意外的理想世界；而现实里最值钱的，恰恰是下过车间、见过异常、能在烂摊子里把问题收拾明白的人。

所以与其天天担心AI哪天进厂，不如反过来想：怎么让自己变成那个离现场最近、最懂行、最会处理意外的人。

与其怕AI进厂，不如做离车间最近的那个人。

会使唤工具，又在一个具体行业里泡出了真功夫，这样的人，机器一时半会儿替不了，反而要靠他把AI带进车间。

你看，真正的考题从来不是“AI有多强”，而是“谁肯弯下腰，走进那个又脏又乱、却最真实的现场”。

这道题，展台答不了，PPT答不了，只有一脚踩在车间地上的人，答得了。

大家好，我是子兄，随便说说写写，不对的地方请包涵。

关注「子兄」，让我们的脑袋和口袋一起变富。