【ZiDongHua 之“经济与管理”收录关键词：西门子 人工智能 智能自动化 工业AI 北京大学】
五问工业AI 真相：西门子CTO与北大光华院长巅峰对话
电池制造良率如何从60%提升至90%?
80%的“沉睡”工业数据如何唤醒?
当工业AI入场
怎样的颠覆性改变正在发生?
2025年6月23日，新一期西门子Open TechTalk走进北大校园。西门子股份公司董事会成员、首席技术官和首席战略官Peter Koerte与北大光华管理学院院长刘俏在燕园进行了一场巅峰对谈，以价值之上，智能之中为题，以5个犀利问题为引，穿透工业AI的未来叙事——
01
工业AI如何重塑关键行业?
Peter Koerte
“80%工业数据因设备未联网而沉睡——以AI破解‘数据孤岛’将释放巨大价值”
中国承载全球33%制造业，电池制造、新能源汽车等领域全球领先。工业AI解锁的海量数据将为这些行业产业释放无限潜能。
以电池制造业为例。从材料混合到电池组封装，电池制造需要经过13道精密工序。如在每道工序都部署传感器+AI质检，将能够实现产品良率从60%-90%的跃升。
西门子愿凭借全栈数据能力——从数据采集、分析到软件与硬件平台——成为这一进程中的关键技术伙伴。
02
新质生产力落地面临哪些机遇与挑战?
刘俏
“新质生产力的核心在于提升全要素生产率(TFP)，工业AI将带来效率提升和技术演进双重机遇。”
工业AI的发展也面临三大挑战：
如何建立投资机制，为这一颠覆性技术筹资?
如何打破数据孤岛，在保证隐私的前提下保证数据流通?
如何让高校、企业等各方均可平等获取高质量数据?
03
AI时代，年轻人需要哪些“必备技能”?
作为人才的“需求方”
Peter Koerte带来西门子视角
“学会”学习：技术日新月异，终身学习会替代阶段性教育
透过现象看本质：理解技术本质，了解技术机理才能更好地创新
警惕“AI万能论”：明辨AI能够在何处真正创造价值。
作为人才的“输送方”
刘俏分享北大光华观点
学校不仅需要从企业需求反推人才培养，增设AI融合商业实践课程，更要守护学生探求未知的好奇心，因为这才是突破AI应用边界的火种。
当技术爆炸催生焦虑
两位嘉宾给出破解密钥
Peter Koerte心态论：重构认知，将AI视为机会而非威胁，让它接管重复性劳动，释放人类创造力。
刘俏方法论：与专家持续对话 + 渐进式实践——让焦虑在行动中消解。
04
中德合作如何促进AI发展?
Peter Koerte
德国精度 x 中国速度 =
工业AI走向规模与可信的黄金公式。
不同文化背景催生了不同的思维模式，比如德国工程师强调精准与严谨，而中国更注重创新速度与持续迭代——这正是合作的价值所在。
我们需要把这种差异转化为互补优势：结合中国在制造、电子、医疗等领域的强大实践能力，以及德国在研发、标准化上的深厚积淀，推动AI在关键工业场景落地。
来自机器的数据不像消费端的个人数据涉及隐私，具备天然的跨国共享属性。中德可进一步在这一基础上实现数据自由流通，加速模型训练和智能系统的协同优化。
刘俏
中德合作的意义，不只是算法共研，更是制造业全链条的再配置。
中德分别是全球第二与第三大经济体，产业结构互补性强，德国在工业上游的研发与标准制定有优势，中国则在下游场景与数据资源上具备规模经济，这为AI发展创造了天然试验田。
若能在数据基础设施、算法训练、伦理标准等层面形成深度合作，将有助于打通制造业全链条，真正释放AI潜力。
05
如何为AI构筑伦理防火墙?
Peter Koerte
坚守工业AI“生死线”——安全、可靠、可信。
在工业领域，AI处理的是机器数据而非个人隐私数据，这为伦理问题带来相对简化的起点。然而，随着AI系统越来越深入地参与产品与服务交付流程，其可信度、安全性和可解释性变得尤为关键。企业自身必须以高标准进行算法测试与场景验证，避免系统性偏见，守住安全底线。
刘俏
如何建立人机之间的信任，是AI伦理的真正挑战。
今天的AI正在从提升效率走向参与决策，但算法的不透明性使其仍像“黑匣子”，这对建立用户信任构成重大障碍。在金融行业，通过评级、信息披露等机制缓解信息不对称，AI领域亦需借鉴类似制度工具以增强透明度与责任追踪。但要实现“人与机器之间的信任”仍是全新命题，需要科技界与社会共同深度探讨。
未来寄语
AI不会取代人，但人机协作将淘汰“单机”人类。
不要聚焦AI能代替什么，而是聚焦AI不能代替什么，打造自己的核心竞争力
总结工业AI的成功要素，
Peter Koerte给出了三个关键词：
精度，99.99%的可靠性是入场的最低门槛，任何偏差都可能带来巨大风险。
数据贯通，只有开放数据企业才能释放AI的真正潜力。
商业模式，技术本身不等于成功，只有解决市场需求和支付模式，AI才能实现真正的商业革命。
评论排行