老牌工业巨头，要做机器人背后的“卖铲人”

西门子下场做具身，不造本体，要做地基。

文｜白   鸽

编｜王一粟

当AI长出身体，真正的考验并不是机器人会不会走路，而是能不能够真正在工厂里稳定地干活。

过去几年，行业的注意力大多集中在具身智能的本体能力以及大脑能力上，比如关节性能、运动控制、灵巧手、大模型能力，谁走得稳，谁抓得准，谁更像人。

但对于制造业的工厂而言，所遵循的却是另一套评价体系，比如这些机器人是否能够按节拍持续工作，出现异常后能否被接管，能否与设备和系统协同，投入产出又是否算得过账等等。

前者考验的是技术想象力，后者考验的则是工业化能力。而这两者之间的距离，也成为具身智能从热点走向产业必须要跨过的门槛之一。

2026年工博会现场，老牌工业巨头西门子把这个抽象的问题变成了一个可以直观看到的现场：一台轮式具身智能本体接到指令后，从料盒中抓取一个样件，移动到数控机床前，机床门自动打开，它完成模拟上料，短暂停留，再按指令返回、放料。

外界所看到的，仅仅是机器人一次简单的抓取、放置的动作，但背后却是西门子提供的一整套系统级能力，它将本体、调度软件、数据通信与机床设备，真正地放进了同一个生产工作流里。

事实上，过去提到西门子，业界更多地想到的往往是PLC、变频器、数控系统、工业软件等等，它是工业自动化的“地基”供应商。

今年工博会上，西门子则首次完整地展示了其面向具身智能赛道的端到端解决方案，覆盖研发设计、生产制造、总装集成与工业现场应用，并开放六类具身智能“进厂”场景。

不过，面向具身智能热潮，西门子的选择很克制。

“我们不生产人形机器人本体，而是帮助所有的机器人企业融入工业体系。”西门子数字化工业集团自动化业务执行副总裁、西门子数字化工业大中华区负责人裴安咨如此说道。

这句话划清了边界，也揭示了西门子的真正角色，不是成为赛道里的又一家本体厂商，而是帮助具身智能被设计出来、制造出来、装进产线，并在工厂里长期运行。

就像其在汽车行业的角色一样，不造车，但深度参与汽车的设计、产线建设和工厂运营。

如果说本体厂商回答的是机器人如何智能地运动，那么西门子试图回答另一个更接近工业本质的问题：这种智能如何被设计、制造出来、被工厂接纳，并最终转化为稳定、可复制、可核算的生产力。

那么，一家深耕工业领域150多年工业设备的巨头，在具身智能这条拥挤的赛道上，到底拿出了什么？又凭什么认为自己能赢？

不造本体，要解决生产线的“工业化”

几乎每一个硬科技产业，走过概念验证期后，都会迎来同一道考题，即如何把实验室里的技术，变成可以稳定交付的工业产品。

今天，具身智能也走到了这一步。

IDC数据显示，2026年上半年，中国人形机器人出货量已经超过1.9万台，同比增长426.3%，占全球市场的77.9%，同期全球出货量接近2.5万台，同比增长432.1%。

而在2025年，全球人形机器人出货量还只有约1.8万台。短短一年时间，行业已经从百台级试点、千台级交付，进入万台级市场放量阶段。

但出货增长并不意味着所有企业都具备了规模化交付能力。这背后，是具身智能厂商供应链组织、产线爬坡、质量一致性和交付管理能力的差距，也是规模化量产的第一道难关。

因此，于多数本体厂商来说，接下来真正要补的，是一套从研发、制造到交付、运营的工业化体系。

这也正是西门子看到的机会。

“人形机器人的生产需要一体化的价值链，西门子不仅能够帮助人形机器人生产商设计、验证、制造、测试他们的产品，还可以为其提供服务，帮助他们实现生产工业化，进行量产，”裴安咨说道。

西门子数字化工业集团自动化业务执行副总裁、数字化工业大中华区负责人裴安咨（AchimPeltz）

比如，在机器人的前期设计、测试的过程中，就不能只依赖实体样机的反复试错，而是应该像汽车、高端装备一样，在物理制造开始之前，就先在数字世界完成设计、仿真和验证。

西门子旗下的Tecnomatix数字化制造软件平台，可以理解为一个“虚拟工厂和工艺规划工具箱”，它主要解决的，就是产品还没有真正投产、产线还没有真正建成之前，企业能不能先在数字世界里把工厂、工艺、设备、机器人、物流和人员作业流程规划并验证一遍。

而这个平台内，有个独立的工艺与机器人仿真软件，即Process Simulate，重点用于制造工艺仿真、机器人工作站仿真和虚拟调试。

基于两者能力，西门子构建一个开放、可扩展的机器人模型库，支持把不同品牌、不同形态的机器人导入统一虚拟环境，客户无需等实体设备进场，就能在虚拟世界完成形态选型验证、碰撞检测、人机协作安全策略验证、节拍与发热边界测试。

对于技术路线仍在快速变化的具身智能行业来说，这种“先虚拟验证、再实体制造”的方式，可以显著缩短从设计修改到样机验证的周期。

当然，具身智能本体能不能量产，最终还要落到核心零部件上。

比如，“行星滚柱丝杠就是机器人生产中的一个瓶颈，一个机器人大概要用16-20个行星滚柱丝杠，每一个加工时间是2-4小时，所有厂商都在想办法把这个节拍提升，但是技术目前没有收敛。”西门子数字化工业自动化业务大中华销售区装备制造负责人吴之立说道。

这组数字也说明，具身智能本体的量产并不只是算法问题。哪怕机器人本体设计已经成熟，如果核心零部件的加工效率、精度和一致性无法提升，整机也很难实现规模化交付。

为解决这一问题，西门子旗下的SINUMERIK数控系统，相当于机床的“大脑”，负责将加工程序转化为高精度运动控制，完成行星滚柱丝杠等关键部件的实际加工。

而CMVM（Create My Virtual Machine），则相当于机床的数字孪生，可在正式加工前对加工路径、设备运动和潜在碰撞进行虚拟验证。

二者结合，就形成了“先在数字世界验证、再在真实产线制造”的闭环，从而帮助机器人厂商提升关键零部件加工的准确性和量产准备效率。

“我们可以给客户在虚拟世界里模拟验证它的加工路线，为客户带来更多的价值，让他得到更好的原型机，一次把设备造出来。”吴之立如此说道。

最后，具身智能本体的零部件生产出来之后，需要进行总装。

在这个环节中，西门子旗下Tecnomatix数字化制造软件组合中的Process Simulate产品的作用，是在产线真正建设之前，先把装配过程放进数字环境中验证。

例如在人形机器人总装中，可以用它模拟双臂、腿足、关节等部件如何进入工位；装配顺序是否合理；机器人或工人能否够到指定位置；装配过程中会不会发生碰撞；工位节拍能否满足量产要求；产线是否存在瓶颈等问题。

简单说，Process Simulate就是产线的“虚拟彩排工具”，帮助企业提前发现工艺和布局问题，减少实体产线建好后的返工。

SIMOVE EMS则是一套真实产线中的空中柔性输送系统，可通过电动抱具和吊具完成双臂、腿足等大型部件的跨工位转运与姿态调整，再结合SICAR 5.0标准与TIA Portal实现标准化控制。

整体来看，西门子帮助机器人厂商造本体，并不是直接提供一个单点技术，而是提供了一条完整的价值链，不仅让机器人被设计出来，还要让机器人被稳定地批量制造出来。

它把自己在工业软件、数控加工、自动化控制和工厂运营中的积累，转化为一套覆盖“设计—验证—制造—测试—量产”的完整工业化工具链。

这样的工具链，会让机器人的制造能力迈上一个大台阶。

量产的下一步，要进厂“打工”

制造能力的成熟，只是具身智能产业化的上半场，真正的下半场，则发生在机器人进入工厂之后。

“人形机器人进入工厂的最大瓶颈，并不在于动力系统或其背后的智能大脑，而在于能否真正满足工业级生产要求。”裴安咨说道。

他也直言，当前人形机器人尚未在工厂实现批量应用，主要承担确定性、重复性且对精度要求较高的任务，若要进一步融入产线，还需要在实时性、运行稳定性和负载能力等方面持续提升。

毕竟，工厂不会因为一台机器人足够智能就为它重建生产体系，相反，机器人必须学会接入工厂既有的设备、系统、流程和安全边界。

也正因此，能否真正进入工厂，接受统一调度、与生产设备协同、接入工厂系统，并在零容错的工业现场持续创造价值，才是具身智能走向商业化的第二道门槛。

而这，就是西门子在具身智能赛道中，押注的第二条线，让它能够真正地用起来。

值得注意的是，这里的核心彻底改变了，它不是继续强化单机智能，而要考虑“系统智能”。

在实验室里，机器人只需要完成一个孤立动作，但在工厂里，它必须理解生产任务、接入既有设备、遵守产线节拍和安全边界，并与MES、PLC、物流系统协同工作。

比如完成一次机床上下料，不只是“走过去、抓起来、放进去”，还需要调度系统告诉机器人去哪里、机床何时开门、任务是否完成、异常时由谁接管，以及下一项任务如何安排。

这个调度系统，就是西门子旗下的SIMOVE Fleet Manager，它是专门用于移动机器人调度管理的软件，向机器人下发目标位置和作业任务，同时与机床、自动门、物流设备等工厂基础设施通信。基于VDA 5050等开放标准，它还能够连接不同品牌、不同类型的移动设备。

可以把它理解为工厂里的“机器人交通调度中心”，机器人负责具体动作，SIMOVE Fleet Manager负责统一指挥和协同。据悉，一套SIMOVE Fleet Manager，可以统一调度车间内成百上千台AGV、AMR以及轮式、双足具身智能本体。

换句话说，西门子不是让工厂围绕某一台机器人重新建设，而是通过统一调度，把机器人纳入工厂既有的生产秩序。

当然，机器人在进厂前，也仍需通过数据训练、强化学习和反复试错不断进化，但工厂恰恰不能容忍高频试错。

“没有一家工厂愿意把自己的产线，变成一个让AI去试错的试验场。”西门子中国研究院院长朱骁洵博士如此说道。

因此，前文提到的西门子数字孪生和虚拟仿真等软件能力，不仅能够帮助企业设计、测试机器人的本体，还能够帮助其模拟机器人在工厂的整个运行情况，如把机器人本体、工位、设备和物流路线放进同一个数字环境中等，提前验证机器人的作业路径、碰撞风险、人机安全策略、生产节拍、活动范围以及充电方案。

同时，还可以通过开放机器人模型库，不同品牌、不同形态的机器人也可以基于URDF等标准模型导入虚拟环境，先比较轮式与双足方案的适配性，再决定实体部署。

这意味着，机器人不必等到进场之后才发现够不到、走不通、会碰撞、节拍不匹配，大量问题可以在数字世界中提前暴露，实体工厂则主要承担最终验证和真实数据回收。

虚拟仿真和真实运行也由此形成闭环，先在数字世界试错，再到真实产线验证，最后把运行数据反哺模型和工艺。

不过，虚拟仿真只能解决“上场前”的问题，具身智能最终能否真正上岗，还要回到真实产线，在真实物料、设备信号和异常工况中接受检验。

因此，此次工博会现场，西门子也宣布将开放位于中国的五家工厂、六个应用场景，与合作伙伴共同探索具身智能在真实产线中的落地。

这些场景覆盖柔性上下料、灵活包装、智能拆码垛等长流程、多任务应用。

比如在西门子数控（南京）有限公司中（西门子南京原生数字化工厂）就已经开始了尝试，其选择的场景是SMT产线线头和线尾的自动送料，目前处于POC阶段，采用轮式方案。

据西门子数控（南京）有限公司总经理周郁荣介绍：“该方案的主要特点是支持重载，双臂负荷力可达50公斤。这样就能适合大量在工业场景中需要重载、并且又需要柔性对接的场合。”

不过，于具身智能厂商而言，真实工厂的价值不只是提供测试空间，更在于提供实验室里难以获得的复杂工况和失败数据。

“起到关键作用的其实不是数据的量，只有那些真正的试错数据才能让机器人成长。”周郁荣说道。

南京工厂也为具身智能规划了务实的三步走：先做粗重、重复性的搬运和补料；再进入危险、艰苦环境；最终随着灵巧手与精细操作能力成熟，进入对静电、油脂敏感的关键装配环节。

对此，裴安咨也认为： “未来，随着相关技术不断成熟，装配等更复杂的工业场景有望成为人形机器人规模化落地的重要方向。”

整体来看，这条路线并不浪漫，却很工业，先让机器人承担“人不想做、设备不划算做”的任务，再逐步向高价值环节推进。

如果说本体厂商让机器人具备了“干活的能力”，那么西门子要解决的，则是工厂如何让机器人“有活干、会协同、可管理、能长期干”。

150年积淀，让西门子站上具身“舞台”

具身智能是新赛道，但“让新设备安全、稳定、高效地进入工厂”是西门子的百年老本行。

自1872年进入中国市场，150余年来，西门子穿越了电气化、自动化、数字化数轮产业周期。每一轮周期，新设备进入工厂的路径都惊人地相似：先解决“怎么造”，再解决“怎么连、怎么调、怎么管”，最后沉淀为标准与平台。

而具身智能，正在重走这条路。

这种百年历史，最终直接沉淀为三样东西：

一是标准能力，西门子长期参与工业通信协议与自动化架构的演进，TIA Portal、SICAR等标准化体系使其平台天然支持多设备、多品牌、多层级互联。在机器人必然多品牌混合部署的趋势下，这构成了决定性优势。

二是行业Know-how，对制造工艺与质量要求的深刻理解，使其能把具身智能落到具体场景而非泛泛而谈。

更为重要的一点是，具身智能要结合到具体的生产运营场景，而这种结合并不是一个孤立的系统，而是让具身智能与背后的生产设备、生产工艺深度链接。

西门子在具身智能领域端到端能力，核心并不是某一款软件或硬件产品，而是将工业软件、自动化硬件、数据流与行业Know-how连接起来，形成一套软硬结合的数字化体系。

其软件负责在虚拟世界完成设计、仿真、工艺验证和任务规划，硬件负责在真实世界执行加工、装配、输送和控制，数据则在虚实两端持续流动，最终形成“虚拟验证—真实执行—数据反馈—持续优化”的闭环。

三是生态与开放性，从西门子Xcelerator开放式数字商业平台到与本体厂商、集成商的联合参展，西门子刻意保持了不造本体的中立位，这让它有机会成为产业链各方的公共底座。

更为关键的是，现阶段，具身智能进厂的核心难题之一，是OT（运营技术）与IT（信息技术）的融合。机器人本体厂商往往擅长IT层面的算法与软件，但对工厂现场的OT层，比如PLC、驱动、机床、产线逻辑等，理解有限。

而西门子恰好是少数同时深耕OT与IT的企业。

从SIMATIC PLC、SINAMICS驱动到SINUMERIK数控系统，西门子在OT层有完整的产品线，从NX、Simcenter到Teamcenter、Opcenter，它在IT层同样有完整的软件组合。

这种双重积累，使它能够把具身智能本体与工厂现有自动化体系无缝对接，而不是让客户面对两套割裂的系统。

可以看到，具身智能进入工业场景，本质是一场系统工程回归。

过去两年，行业注意力集中在本体与模型上，但工业的历史反复证明，任何新技术要形成生产力，都必须穿过可靠性验证、产线集成、运营调度这三道窄门。

西门子押注具身智能赛的路径，并不是站在聚光灯下，它不造机器人本体，却把设计仿真、零部件加工、产线总装、统一调度、数字孪生、真实场景和行业标准连成一张网。

它想要抢占的，是一个更底层、也更符合自身优势的位置，即成为人形机器人量产和工业落地的工程平台、自动化底座与生态组织者。

这背后是一个更清晰的行业判断，即具身智能竞争的下半场，不只是机器人本体之间的竞争，而是工业化能力的竞争。谁能让机器人从一次演示变成一千次稳定执行，从单机智能变成产线协同，从POC项目变成可复制方案，谁才真正接近工业现场的价值核心。

周郁荣说：“这条路，假如说你不开始走，就永远在等待。所以我们选择了积极地冲上去。”

显然，于西门子而言，这是一步比较克制，但长期价值可能很高的棋。

短期看，它主要助力机器人设计、制造、产线建设、提供工业软件，中期看，它可能掌握机器人进入工厂的关键接口和调度平台，长期看，如果具身智能真的成为制造业基础设施，西门子有机会把自身优势从“自动化系统”延伸到“物理AI时代的工厂操作系统”。

不过，这一战略是否成功，最终不取决于发布了多少场景，而取决于这些共创项目能否沉淀为标准化产品，并在真实工厂中证明可量化的效率、质量和成本收益。

而对于具身智能赛道来说，真正的起点也许不是机器人第一次走进工厂，而是工厂愿意把真实任务、真实数据和真实标准交给它。

那一刻，机器人才不再只是展台上的新物种，而是生产体系里一个可靠的新成员。