从AI试点走向生产现场：IMTS 2026上的工业AI与机床CNC智能应用

人工智能进入制造业已经不是新话题。经过一段时间的探索之后，制造企业关注的重点正在逐渐从“AI能做什么”转向“AI如何真正进入生产流程”。从数据基础设施，到智能体、数字孪生和物理AI，再到机床和CNC控制系统中的智能功能，AI正在向制造体系的不同层级延伸。

这一变化在2026美国国际制造技术展览会（IMTS）的相关技术展示和会议议题中表现得较为明显。亚马逊云科技（AWS）、谷歌云（Google Cloud）、微软（Microsoft）和西门子（Siemens）等企业分别从工业AI规模化应用、智能体工厂、物理AI以及生产现场应用等角度展开讨论。IMTS同期还设置了工业AI专区（Industrial AI Arena）和工业AI大会（Industrial AI Conference）等内容，使AI成为本届展会的重要技术议题之一。

从试点走向规模化

目前，制造业中的AI应用仍有相当一部分处于试点阶段。IMTS在相关资料中援引ABI Research的数据称，85%的制造企业仍停留在AI试点阶段，尚未完成从单一应用场景向规模化部署的转变。

对于制造企业而言，真正实现规模化应用并不是简单增加一个AI工具，而需要解决数据来源、系统连接、运行可靠性以及实际生产环境中的执行等问题。也正因为如此，本届IMTS所讨论的工业AI已经不再局限于单一算法或具体应用，而是开始更多关注AI与整个制造系统之间的连接。

AWS关注的正是这一层面。其相关议题涉及如何进一步利用制造数据、建立可靠的数据基础，并将AI从孤立的试点项目扩展至更广泛的工业运营环节。同时，智能体AI和物理AI也被纳入讨论范围，前者面向复杂的生产运营和供应链任务，后者则强调AI在真实工业环境中的感知与执行能力。

由此来看，工业AI正在从针对单一问题的局部应用，逐渐转向与企业数据、软件和生产设备相连接的系统性应用。

从自动化走向自主化

如果说数据是工业AI运行的基础，那么智能体则进一步改变了AI参与生产流程的方式。

谷歌云在IMTS上提出的“Agentic Factory”，关注制造企业如何从传统自动化进一步向自主化发展。其技术路径包括AI智能体、数字孪生和物理AI，通过这些技术连接虚拟仿真与实际生产执行。谷歌云将福特汽车（Ford）、阿斯麦（ASML）、霍尼韦尔（Honeywell）、GE家电（GE Appliances）和丰田汽车（Toyota）等企业作为相关应用案例。

这里的变化并不只是给传统自动化增加一个AI模块。传统自动化更多依赖预先设定的程序和逻辑，而智能体AI则试图让系统根据数据和环境信息，对更加复杂的任务进行分析、协调和执行。

因此，未来的生产系统可能不再只是“设备按照程序运行”，而是形成由人员、设备、软件和AI共同参与的生产体系。谷歌云所强调的IT、OT和ET之间的连接，本质上也是这一变化的一部分。

AI开始进入物理世界

制造业与其他行业的一个明显区别在于，最终的生产结果仍然发生在物理世界中。AI即使能够完成数据分析和决策，如果无法进一步与设备、工件和生产环境建立联系，其作用仍然有限。

微软在IMTS上重点讨论的物理AI（Physical AI），正是针对这一问题。所谓物理AI，是指能够感知、推理并在实际物理环境中采取行动的AI系统。相关应用已经涉及生产、质量管理和供应链运营，劳斯莱斯（Rolls-Royce）、蒂升电梯（TK Elevator）和克朗斯（Krones）等企业均有相关实践。

从制造业的角度来看，这意味着AI的作用正在从“提供分析结果”进一步向“参与实际操作”延伸。人员、数据、AI和机器人之间的连接，也使AI开始进入更加具体的生产环节。

这一变化值得关注。因为对于制造企业而言，AI最终是否具有价值，并不取决于模型本身有多复杂，而在于其输出能否真正影响生产过程。

从工厂级AI回到机床

如果进一步把视线拉回生产现场，AI与机床及CNC控制系统的结合可能是最直接的一层。

西门子在IMTS+主舞台（Main Stage）以“生产现场的AI：从几何走向智能”为主题展开讨论，关注AI在制造技术中的实际应用，包括减少编程和设备准备时间、缩短加工周期、稳定加工精度以及辅助诊断设备运行状态等。

这也说明，工业AI并不一定需要以一个独立的软件平台存在。对于机床加工而言，AI可以逐步嵌入已有的控制系统和工艺流程，在具体加工任务中发挥作用。

从这个角度看，工业AI正在形成一条由底层向生产现场延伸的技术链：底层是数据和计算基础设施，中间是AI模型、智能体和数字孪生，上层则涉及生产管理、质量控制和供应链，而在最靠近加工现场的一端，AI最终需要与机床、机器人及其他工业设备建立连接。

从“使用AI”到“解决问题”

从IMTS 2026的相关议题来看，工业AI正在逐渐脱离单纯的技术展示阶段。企业关注的重点已经不只是模型本身，而是AI如何进入已有的制造体系，以及能否解决具体的生产问题。

这也意味着，制造企业在推进AI项目时，需要重新审视“落地”的定义。一个能够完成特定任务的AI试点，并不意味着已经具备规模化应用条件。数据能否持续获取，AI能否与现有系统连接，分析结果能否进入实际生产流程，以及人员和设备能否据此采取行动，都是从试点走向规模化应用需要解决的问题。

从亚马逊云科技关注的数据基础和规模化部署，到谷歌云探索的智能体工厂，再到微软讨论的物理AI以及西门子在机床和CNC领域的应用，虽然技术切入点不同，但呈现出的共同趋势是：AI正在从制造业外围的分析工具，逐渐向生产系统内部移动。

对于制造企业而言，接下来真正值得关注的或许已经不是“是否使用AI”，而是哪些生产环节适合引入AI，以及如何让AI真正成为现有制造流程的一部分。

来源：荣格-《国际金属加工商情》

原创声明：
本站所有原创内容未经允许，禁止任何网站、微信公众号等平台等机构转载、摘抄，否则荣格工业传媒保留追责权利。任何此前未经允许，已经转载本站原创文章的平台，请立即删除相关文章。