制造业
目标
西门子为各行各业及全流程工业体系注入 AI 驱动的创新动力，助力客户完成从芯片到 AI 工厂等复杂产品和系统的设计，并使制造与生产得以实时调整与优化。
为将 AI 融入现实世界、加速创新并实现持续优化，西门子正将 NVIDIA 技术集成至旗下产品，涵盖西门子 Teamcenter、Simcenter STAR-CCM+ 及西门子工业 Copilot。西门子借助 NVIDIA Omniverse™ 库与 NVIDIA® CUDA® 实现仿真与数字孪生，借助 NVIDIA NIM™ 与 NVIDIA NeMo™ 实现 AI 推理，借助 NVIDIA DGX™ 系统实现加速计算，并借助 NVIDIA® Jetson Thor™、NVIDIA Isaac Sim™ 及 NVIDIA Isaac Lab™ 推进物理 AI 与机器人技术发展。
客户
宝马集团
现代汽车
玛莎拉蒂
百事公司
合作伙伴
西门子
用例
仿真/建模/设计
通过集成 NVIDIA CUDA-X™ 和 Omniverse™ 库及 AI 模型，西门子软件为客户带来：
更高的效率：
- 对工程与制造领域常见的、庞大且高度复杂、特征丰富的数据集进行逼真可视化呈现。
- 在实际建造之前，即可在虚拟的完整情境下完成产品、工厂与生产设施的设计、仿真与运行。
- 资本性支出减少约 10%–15%。
更优化的决策：
- 借助 Teamcenter 在全球团队间建立统一协同机制，将反馈与变更全程可追踪，显著加速设计评审进程，降低错误率并减少数据不一致问题。
提高生产力：
- 使用工业 Copilot 的一线员工，在应对突发性维护任务上的时间可减少约 25%。
- 通过减少停机时间，使制造工厂整体运行更加高效。
- 产能提升约 20%，同时显著加快设计迭代周期。
从产品设计到运营的创新加速与成本节约
全球制造业正面临严峻的技能和劳动力短缺问题，预计到 2030 年将出现约 8500 万个职位空缺。制造企业，尤其是汽车、航空航天和船舶等行业，正承受着加速创新、降低成本以及确保产品质量与可持续性的多重压力。
与此同时，工业设计师和工程师等专家团队的生产力，还受制于彼此不连贯的工作流程和分散的技术工具。例如，分别使用独立的应用程序来处理渲染、协作与数据管理，会形成信息孤岛并造成数据差异，从而使彻底的协同设计与样式评审变得尤为困难。在此基础上，如果再依赖难以支撑大规模、复杂产品与系统的可视化工具，只会进一步加剧上述挑战，导致设计评审环节出现瓶颈、团队协同失衡，并带来高昂的物理样机制作成本。同时，无法在物理精确的虚拟环境中对产品与系统进行可视化，也限制了团队在早期识别问题的能力，进而影响功能表现与美学呈现这两方面的最终结果。总体而言，这些工作流程与技术层面的局限，不仅延缓了产品推向市场的进程，也引入了可能贯穿并影响整个产品全生命周期的错误风险。
为了应对这些挑战，西门子与 NVIDIA 展开深度合作，将最新的 AI、仿真与数字孪生技术带给全球的设计、工程和仿真专家，并全面融入其日常工作流程。
利用数字孪生和基于物理的仿真加速产品开发
西门子、NVIDIA 和宝马集团正通过先进的计算流体动力学 (CFD) 软件和加速 AI 基础设施，来加速汽车空气动力学仿真进程。
空气动力学模仿真对于优化整车外形、在平衡设计和效率以及确保达成性能目标至关重要。宝马集团每天运行大量空气动力学仿真，每一次仿真都需要处理多达 1 亿个单元 (这些单元是用于表示空气与车身表面的微小三维网格块)。尽管 CFD 软件传统上主要运行在 CPU 上，但借助 GPU 加速的仿真方案，企业能够在更低成本下获得更高的运算性能。
西门子的 Simcenter STAR-CCM+ CFD 软件现已能够在 CPU 和 GPU 上进行原生运行，在实现 GPU 加速的同时，确保无论底层硬件如何变化，仿真结果都保持一致。在最新的 NVIDIA Blackwell GPU 节点上运行一个包含 4.58 亿个单元的定常空气动力学算例时，其性能相当于超过 10,000 个 CPU 核心。
在 GPU 上运行如此规模的 CFD 仿真还能降低能耗和基础设施成本。采用新一代加速系统，包括显存带宽更高、可提供更快仿真速度的 NVIDIA Blackwell 架构的加速计算平台，有望获得进一步的性能提升。
此外，将 NVIDIA Omniverse 库和生成式 AI 功能集成到 Simcenter STAR-CCM+ 中，使基于物理学的数字孪生更具沉浸感。这些集成作为西门子 Xcelerator 平台中更广泛的 Omniverse 库集成的一部分，使工程师能够在其 CFD 工作流中充分使用 AI，并在实际建造开始前，以虚拟方式设计、构建和测试新一代产品、制造流程及工厂。
例如，玛莎拉蒂正借助由 Omniverse 应用程序接口提供支持的西门子解决方案，在产品开发阶段以交互方式直观可视化车身气流，从而优化空气动力学性能并改进其生产流程。
西门子和玛莎拉蒂
随时随地实时协作
为了加速产品开发中的创新与周期推进，西门子开发了 Teamcenter Digital Reality Viewer。通过集成 NVIDIA Omniverse 库，用户可以直接在 Teamcenter 中利用实时光线追踪和 GPU 加速渲染，为 Teamcenter 中管理的多 CAD 数据进行无缝、逼真可视化、以物料清单 (BOM) 为驱动的可视化。这种基于云的“渲染即服务”能力直接嵌入 Teamcenter Web 客户端，为所有用户提供基于浏览器的即时访问，可随时查看逼真可视化的数字孪生。
Teamcenter Digital Reality Viewer 托管于安全的西门子 Xcelerator 云服务环境，由集中式云端 GPU 集群提供算力支持，这意味着用户无需管理底层基础设施和软件，即可按需获取高性能可视化能力。
此外，Teamcenter 内置的协作工具还支持各类相关人员在同一环境中实时评审、批注并迭代设计，确保所有人始终基于最新数据展开协同，从而提升决策效率与设计质量。所有反馈和变更都会记录在 Teamcenter 中，以实现全过程的可追溯性。用户还可以在多种虚拟环境中验证产品外观，模拟真实世界光照效果，并对组件、材质和表面处理进行细致的可视化分析。
工厂级设计和仿真
西门子的 Digital Twin Composer 使团队能够在任何实体建造之前，在虚拟的完整情境下设计、仿真并运营产品、生产设施和工厂。Digital Twin Composer 汇集了来自西门子 Xcelerator 产品组合的二维与三维数字孪生数据，并将其与实时运营信息相融合，在由 NVIDIA Omniverse 库驱动的可管理、安全且逼真可视化的场景中，构建一个贯穿产品、流程或设施整个生命周期的动态“动态”模型。
百事公司是这一能力的早期采用者之一，他们正与西门子和 NVIDIA 合作，将其在美国的部分制造和仓储设施构建为高保真 3D 数字孪生，用于仿真其端到端的工厂运营和供应链。
借助 Digital Twin Composer 和计算机视觉，百事公司的团队能够以物理级精度重建每台设备、每条传送带、每条托盘路径以及操作人员的行进路径，并利用 AI 智能体对系统变更进行仿真与优化，在实施任何实际物理改造之前，提前识别出多达 90% 的潜在问题。在首批部署中，这一方案已经带来了约 20% 的吞吐量提升，通过接近 100% 的设计验证显著加快了设计周期，并通过挖掘隐藏产能、支持团队在落地之前以虚拟方式验证投资，使资本性支出减少了约 10%–15%。
“NVIDIA Omniverse 的集成，使西门子能够进一步提升产品效率和生产力，帮助我们的客户大幅节省产品开发与设计所需的时间。通过在数字孪生中模拟真实世界的行为，我们的客户能够更快得出结论并优化产品设计，从而加速产品推向市场的进程。”
Enzo Krka
西门子高级产品经理
工业 Copilot 助手，赋能一线员工
工业 Copilot 是一款运行在工厂车间的一线 AI 助手，帮助工人提升效率、生产力与业务能力。Copilot 同时集成了静态信息存储，如 (操作手册、维护文档) 与动态数据源 (如机器控制器、ERP 系统)，构建起一个完备的知识生态体系。工人可以借助 Copilot 优化生产流程、排查设备故障，并通过视频流识别和标记制造环节中的潜在问题。
工人可以通过自然语言或语音与 Copilot 进行交互，便于在一线车间环境中使用。Copilot 还支持包括文本、图像和时间序列数据在内的多模态输入。当遇到设备故障时，维修工程师可以拍摄问题部件的照片，由 Copilot 分析图像、识别故障原因，并提供逐步的处理指引。
西门子工业 Copilot 以本地部署方式运行，确保敏感的生产数据始终留在工厂现场。其中，云端模型被替换为经过优化的边缘版本，小语言模型 (SLM) 用于处理专门任务，而 NVIDIA NIM™ 则提供高效优化的推理能力。通过平衡硬件限制与性能需求，Copilot 能够部署在搭载 NVIDIA 硬件与软件的边缘工业 PC 上稳定运行。
Copilot 基于视频搜索和总结 (VSS) 的 AI Blueprint 构建，融合了视觉语言模型 VLM、大语言模型 LLM 以及 NeMo 等组件。在早期试点项目中，西门子报告称其生产力提升了约 30%，并有望进一步提高至 50%。
如需了解更多相关实践，可收听 NVIDIA AI Podcast 节目中，西门子工厂自动化业务虚拟控制与工业 AI 负责人 Matthias Loskyll 的分享，他详细介绍了在行业迎来关键转折点之际，西门子携手 NVIDIA 如何重塑未来制造业
将物理 AI 引入工厂一线
西门子与 NVIDIA 合作的下一个前沿领域是物理 AI：能够感知、推理和行动的自主机器人与智能工厂。在西门子 Erlangen 电子工厂开展的标志性试点项目中，基于 NVIDIA 物理 AI 技术栈构建的 HMND 01 Alpha 人形机器人已正式部署，与现场员工协同执行自主物流任务。
试点成果充分验证了生产级人形机器人的实际能力：每小时可完成 60 次周转箱搬运，持续运行时长超过 8 小时，自主取放成功率高达 90% 以上。机器人的核心能力由 NVIDIA Jetson Thor 驱动，实现车载推理；训练与仿真在 NVIDIA Isaac Sim 和 NVIDIA Isaac Lab 中完成，将原型开发周期从通常的 18 至 24 个月大幅压缩至仅 7 个月。西门子通过 Siemens Xcelerator 产品组合提供关键集成层，涵盖数字孪生、AI 赋能感知、集成控制与 PLC-机器人接口、机器人集群管理、工业通信网络及高性能驱动器，构建起完整的数字骨干架构，确保人形机器人与现有设备及现场员工高效协同运作。
Erlangen 试点标志着一个重要转折点：物理 AI 正从概念演示迈向在真实工业环境中实现可量化、可复现的稳定表现。
树立效率和创新的新标杆
西门子正在通过集成 AI、数字孪生技术和加速 AI 基础设施重新定义工程与制造。借助在西门子 Teamcenter、Simcenter STAR-CCM+ 和西门子工业 Copilot 等平台中集成的 NVIDIA 库、模型和框架，西门子帮助制造企业加速产品开发、优化运营并提升员工技能。如今，随着物理 AI 在工厂一线落地运行，西门子与 NVIDIA 正携手将这一愿景从设计与仿真延伸至自主运营，共同为行业的效率与创新树立新标杆。
立即开始使用 NVIDIA Omniverse 库和 OpenUSD 进行开发。
