SIG康美包（SIG Combibloc，简称康美包）成立于1853年，西门子成立于1847年——两家拥有超过170年工业基因的欧洲公司，以数据为媒，在中国苏州"碰撞"出了AI的火花。
三年前，康美包数据和AI团队带领几名工程师、一个设想和几台PLC的数据，开始了让机器学习真正走进生产车间的尝试。在这家设在苏州、年产数亿包无菌纸盒的工厂，产线速度每分钟数百米，每小时产量百万片级，能耗高得惊人——相关年度电费支出巨大。其中有几台制冷机占全厂电耗的一成以上，自建厂以来控制逻辑从未优化过。当时工厂有着数十台核心设备，但只有个位数的电表，数据存在CSV文件里，无法做历史追溯。
康美包数据和AI团队的AI实践遇到了严峻的挑战。2023年，他们决定聘请第三方高校团队合作，借助AI方式进行能耗分析，对方也给了结论——制冷机能耗可节省一成左右。然而，当管理层询问为什么不是其他比例的时候，谁也答不上来。而且模型背后的逻辑说不清，新场景也无法复用。
这一尴尬的情景让康美包数据和AI团队久久不能释怀，并且被形容为"拿到了鱼，但没有得到渔。"
2024年初，一个偶然的机会，SIG团队接触到了西门子企业级智能平台ICX（Intelligence Center X）团队。西门子ICX是西门子推出的一站式工业智能平台，旨在集数据上下文、智能、执行、流程调度和数据治理于一体，推动客户从数字化管理向Agent自主治理转型。该平台通过构建企业知识图谱和引入AI代理技术，解决了制造业中数据孤岛和根因分析耗时长的核心痛点。
双方的理念一拍即合：不只是帮康美包捕鱼，而是教SIG如何织网。沟通后走出办公室时，康美包数据和AI团队神采奕奕，说了句"可以试一试"。
这一试，就是一路走到今天。在西门子工业软件ICX团队的支持下，康美包用AI Studio建起了自己的第一个能耗预测模型, 数月后，模型跑通，节能的结论得到验证。同年，康美包数据和AI团队受邀参加西门子客户大会，从台下走到台上，花了一年时间。
从能耗到质量：三个案例的先后成功落地
2025年，康美包将成功经验扩展到其他两个场景。
在其中一个场景中，项目团队从业务场景出发，围绕关键质量指标开展建模分析。为了收集数据，数名工程师花了数月时间装摄像头和传感器，解决了震动、光线、精度等问题，最终对数百个PLC标签逐一梳理，SAP/MES中近百个关键字段被打通，数十次现场测试迭代后，模型上线。
另一个场景聚焦工艺优化与质量稳定。团队用同样的方法，自己定义关键指标，自己建模、验证、迭代。
康美包亚太区CIO顾贤哲在西门子大中华地区Realize LIVE 2026用户大会上发表演讲
这三个成功案例，让康美包数据和AI团队从"跟着做"变成了"自己会做"。更重要的是，他们沉淀出了一本"捕鱼手册"——SIG机器学习六步法：从业务场景定义目标，到AI概念公式，到OT/IT数据采集，到数据编排、建模部署，再到模型反馈产线。康美包数据和AI团队回忆说，2024年，总是自己向西门子专家咨询某个参数如何选择，到了2025年，当自己熟练运用ICX进行选择后，疑问已经变成"你们觉得正确吗？"
三组关系：授渔、同行、燎原
在不久前召开的西门子大中华地区Realize LIVE 2026用户大会上，康美包数据和AI团队将双方三年的合作总结为三组关系。
第一组：授之以鱼，不如授之以渔。2023年，是高校合作伙伴提供给了康美包一条鱼——也就是结论，但不知道鱼怎么来的。2024年，西门子提供了ICX，教会了他们如何"织网"。ICX AI Studio能根据数据自动做前处理、推荐最适合的算法并自动调参，这让一家传统制造型企业弥补了最核心的短板——数据科学家。康美包数据和AI团队表示："对于制造型企业来说，培养数据科学家很难，招到了也不一定留得住。但ICX帮我们解决了这个问题。"
第二组：亦师亦友，思行合一。从2024年到2025年，康美包数据和AI团队和西门子专家的关系，从"我问你答"变成了"互相探讨"。康美包数据和AI团队强调，工业AI不是在办公室里想出来的，一定是在产线上实践出来的。数百个PLC标签、近百个SAP/MES字段、数月装传感器、数十次现场测试——这些数字背后，是"思行合一"的真实写照。
第三组：星星之火，可以燎原。2026年，康美包数据和AI团队的视野从苏州一条产线扩大到全球数十个工厂。团队去德国进行经验分享时，当地同事的眼睛充满期待："我们这边能不能也这样做一个？"康美包的机器学习六步法也因此从中国区实践变成全球标准。
可以说，在技术维度上，康美包实现了从单点机器学习应用走向数据湖、语义层、知识图谱、MCP/LLM、Agent的完整技术栈，而在地域维度上，更是从中国、亚太覆盖到了全球。
一次关键的参观：成都灯塔工厂的启示
西门子成都工厂是一座被评为"双料灯塔工厂"（同时获得世界经济论坛灯塔工厂和中国国家级智能制造示范工厂双重认证）的智能制造标杆。前不久的一次现场参观，让康美包数据和AI团队深受启发。团队谈到了此行的三大关键发现与感受，第一，AI创新的源头是一线员工而非IT部门。成都工厂的众多AI应用，全部来自产线员工的自发需求，而不是IT部门"自上而下"推动出来的。第二，AI组织能力的最终形态是"人人都是创新者"。成都工厂的一线员工能够同时驾驭机器人、仿真开发和流利的英语交流，打破了"AI是技术专家的事"的传统认知。第三，AI越深入，组织变革越重要。康美包数据和AI团队引用微软和罗兰贝格的报告指出，"AI不再是技术的提升，它更多是一个组织的变革"。
成都工厂的实践，让康美包数据和AI团队不仅更加感受到了数字化转型建设只有开始，没有结束，而且对下一步的工作帮助非常直接。正在推动康美包全球数十个工厂AI落地的团队意识到，下一步要做的不再是"多建几个模型"，而是让每一位操作工、设备工程师、质量员都能主动提出需求、使用工具、用好工具。而成都工厂的成功实践向团队证明：AI规模化的瓶颈不在技术，而在组织能力。团队表示，当AI从"中国区AI团队的项目"变成"全球每一位员工的工作方式"时，才能真正实现"燎原"。
康美包数据和AI团队由此确定了AI推广的三项原则——让业务敢提需求、让工具够得着、让成功看得到。这三项原则，正是从成都工厂"一线员工驱动创新"的模式中提炼出来的行动路线。
展望：工业AI的"可信"与"燎原"
工业AI与消费AI最大的不同，在于数据可信。康美包数据和AI团队表示，就消费AI而言，数据差不多就可以了，但工业AI一定要做到百分之百的数据可信。而数据可信的核心，是知识图谱——把OT/IT数据在同一个时间和空间序列里编排起来，让AI理解"谁和谁有关系"。
从2022年寥寥数个电表，到2024年第一个能耗模型上线，到2025年三个案例并行，再到2026年技术栈与地域双维度扩张——康美包的三年转型，从"砸钱买技术"的蛮力突围，进化为"沉淀方法论、重构组织能力"的系统性升级。
更重要的是，这一路探索离不开公司高层对数字化转型的高度重视和持续指导。正是在明确方向和长期支持下，康美包数据和AI团队才能把单点AI实践沉淀为可复制的方法论，并推动数字化能力从项目走向组织。
"从三年前的几个人、一个想法、几台PLC的数据，到三年后我们有了完整的数据AI架构指导思路、团队有了AI案例落地的能力，有了建立AI创新文化的理念。"康美包数据和AI团队回忆说，西门子ICX就像个火炬，帮他们点燃了星星之火。这把火点燃的不只是几个模型，是对未来制造方式的无尽想象。
看得出来，康美包和西门子这两家170多年的企业，正在下一个百年继续携手快步前行。
本文来源于DOIT传媒，文章内容仅供参考，不构成投资建议。
评论列表