西門子愛爾朗根工廠導入輝達工業 AI：工程工時宣稱大減 85%

2026/10/25 下午04:13（台北時間）

西門子與輝達在德國愛爾朗根的電子工廠導入數位孿生、AI 代理人與合成訓練資料，宣稱工程工時減少 85%、新電路板上市時間縮短 40%。

西門子與輝達正在把德國愛爾朗根的電子工廠，變成工業 AI 的示範場。根據 TechTarget 在 10 月 23 日的報導，雙方在這座工廠導入數位孿生、AI 產生的訓練資料與 AI 代理人，用來加速生產、壓低成本。這是兩家公司今年 1 月提出的「全 AI 工廠」藍圖，在德國落地的最新一步。

還沒有實體板子，就先練好品檢

第一個應用，是用 AI 生成電路板組裝的擬真影像。過去，品檢系統要等實體板子做出來才能開始訓練；現在，工程團隊可以先用數位孿生做出虛擬板子，提前訓練檢測模型。等實體產品上線，品檢能力已經就緒，不必再等一輪。

輝達的 Cosmos 世界模型負責產生這類合成訓練資料，Omniverse 函式庫則把生產計畫放進工廠的數位分身裡模擬，確認可行才真正排入產線。

第二個應用，是讓 AI 代理人提出生產情境、模擬排程，再用數位孿生驗證。換句話說，改線、換班、調整產能這類決定，不再直接動到真實產線，而是先在虛擬工廠裡試跑一遍，確認沒有衝突才執行。

報導指出，這座工廠目前已有超過 100 種 AI 演算法，分散在生產、物流、品檢與維修環節。西門子計畫在 2030 年前，為這座工廠的轉型投入約 5.59 億美元。

雙方宣稱的成效相當引人注目：虛擬量產導入的工程工時減少最多 85%，新電路板的上市時間縮短最多 40%。不過這些數字來自旗艦工廠的自家統計，設備、人力與廠商支援都處於最佳狀態，能否在設備混雜、歷史包袱較重的老廠複製，仍是未驗證的問題。

同樣的道理也適用於門市經營：數據能不能變成決策，關鍵不在模型多新，而在數據是否完整、流程是否願意跟著數據走。這也是看店勢把銷售數據分析放在門市日常決策核心的原因——先讓數字可信，決策才敢跟著數字動。

TechTarget：Siemens, Nvidia deploy industrial AI to reduce engineering effort（2026 年 10 月 23 日）
Siemens 與 NVIDIA 官方說明（經 TechTarget 報導）

引用來源：TechTarget、Siemens、NVIDIA