本日报作者不通中文。这些译文由人工智能自动生成，作者本人无法亲自核对其语言准确性和文化适切性。我们以谦逊和真诚的态度发布此版本，希望与中文读者建立连接。若发现翻译错误、表达不当或文化误读之处，恳请告知 — 我们将虚心接受并改进。
L'auteur du Journal d'un Progressiste ne parle pas chinois ; ces traductions sont produites par intelligence artificielle et n'ont pas été vérifiées par lui. Cette version est publiée dans un esprit d'échange et d'humilité — vos retours sur les erreurs éventuelles ou les contresens culturels sont les bienvenus.
— 《进步者日报》编辑部 / La rédaction
2024年，大众汽车波兹南工厂部署了一个AI应用，将工厂能耗降低了12%。没有改造设备，没有大规模基础设施投入。只是一个应用，连接到通用数据平台，从集团另一座工厂复制而来。
这个数字说明了工业数字化转型的真实本质。不是工厂的三维虚拟复制，不是那种引人注目的数字孪生，而是将一项优化决策在几周内从一座工厂传递到其他四十座工厂的能力——因为数据在各地说同一种语言。
大众汽车如今通过与AWS共同开发的通用云平台，在43座工厂部署了超过1,200个AI应用，节省资金达数千万欧元。百事可乐、宝马、三星电子都在推行类似策略，结果指向同一个结论：工业界所说的”数字孪生”，实质上是一场数据标准化之战。谁掌握通用数据平台，谁就掌握工业进步的关键。
要点
- 大众汽车通过与AWS共享的云平台，在全球43座工厂部署了超过1,200个AI应用。数据来自2025年8月大众/AWS联合新闻稿；该集团2024年年报则提及”超过40座工厂”上的”超过100个新应用”。
- 波兹南工厂通过一个从集团其他工厂复制而来的优化应用，将能源成本降低了12%。
- 真正的价值机制不是数字孪生本身，而是工厂间的数据标准化——这使得本地决策得以复制到整个网络。
- 核心矛盾：这种模式将相当大一部分创造的价值转移给了云供应商（AWS、西门子、英伟达），同时拉大了设备精良工厂与资源匮乏工厂之间的差距。
- 未来18个月的关键议题：工业数据互操作性，这既关乎集团竞争力，也关乎数字主权。
大众汽车已经明白，竞争对手还在摸索
大众汽车的1,200个AI应用，不是自然积累的结果。集团自2019年起与AWS合作，建立了名为”工业云”的通用基础设施。最初目标是将122座工厂和1,500家供应商接入同一平台。到2024年，已有43座工厂投入运行。这不是滞后，而是证明：打通历史上各自孤立的工厂数据，需要时间、需要通用标准，还会遭遇技术本身无法化解的组织阻力。
系统的核心是工业数据交换协议OPC UA，它让不同品牌、不同年代的机器以标准化格式互通。没有这个基础，每座工厂都是孤岛。有了它，在沃尔夫斯堡开发的优化方案，可以在几周内部署到圣保罗或上海，而不是几年后。
大众汽车明白的是：价值不在于某个AI模型本身，而在于为其供给数据的基础设施。这1,200个应用能否发挥作用，取决于数据是否干净、带有时间戳、在不同工厂之间保持一致。正因如此，制造执行系统（MES）和ERP集成层的投入，先于模型部署。
将一项决策同时复制到四十座工厂
波兹南的案例说明了一种机制：一旦推广，将从根本上改变工业生产的逻辑。
在传统组织中，工厂在本地优化流程。经验留在团队内部、本地仪表盘上，有时只存在于维修工程师的记忆里。一座工厂将能效提升12%，其他工厂对此毫不知情。知识无法流动。
在大众汽车的架构中，波兹南产生节约的应用是一个打包、测试、完整记录并挂载在通用平台上的软件对象。其他工厂面对的问题不再是”你们怎么优化能源？”，而是”你们要不要激活这个应用？”技能转移变成软件转移，时间从几年缩短到几周。
现有分析显示，成功大规模部署数字孪生的工业企业，生产力提升幅度明显高于停留在孤立试点项目的企业。差距不在技术，而在组织：有没有一个中央团队负责维护数据平台、统一格式、管理部署。
宝马在装配线上应用了同样的逻辑，基于英伟达Omniverse的模拟平台可以在调整物理生产线之前先行虚拟测试。百事可乐在瓶装线上部署了数字孪生，在减少非计划停机时间上取得相近成果。三星电子则用数字孪生优化半导体制造良率——参数的微小偏差就会导致数千片晶圆报废。
数据标准化，新的地缘政治竞争领域
这场转型提出的问题，超越了单个工业集团的竞争力：谁控制支撑整个体系的数据标准？
OPC UA是OPC基金会开发的开放标准。但利用它存储、处理数据并托管应用的平台，在大众汽车的案例中是AWS。这里存在根本矛盾：这家德国集团在美国基础设施上优化其工厂。大众汽车已着手加强对最敏感数据的主权，包括部署本地化AWS基础设施，以及2025年宣布扩展欧洲私有云，但对美国合作伙伴云生态系统的结构性依赖，仍是一个悬而未决的治理问题。
这种依赖不是大众汽车独有的问题，而是大多数大规模部署的结构性处境。云供应商（AWS、微软Azure、谷歌云）多年来持续投资工业集成工具、MES和ERP接口以及实时处理能力，而工业企业无法在合理时间内自行开发这些能力。正如本刊一篇关于欧洲数字基础设施的文章所指出的，欧洲知道如何建造数据中心，却不知道如何连接它们：问题不在于物理硬件，而在于赋予其价值的软件生态系统。
欧盟已通过2025年生效的《数据法案》做出部分回应，该法案强制要求工业数据可移植性，并限制云合同中的排他性条款。由包括大众汽车在内的欧洲企业推动的Gaia-X倡议，旨在建立一个主权工业数据生态系统。但Gaia-X进展缓慢，在政治目标与技术现实之间两难，而AWS上的部署却在加速。监管节奏与工业部署节奏之间的落差，是欧洲在这场竞争中的主要弱点。
数据充足工厂与基础薄弱工厂之间的鸿沟
大众汽车的公告有一个未被提及的细节：已连接的43座工厂，不是最初计划的122座，更不是为集团供应链服务的数千家二级、三级工厂。
全球只有少数工厂拥有足够的数据基础设施来大规模部署AI应用。大多数工厂——通常是新兴经济体中的分包中小企业——既没有MES系统，也没有IT团队，更没有安装这些系统的资金。大众汽车在波兹南实现的优化，正是其低成本供应商因基础设施缺失而无法复制的。
这种鸿沟不只是企业间的不平等，也是地区间的不平等。德国一座连接良好的工厂产生的生产力提升，使其能够抵御来自墨西哥或波兰更廉价但效率较低工厂的竞争。短期内，这对德国工厂有利。中期来看，若低成本工厂完成装备，生产力差距收窄，优势将再次转移。
工业竞争力的真正问题因此不是”谁有最好的数字孪生？”，而是”谁能足够快地装备整条供应链，使价值复制在每个层级都有效运转？”这正是西门子等集团扮演关键基础设施角色的原因：它们同时销售设备、MES软件和数据平台，在价值链中占据不可替代的中介位置。一个工业云供应商可以从中捕获比任何传统设备制造商都多的价值。
仅靠数据无法解决的问题
在43座工厂部署1,200个AI应用，是事实。波兹南节省12%的能源，是事实。这些数字没有说明的是：在达到今天这一步之前，有多少部署失败了。
相关研究得出了一个严峻结论：在大多数情况下，数字孪生项目难以实现最初预期的节约。麦肯锡的数据显示，70%的数字化转型项目总体上会超出初始预算——这个数字并非工业数字孪生所独有，但足以说明执行的难度。失败原因很少是技术问题，主要集中在三个方面：输入数据质量差，往往异构、时间戳不准、不完整；生产团队的日常工作流程没有自然融入AI系统的建议；组织层面缺乏长期保持数据质量所需的治理机制。
大众汽车设有专门的中央团队负责平台治理，这正是大多数工业企业做不到的。通常的做法是：部署工具，培训团队一次，然后期待系统自我维护。但这行不通。一个不再由新鲜可靠数据供给的数字孪生，很快变成产出错误建议的高成本摆设。生产线上的一个错误建议，代价可能高于没有建议。
大规模部署的承诺与组织日常现实之间的落差，是大型工业企业数字化转型宣传中的主要盲点。已部署的1,200个应用是一个对外传播的数字。生产团队每天实际使用的应用数量，才是更具说明力的数字。
互操作性：未来几年的战略关键
大众汽车案例揭示的下一场工业之战，是平台间的互操作性。
目前，在大众汽车AWS平台上开发的应用，无法直接部署到宝马部分使用的微软Azure平台。西门子MindSphere工厂的数据，与SAP Manufacturing工厂的数据并非原生兼容。每个大型工业平台都是封闭生态系统，这限制了企业间合作的空间，并产生高昂的迁移成本。
OPC UA、资产管理外壳（AAS）、制造服务总线等开放标准，对于打破这些孤岛至关重要。这些标准的采用正在推进，工业联盟和欧洲监管指令都在推动。但采用情况参差不齐：有资源影响标准制定的大型企业采用迅速，往往还加入自己的专有扩展；中小企业则只能被动接受发包方的选择。
AI代理已开始在这一集成层发挥作用，充当异构数据系统之间的接口。正如本刊一篇分析文章所指出的，AI代理进入企业工作组织，而组织结构尚未为接纳它们做好准备。工厂也不例外。
欧洲监管机构和工业企业面临的问题，说起来简单，解决起来困难：如何确保新兴的互操作性标准，保护工业企业更换平台供应商的能力，而不会丢失数据、应用和优化决策？这是确保数据标准化产生的价值留在工业企业手中、而不是全部流向云供应商的前提条件。
答案尚未写出。大众汽车已经证明，这套机制可以在大规模上运行。这种模式能否保持足够长时间的开放，让其他企业也能从中受益，仍是未知数。
来源
- 大众汽车集团2024年年度报告——生产与数字化转型：annualreport2024.volkswagen-group.com
- 麦肯锡公司，《数字孪生：工厂优化的下一个前沿》，2024年
- AI Magazine / Automotive Manufacturing Solutions，2025年8-9月
- OPC基金会——OPC UA标准：opcfoundation.org
- 欧洲数据法案，2025年生效：digital-strategy.ec.europa.eu
- 大众/AWS官方联合新闻稿——DPP与AI（2025年8月）：volkswagen-group.com
- AWS官方案例研究——大众汽车集团DPP：aws.amazon.com
- AWS新闻稿——工业云启动（2019年3月）：press.aboutamazon.com
- 宝马集团——虚拟工厂新闻稿：press.bmwgroup.com
- 百事可乐——数字孪生官方新闻稿（2026年1月）：pepsico.com
- 三星全球新闻室——与英伟达合作的AI超级工厂：news.samsung.com
- 维基百科——OPC统一架构：en.wikipedia.org