德国供应商和汽车制造商应予以重视：ZF 集团的生产 IT 负责人警告称，如果企业不修正车间层面数据的收集与治理方式，下一波工厂 AI 将停滞不前。这关系到装配线工人、为德国和奥地利工厂供货的供应商以及期望从电子设备到传动系获得可靠质量的采购方。
“你可以把所有东西放进数据湖”——但仍会失败
ZF 集团生产解决方案分析与战略执行负责人工伏克·萨博（Volker Szabo）在 2026 年 11 月 8 日接受 CIOnews 采访时表示，制造业的企业级 AI 正被他所称的“意大利面式架构”拖累——数十年间形成的定制化、缺乏文档的点对点接口掩盖了数据来源，使得扩展既昂贵又风险高。“你可以把所有东西放进数据湖，但人们不知道从哪里去抓取，”萨博说。
萨博描述了一个务实的修复方案：一个受治理的集成层，标准化可编程逻辑控制器、SCADA 系统以及 MES/ERP 平台发布生产数据的方式。他认为，该层能创建单一可信数据源，使得用于视觉质量检验、预测性维护和数字孪生的 AI 模型能更快、更安全地在多个工厂部署。
一个小的技术改动如何释放巨大的 AI 价值
在采访中，萨博给出了潜在经济效益的具体例子：将数十个点对点连接减少为一个通用集成层，在简化情景下可将接口数量大约削减 80%——这并非直接的成本节约，而是对通常扼杀项目推广的架构复杂性和维护工作量的大幅减少。他还建议从范围严格限定的试点开始——“先从一个铭牌开始，然后逐步添加数据”——而不是试图一次性实现一个宏大的数字孪生。
业界已有玩家在测试类似方法。西门子（Siemens）和 NVIDIA 一直在以埃尔朗根的西门子电子工厂推广数字孪生与基于智能体的工厂工具，作为自适应制造的蓝图；西门子表示这些应用已在生产中进行试验，目标是加速检验、规划和虚拟调试工作流。
这对市场意味着什么
对于欧洲汽车制造商和供应商来说，信息是面向运营的：将 AI 部署到质量检测、机器人或预测性维护不再只是模型训练的练习——它是一个集成与治理问题。如果 OEM 和一级供应商采纳萨博的建议，他们可以更快地在多家德国与奥地利工厂扩展成功的试点项目，降低将 AI 驱动的检测与维护引入常规班次的时间和成本。这能减少电池和传动系统产线的废品与停机风险，并使对生产变更的数字孪生测试对生产的干扰更小——这些好处在工厂同时应对电动车项目与供应链波动时尤为重要。
对于劳工与工会代表而言，这一技术建议也带来实际影响：以集成优先的方法往往保留现有控制器与设备的同时增加数据访问，这可以限制对硬件的即时变更，并允许对操作员与维修团队进行渐进式技能提升，而非突然的全面改造。
ZF 的采访强调了德国与奥地利范围内的一次悄然转变：工厂 AI 的下一阶段成败，将在控制器与企业系统之间的接口层决定，而不仅仅取决于更大的模型。
来源：CIOnews，Siemens
合作伙伴说明：AutoPresse 技术合作伙伴 DaVinci AI 为整个汽车行业开发 AI 解决方案——从市场与经销商分析到自治 AI 代理以及图像与视频制作。
