AI智能体正在涌入PLC世界

当人们听到"生成式AI"时，很多人会想到ChatGPT或Codex那样的文本生成或程序生成。

然而，在2026年，生成式AI的下一阶段——AI代理——终于开始进入PLC和FA（工厂自动化）的世界。

迄今为止，PLC编程一直是一个高度专业化的领域，由以下要素构建：

梯形图（LAD）
结构化文本（ST）
功能块图（FBD）
专用工程工具
熟练的PLC工程师

然而，这一前提现在开始改变。要求AI生成PLC代码——我们已经超越了仅仅那个阶段。

不仅仅是那个阶段了。 AI正在发展到能够读取PLC项目并做到以下事情的程度：

生成PLC代码
分析现有程序
修复编译错误
生成HMI
配置驱动器
配置网络
创建文档
执行测试
验证自己的结果并进行修正

也就是说，

从"副驾驶"到"AI代理"的转变在PLC世界也开始了

可以这样理解。

1、PLC中的"AI代理"是什么？

首先，让我们明确AI助手/副驾驶和AI代理的区别。

使用传统的生成式AI，

PLC工程师
     ↓
「请写这个ST代码」
     ↓
生成式AI
     ↓
生成代码
     ↓
工程师确认
     ↓
复制到PLC开发环境

这种用法很常见。AI严格来说是"提供答案的一方"。

而使用AI代理，

PLC工程师
       ↓
「请创建这个设备的控制程序」
       ↓
    AI代理
       │
       ├─ 项目分析
       ├─ PLC代码生成
       ├─ HMI生成
       ├─ 硬件配置
       ├─ 网络配置
       ├─ 测试生成
       ├─ 编译
       ├─ 错误分析
       └─ 自我修正
              ↓
        工程师批准
              ↓
             PLC

最大的区别在于它 "执行多个任务以实现目标"，而不仅仅是"回答"。

2、西门子用"Eigen工程代理"迈出了一步

西门子象征着这一变化。

2026年4月，西门子正式发布了Eigen工程代理作为工业自动化AI。

这是一个直接连接到"TIA Portal"的AI代理。

TIA Portal（完全集成自动化门户）是西门子开发的集成工程软件，统一了FA（工厂自动化）领域各种控制设备的设计、编程和配置。

西门子将此定位为从AI驱动的建议到自主任务完成的过渡。Eigen工程代理不仅仅是用于生成PLC代码的AI。

在TIA Portal中，

功能块
用户定义数据类型
HMI
驱动器
硬件配置
网络配置

等方面，使其能够理解实际的项目结构。

目前，

SCL/ST代码生成
梯形图生成
PLC代码修正
编译/语法错误修正
测试逻辑生成
HMI JavaScript生成
驱动器配置
PROFINET配置
硬件配置
项目文档

等都可以执行。

这很重要。这与将PLC程序粘贴到ChatGPT等工具中并要求"请修复这段代码"有本质区别。

因为Eigen工程代理通过理解实际PLC项目的上下文来工作。

3、更进一步，从自然语言到PLC项目

2026年6月，Eigen工程代理进一步发展。

西门子宣布了 "从用自然语言编写的机器规范生成符合标准的自动化项目"的功能。

可视化一下，

「使用2台电机制作输送传送带。

在入口传感器处检测工件。

从传送带A输送到B。

设有紧急停止。

异常时在HMI上显示。」

从这样的规范，

自然语言
       ↓
AI工程代理
       ↓
I/O定义
       ↓
   PLC逻辑
       ↓
      HMI
       ↓
设备配置
       ↓
文档
       ↓
     测试

方向是自动生成到那个程度。这有可能改变PLC编程的本质。

4、"PLC × AI"目前分为三个方向

在查看PLC和AI的新闻时，如果不将所有内容统称为"AI PLC"，会更容易理解。

当前的趋势可以大致分为三个方向。

分类	AI角色	典型用例
(1) PLC开发AI	程序生成/分析	ST、梯形图、代码审查
(2) 工程代理	操作整个PLC项目	PLC、HMI、驱动器、网络、测试
(3) 运维AI	分析/优化运行中的设备	异常检测、预测性维护、生产优化

这三者看起来可能相似，但实际上有很大不同。

4.1 PLC开发AI

最容易理解的是PLC程序生成。

例如，

「按下START按钮时启动电机。

按下STOP按钮时停止。

发生过载时立即停止。

按下复位按钮时解除异常。」

从这样的规范，

IF StartPB AND NOT Overload THEN
    Motor := TRUE;
END_IF;

IF StopPB OR Overload THEN
    Motor := FALSE;
END_IF;

生成这样的IEC 61131-3结构化文本。对于这个目的，通用LLM已经相当实用。但这仍然只是"AI助手"。

4.2 工程代理

下一个是目前最重要的变化。西门子工程代理属于这一类。不仅仅是代码生成，

机器规范
        ↓
    AI代理
        ↓
       PLC
       HMI
       驱动器
       网络
       硬件
       文档
       测试

单个代理遍历到那个程度的所有内容。

也就是说，AI正在从"PLC程序员"转变为"FA工程师"。

4.3 运维AI

另一种方法不是创建PLC程序的AI，而是将从PLC获取的数据传递给AI的方法。

传感器
   ↓
  PLC
   ↓
OPC UA / MQTT
   ↓
边缘/IPC/云
   ↓
  AI
   ├─ 异常检测
   ├─ 预测性维护
   ├─ 质量分析
   └─ 生产优化

这不需要在PLC本身上加载庞大的AI模型。

PLC处理可靠的实时控制，AI处理判断、分析和优化。

在分离控制和AI的意义上，这是当前制造现场非常现实的配置。

5、不是用AI替换PLC本身

这很重要。

即使AI代理发展了，

PLC → 被AI替换

也不太可能这样想。

PLC需要：

确定性执行
毫秒级扫描周期
安全性
故障安全
长期供应
高可用性
IEC标准
实时性能

即使你告诉LLM"你必须在10ms内响应"，它也无法替代PLC。

因此，未来也将保持这样的角色分工：

AI代理
    ↓
工程/优化
    ↓
   PLC
    ↓
实时控制

与其说AI取代PLC，更有可能显著改变设计、配置和操作PLC的人的工作。

6、那么，日本PLC厂商落后了吗？

这里出现了一个问题。

西门子发布了非常容易理解的产品Eigen工程代理。

相比之下，

三菱电机
欧姆龙
基恩士
横河电机
发那科
安川电机

等日本FA厂商似乎没有名为"PLC工程代理"的产品。

为什么？当我调查时，

"日本厂商没有做AI代理"的理解是不正确的。

相反，它正在从不同的方向快速发展。

7、三菱电机也已经明确推进"AI代理"

在2026年FA系统业务说明会资料中，三菱电机明确强调了AI代理计划。

其中包括：

设备维护
生产管理
生产计划优化
生产线设计
系统集成效率
AI代理套件
数字孪生
自主改进

等。

特别有趣的是**"融合生产工程专业知识的AI代理套件"**的开发。

也就是说，虽然切入点与西门子略有不同，但方向本身非常相似。

此外，三菱电机还公开了利用多个专业AI代理的多AI代理技术，以及在公司内横向部署AI代理的通用平台。

因此，并非三菱电机对AI代理持消极态度。

而是

西门子
   ↓
从PLC工程代理化

------------------------------------------------

三菱电机
   ↓
从生产工程/管理代理化

将其视为切入点的差异更为恰当。

8、欧姆龙也展示了"AI代理操作机器的未来"

欧姆龙也在采取重大举措。

在公司的技术文档中，作为生成式AI的高级形式，他们展示了**"AI代理主动与人和机器交互"的未来愿景**。

此外，

AI支持只有专家才能理解的调整
AI代理通过自然语言指示机器
未来AI代理自己操作机器

等也在构想中。

他们还在推进AI驱动的软件定义制造，结合虚拟孪生和FA。

也就是说，欧姆龙也是，

     PLC
     传感器
     机器人
     数字孪生
       ↓
      AI
       ↓
自主制造

正在朝那个方向前进。

9、发那科已经到了"AI代理控制机器人"的阶段

发那科是一个更清晰的例子。

2026年，通过与谷歌合作，发那科宣布了谷歌AI代理操作机器人的系统。

此外，**"AI焊接代理"**等具体产品和技术也出现了。

这是一个AI读取零件图纸并将其连接到机器人弧焊的概念。

图纸
   ↓
AI代理
   ↓
任务规划
   ↓
机器人程序
   ↓
 机器人
   ↓
焊接

这已经超越了"PLC程序生成"，更接近物理AI的领域。

10、安川电机也有"代理机器人系统"

安川电机也在2026年宣布了MOTOMAN NEXT代理机器人系统。

使用谷歌DeepMind的Gemini Robotics，

「请分拣这个零件」

从这样的指令，

机器人本身，

识别情况
思考工作步骤
规划动作
执行工作

它朝着那个方向努力。这确实是AI代理。

11、那么为什么日本的"PLC工程代理"不突出？

从这里开始是基于各公司公开举措的分析。

原因不仅仅是一个。

原因1：日本厂商倾向于从"制造现场"而非"PLC"的角度看待AI

西门子有

TIA Portal

一个非常强大的集成工程平台。

因此，很容易形成

TIA Portal
    +
AI代理

"PLC的AI"这样的产品战略。另一方面，看日本厂商，

PLC
伺服
机器人
传感器
视觉
生产设备

有很多从现场设备侧引入AI的方法。

因此，

■　欧洲

工程
    ↓
   AI
    ↓
机器

相比之下，

■　日本

机器/现场
       ↓
      AI
       ↓
自主运行

可能存在这样的差异。

原因2：存在TIA Portal这样的庞大"工程平台"

西门子能够轻松实现工程代理的最大原因之一可能是TIA Portal。

在TIA Portal中，

PLC
HMI
伺服/驱动器
PROFINET
安全
硬件配置
诊断

都集成在一起。

也就是说，从AI代理的角度来看，操作对象集中在一个平台上。

这是一个巨大的优势。AI代理可以使用工具调用来

创建PLC块
编译
创建HMI
配置驱动器
运行测试

更容易按顺序调用函数。这是一个与代理高度兼容的结构。

原因3：AI生成PLC代码的责任问题

PLC与Web应用程序不同。

PLC代码中的错误可能导致：

生产停止
产品损坏
电机损坏
机器人碰撞
人身伤害

例如，如果AI代理意外删除了安全互锁会怎样？"这是AI生成的"将不是一个可以接受的借口。

因此，

AI生成
     ↓
静态分析
     ↓
  编译
     ↓
  仿真
     ↓
数字孪生
     ↓
工程师批准
     ↓
  部署

验证链是必不可少的。长期以来优先考虑质量和安全的FA厂商很可能会极其谨慎地处理这个问题。

原因4：在日本FA中，设备"运行20年"是常态

FA设备有着独特的文化。

在IT中，

3年
5年

系统有时会更新。

但在PLC中，

10年
15年
20年

使用设备并不少见。

此外，在现有工厂中，

旧PLC
旧伺服
旧HMI
专有网络
自定义功能块

大量存在。

引入AI代理时，不仅仅是新项目，如何理解遗留PLC也是一个难题。

相反，

遗留PLC分析
     ↓
  AI代理
     ↓
迁移到现代PLC

未来有可能成为一个相当大的市场。

原因5：日本厂商在不称其为"AI代理"的情况下实施

这也很重要。

在最近的AI行业，

代理
代理AI
副驾驶
物理AI
自主AI

这些术语频繁使用。

另一方面，日本制造业长期以来一直使用以下术语进行研究：

自主控制
自主改进
优化
异常预测
熟练技能支持

即使在技术上非常接近代理AI，也有不将"AI代理"作为营销术语突出的方面。

然而，进入2026年，

三菱电机：AI代理
欧姆龙：AI代理
发那科：AI代理
安川电机：代理机器人

这些术语实际上开始被使用。

这是一个明显的变化。

12、日本厂商并非落后，而是在"不同的路线"上奔跑

总结以上内容，并非"西门子朝着AI代理方向发展，而日本厂商无所作为"的构成。

而是

★ 西门子

工程代理
    ↓
PLC / HMI / 驱动器
    ↓
 机器

相比之下，

★ 日本FA厂商

机器/机器人/生产
          ↓
      AI代理
          ↓
自主制造

可以看到差异。最终，这两者很有可能会融合。

13、最终，"工程AI"和"物理AI"会连接

思考未来的FA系统，

                    AI代理
                       │
        ┌──────────────┼──────────────┐
        │              │              │
     工程           生产           维护
        │              │              │
        ↓              ↓              ↓
      PLC ─────── 数字孪生 ───── 机器人
        │
        ↓
     传感器
        │
        ↓
      机器

可能会变成这样的结构：

工程代理构建设备，物理AI代理操作设备，维护代理维护设备。

当这三者协作时，就变成了从设计到运营都有代理参与的工厂自动化。

14、PLC程序员会变得不再需要吗？

可能不会那么简单。

而是角色会发生变化。迄今为止PLC工程师一直在做的工作是：

规范
 ↓
I/O分配
 ↓
编写梯形图/ST
 ↓
调试

在AI代理时代，这可能会变成：

也就是说，价值将从编写代码的能力转变为定义正确的控制规范和验证AI生成的系统的能力。

不仅PLC知识不会变得不再需要，当AI出错时进行判断的深层知识可能会变得更加重要。

15、你可以用OpenPLC体验同样的世界

这种变化不仅仅关乎主要PLC厂商。

例如，如果你将OpenPLC与AI编码代理结合使用，你可以实验这样的系统：

Requirements.md
    ↓
Codex / AI代理
    ↓
IEC 61131-3 ST
    ↓
OpenPLC
    ↓
编译
    ↓
仿真
    ↓
错误日志
       └─────────→ AI代理
                       ↓
                     修正

作为个人。

此外，如果添加Git，它就变成了接近IT软件开发的PLC开发环境：

需求
    ↓
AI代理
    ↓
ST源代码
    ↓
   Git
    ↓
  构建
    ↓
  测试
    ↓
仿真
    ↓
  审查
    ↓
   PLC

这个方向非常有趣。

6、PLC世界已经开始从"编写梯形图逻辑的世界"发生变化

如果我们非常粗略地总结PLC的历史，可以看到这样的流程：

继电器
  ↓
 PLC
  ↓
梯形图
  ↓
IEC 61131-3
  ↓
集成工程
  ↓
软件定义自动化
  ↓
AI副驾驶
  ↓
AI代理

2026年可能会被回顾为开始从AI副驾驶到AI代理过渡的一年。

特别是西门子工程代理很重要，因为它从"让AI编写PLC代码"迈向了**"让AI执行PLC工程"**。

另一方面，日本厂商也绝非无所作为。

三菱电机正在从生产技术、SI和生产管理的角度推进AI代理；欧姆龙正在研究人与机器之间的自然语言交互；发那科和安川电机开始步入物理AI/代理机器人领域。

因此，如果用一句话表达现在发生的事情：

不是"AI被添加到了PLC中"，而是"工厂自动化本身开始变得具有代理性"。

这样思考可能更接近本质。

PLC不会消失。但是，我们设计、编程、配置、测试和操作PLC的方式将发生重大变化。

AI代理的浪潮正在涌入PLC世界。

原文链接：The Wave of AI Agents is Reaching the World of PLCs

汇智网翻译整理，转载请标明出处