> ## Content Index
> Fetch the complete content index at: https://www.hubwiz.com/blog/llms.txt
> Use this file to discover other available public pages before exploring further.

# AI 进 PLC 工程的两条路：从机器需求，还是从工具链编排
- URL: https://www.hubwiz.com/blog/ai-into-plc-engineering-two-paths-unitronics-rockwell/
- Published: 2026-10-31T12:38:10.000Z
- Updated: 2026-10-31T14:03:16.000Z
- Description: 一家让 AI 从机器需求写 ST，一家让 AI 编排整条工具链。同一周两条路，验证责任都还在工程师身上。
- Author: admin
- Tags: AI PLC 编程, 工业 AI, 自动化, Agent

2026 年 10 月，两家自动化厂商把 AI 放进了 PLC 工程的两个不同位置。Unitronics 装在"起点"：工程师用自然语言描述机器要做什么，工具生成结构化文本。Rockwell 装在"上层"：自然语言发起一个工程任务，由多个 agent 跨工具去执行。

先把这个坐标补全。第一波 AI 进 PLC 工具的形式是**副驾**——2024 年 11 月 TIA Portal V20 发布时，Siemens Industrial Copilot 的定位就是"简化编程任务、加速排障"（这是 2024 年的发布，不是本周新闻，写在这里只是为了说明这条演进线的起点）。两条新路的区别在于：一个替换掉"从空白工程开始写"，一个替换掉"在多个工具之间搬运上下文"。

## 路一：Unitronics —— 从机器需求直接生成 ST

Unitronics 把 AI 辅助工作流嵌进了 **UniLogic**——它的 PLC 控制、运动与 HMI 编程环境。这个功能叫 **UniLogic AI Wizard**，官方口径是"帮助工程师从机器需求走到 UniLogic 兼容的 IEC 61131-3 结构化文本，用你自选的 AI 模型，不需要从零写复杂提示词"。

流程是这样的：不是打开一个空白编程界面，而是**先用自然语言描述机器要做什么**；UniLogic 整理需求、从当前工程里补上相关信息、应用 UniLogic 自己的编程规则，然后自动生成一份结构化的"工程请求"，交给工程师选定的 AI 平台。

向导会问三件事：机器的**动作顺序**、**控制方式**、以及**相关的安全考虑**。工程师可以从当前工程里挑 I/O、标签、数据结构一起打包进请求。

这一层的价值不在"生成代码"，而在**把平台上下文塞进去**。原文说得很直白：通用 AI 工具也能写结构化文本，但它们不知道某个自动化平台支持哪些数据类型、函数、结构体和编程约定；AI Wizard 是在请求抵达模型**之前**补上这些工程上下文。

产出物可以是：完整 ST 应用、单个 ST 函数、对现有逻辑的修改、代码审查与问题识别、注释与工程文档，以及把第三方代码转换成 UniLogic 兼容 ST。生成结果里可能包含变量、枚举、结构体、函数、状态机和注释。

边界写得比多数厂商清楚：

- 它是**工程助手**，不替代工程判断、测试、调试与机器安全流程；
- 生成的逻辑**必须经过复核、测试、验证**才能上线；
- 导入后会**标出假设、占位符和需要注意的项**；
- 官方直接定性："这不是自主机器编程。"

CEO Amit Harari 的说法是这套设计的出发点："AI 不该是坐在工程软件旁边的另一个黑盒。它需要目标平台的上下文——架构、规则、工程结构。"

![UniLogic AI Wizard：从机器需求到结构化文本](https://www.hubwiz.com/blog/content/images/2026/10/unitronics-800.jpg)

图 1：向导把需求、工程上下文与平台规则打包成"工程请求"，再交给模型。（图源：Unitronics / IEN Europe）

## 路二：Rockwell —— 从"编排"入手，让 agent 跨工具干活

Rockwell Automation 在 2026 年 10 月 21 日发布 **FactoryTalk Conductor**，定位是"AI 原生的编排平台"：协调跨工业自动化生命周期的 AI 工作，从系统设计、开发到运行维护。它会在波士顿的 Automation Fair 2026 上首次公开展示，**计划 2027 年第一季度商用**。

能力口径：用户用自然语言发起工程任务，平台把完成任务所需的软件、AI 能力和工作流接起来。首发集成四个工具——**Studio 5000 Logix Designer、Logix Echo、Emulate3D、FactoryTalk Optix**，覆盖设计、开发、仿真与测试；后续计划接入 FactoryTalk Design Studio、FactoryTalk Historian、Plex、Fiix。

治理与模型选择上有两个具体安排：可以走 **FactoryTalk Hub 托管的 AI 服务**，也可以接客户偏好的大模型或小模型，**包括本地部署的开源权重模型**（官方给的理由是降低持续的 token 消耗成本）；同时提供"Rockwell 验证过的 agents 与 skills"，客户也可以自建。

Rockwell 软件与控制高级副总裁 Matheus Bulho 的说法是："把 AI 编排和可信的工业经验结合起来。" ARC Advisory Group 副总裁 Craig Resnick 的判断更直白："工业 AI 的下一阶段由**编排**定义，而不是单个 copilot。"

Rockwell 还引用了自家《2026 智能制造状况报告》的数字：**三分之一的制造运营已经在使用 AI 增强**。

值得注意的是它自问自答里的那条界线——"Conductor 与 AI copilot 有什么不同？"官方答案是：copilot 辅助单个任务，Conductor 让多个 agent、工作流与软件工具协同，从而把跨应用、跨数据源、跨团队的多步骤活动自动化。换句话说，它卖的不是"写得更快"，而是"把搬运上下文这件事交出去"。

## 两条路的对照

| 维度   | Unitronics（AI Wizard）              | Rockwell（Conductor）                |
| ---- | ---------------------------------- | ---------------------------------- |
| 入口   | 空白工程之前：机器的动作顺序、控制方式、安全考虑           | 工程任务的发起层：一句自然语言任务                  |
| 输入   | 需求描述 + 当前工程的 I/O、标签、数据结构 + 平台规则    | 任务描述 + 跨工具现状（设计、仿真、HMI）            |
| 产出   | IEC 61131-3 ST：变量、枚举、结构体、函数、状态机、注释 | 跨工具的编排结果：agent 调用、工作流推进            |
| 明确边界 | 不替代判断/测试/调试/安全流程；标出假设与占位符          | 商用时间 2027 Q1；agent 与 skills 需"验证过" |
| 可用状态 | 已嵌入 UniLogic                       | 2026 年 10 月首秀，2027 Q1 商用           |
| 主要风险 | 生成物看起来合规、语义不符工艺                    | 编排层出错时，错误会跨多个工具传播                  |

## 编者补充：三条判据

两家都是厂商口径，本文不做能力评价，只给三条能用来判断"这套东西在我这能不能用"的判据。

**判据一：产出物能不能 diff、能不能回滚。** 生成一段 ST 比较容易，难的是三个月后有人问"这段逻辑是谁、基于什么改的"。Unitronics 的做法是在导入后标注假设与占位符，这已经比"直接贴进工程"好一档；但更硬的要求是**生成物进入版本管理**——文本可 diff、可回滚，才能进变更流程。这一条恰好是工程侧最容易被跳过的地方。

**判据二：假设是否显式。** 需求描述里没写的（量程、单位、失效安全方向、异常恢复策略），模型只能猜。凡是猜出来的部分都必须以"待确认"的形式出现在工程师眼前，而不是埋在代码注释里。站内[AI 改博途程序的写保护与边界](https://www.hubwiz.com/blog/tia-portal-openness-mcp-write-guards/)里那条"预演—验证—回滚"就是这个道理的另一半。

**判据三：模型调用是否留痕、是否可换。** Rockwell 允许接自选模型（含本地开源权重），这一点在受监管行业比"能力多强"更重要——模型可替换意味着你不被单点锁定，本地部署意味着数据不出厂。但随之而来的是新的问题：换模型之后，同一段提示还会给出同一个结果吗？这需要**回归集**，而不是"感觉差不多"。

把两条路放进我们的验证框架看：

| 层                     | 能证明        | 不能证明      |
| --------------------- | ---------- | --------- |
| 编译（工具自带）              | 语法、类型、引用自洽 | 逻辑符合工艺    |
| 工程内单元测试               | 给定输入下逻辑正确  | 时序与真实 I/O |
| 仿真（Emulate3D / 软 PLC） | 状态机与联锁走通   | 现场工况      |
| 现场调试                  | 真实的一切      | 只在这一工况成立  |

生成式工具把第一层变得很便宜——便宜到容易让人以为过了第一层就等于能上线。**真正没变的是后面三层。**

**边界**：本文编译两家的公开材料（一为厂商赞助内容，一为新闻稿），没有任何第三方实测数据；能力描述、集成清单、可用时间均为厂商陈述，其中 Rockwell 的商用时间是计划值。涉及安全相关程序、现场调试与停机窗口的改动，请按内部规程与变更流程执行。

**来源**： - Unitronics,《Unitronics Uses AI to Take PLC Logic from Machine Requirements to Code in Minutes》, IEN Europe，2026-10-19（Automation.com 于 2026-10-26 收录同题） - Rockwell Automation,《Rockwell Automation Introduces FactoryTalk Conductor, an AI-Native Orchestration Platform for Industrial Automation》, PR Newswire，2026-10-21 - 背景：Siemens,《A new version of our engineering platform》(TIA Portal V20 / Industrial Copilot)，2024-11-18

本文由汇智网编译整理，转载请注明出处。

> **这是「AI × 工业 / PLC」专题的一部分。**完整地图见：[AI × 工业 / PLC 完全指南](https://www.hubwiz.com/blog/ai-industrial-stack/)