美国工业自动化 | 罗克韦尔密尔沃基总部商务考察

 　　工厂里最沉默的那一层，往往决定了一切。

　　当资本与注意力涌向大模型、人形机器人和云端智能体时，真正让一条汽车焊装线在零下二十度的清晨准时启动、让一座半导体晶圆厂在断网瞬间依然维持关键制程的，不是云端的参数规模，而是控制层那一行行确定性代码和毫秒级的执行节拍。控制层不生产故事，它只生产"不出事"。但恰恰是这个"不出事"的能力，正在成为工业AI从演示走向产线的最后一道窄门。

　　罗克韦尔自动化(Rockwell Automation)在2025财年交出了83.4亿美元的总营收，全球员工约26,000人，业务覆盖100余个国家。它的Allen-Bradley PLC在汽车、新能源、半导体产线的存量装机量中占据领先位置，FactoryTalk软件套件覆盖MES、集成机器安全与工业以太网。2026年推出的FactoryTalk ResilientEdge架构，则把"边缘AI执行"与"断网续运"推到了控制层演进的中心议题上。中瑭国际的美国商务考察行程将密尔沃基总部列为工业软件与自动化段落的核心站点，理由不在于它"大"，而在于它站的位置恰好是物理控制与数字智能之间那道必须被重新回答的分界线。

　　考察主题：《从PLC到边缘AI：罗克韦尔如何定义工厂的"控制层"》

　　一、控制层的"定义权"，为什么正在松动

　　工业自动化并不缺增长叙事。据多家市场研究机构的数据，全球工业自动化与控制系统市场在2025年的规模大致在2,300亿至2,700亿美元区间，未来数年的复合年增长率在7%至11%之间。但量的扩张掩盖了一个结构性变化：控制层的定义方式正在从硬件规格表转向软件架构能力。

　　过去三十年，控制层的定义权高度集中于PLC。一款PLC的扫描周期、I/O点数、指令集效率、背板总线带宽，就是工厂"控制能力"的全部语言。工程师选型时看的是响应时间是否够快、扩展模块是否匹配产线拓扑。这种逻辑稳定、可预期，也极其封闭——一旦选定品牌，控制层的升级节奏就绑定在了硬件迭代周期上。

　　边缘AI的介入改变了讨论的坐标系。据估算，全球AI边缘计算市场在2025年约为243.6亿美元，2026年预计达到295亿美元，复合年增长率超过21%。工业场景对这一增长的贡献不在于"把大模型塞进控制器"，而在于控制层开始被要求同时具备两套看似矛盾的能力：确定性的实时执行，以及非确定性的智能推理。前者是PLC的旧领地，要求抖动可控、故障可预期;后者是AI的新诉求，依赖数据吞吐、模型迭代和算力弹性。

　　罗克韦尔的策略选择了一条中间道路。FactoryTalk ResilientEdge的定位并非替代PLC，而是在PLC、MES与云端之间插入一个"统一执行层"：边缘侧维持可预测的低延迟执行，嵌入业务逻辑;云端承担AI训练、分析和企业级编排;两者结合的结果是，即使连接中断，关键运营仍可持续。这个架构的核心主张可以概括为一句话：控制层的未来不在于把AI推入PLC，而在于让执行层同时容纳两种时间尺度。

　　这对于正在评估数字化投入的中国制造企业而言，是一个需要被认真对待的判断分歧。许多工厂的现状是IT与OT各说各话：IT部门追踪数据湖的完整性，OT部门盯着PLC的扫描周期和故障灯。两者之间的接口往往是历史数据库或手工报表，延迟以小时甚至天计。控制层如果继续按照"更快的PLC"来定义，IT/OT融合就只能停留在数据搬运层面，而无法进入控制决策的内部。

　　二、存量优势的另一面：Allen-Bradley的"惯性资产"与IT/OT的真实摩擦

　　罗克韦尔在北美PLC市场的份额据估算超过50%，Allen-Bradley品牌自1903年延续至今，已经深度嵌入汽车、食品加工、半导体等行业的产线底层。这种存量优势常被解读为"护城河"，但从控制层演进的角度看，它同时构成了一种惯性资产：客户基数越大，控制层的任何架构变动都必须回答一个极其现实的问题——现有的Allen-Bradley装机怎么办?

　　这正是IT/OT融合在产线层面推进缓慢的深层原因之一。IT的逻辑是"替换与迭代"，OT的逻辑是"延续与兼容"。一套焊装线上的PLC程序可能已经稳定运行了十年，每一次软件升级都意味着重新验证确定性行为，而验证成本往往高于升级带来的理论收益。因此，大量制造企业的"数字化转型"在OT侧的真实形态是：数据被抽取出来做看板，控制逻辑本身几乎不动。IT获得的是"可见性"，不是"可干预性"。

　　罗克韦尔对ResilientEdge的表述中有一个容易被忽略的措辞：它"消除了运营技术(OT)与信息技术(IT)之间的鸿沟"，而实现方式是通过一个覆盖设备、人员和生产系统的统一执行层，而非要求工厂推翻现有的控制硬件。这个路径选择值得考察团在密尔沃基的交流中重点追问：统一执行层如何处理存量Allen-Bradley控制器的确定性行为与新增边缘AI推理任务之间的资源竞争?当一条产线的PLC循环与一个视觉推理模型共享边缘计算节点时，优先级仲裁的机制是什么?

　　据罗克韦尔自动化产品管理副总裁Anthony Murphy引用的背景数据，95%的制造商正在推进人工智能和机器学习计划，但真正从试点进入产线控制的仍是少数。差距不在算法供给，而在控制层是否具备"容纳不确定性的确定性框架"。FactoryTalk ResilientEdge所主张的"边缘低延迟执行+云端AI训练+断网续运"，本质上是在尝试给工业AI一个可被OT接受的运行边界：推理可以在边缘发生，但执行逻辑不能因为模型更新而失去确定性;云可以参与优化，但网络断开时控制层必须自主闭环。

　　三、边缘AI在产线控制中的落地场景：从"看得见"到"来得及"

　　边缘AI在工业场景中最容易被高估的是"智能程度"，最容易被低估的是"时间位置"。一个视觉检测模型在云端识别出缺陷并生成报告，与在产线节拍内完成判断并触发剔除动作，是两种完全不同的工程问题。控制层对边缘AI的真正需求，不是更复杂的模型，而是在正确的时间窗口内做出可执行的判断。

　　罗克韦尔在能效场景中的一组实践提供了一个具象入口。据公开案例信息，通过FactoryTalk Edge MT边缘计算平台对空压机压力波动进行毫秒级实时修正，同时将长期数据上传至Plex云平台构建全局优化模型，某汽车厂实现了全厂能耗的动态平衡，单月省电超过300万度。这个案例的技术要点不在于"AI预测能耗"，而在于边缘侧承担了实时闭环控制，云端承担了跨时段优化，两者通过统一执行层分工，而不是让控制回路等待云端响应。

　　在质量与设备可靠性方向，边缘AI的落地路径同样遵循"先进入控制窗口，再扩展智能深度"的逻辑。罗克韦尔在数字孪生侧的进展为此提供了前置验证能力：Emulate3D Factory Test集成了NVIDIA Omniverse API与OpenUSD，使工厂规模的动态数字孪生能够在物理产线部署之前，对控制逻辑和边缘推理负载进行高拟真模拟。在乳制品CIP清洗系统的优化案例中，虚拟仿真验证了传统物理调试无法覆盖的极端工况，使最优方案筛选效率据称提升40倍。这意味着边缘AI的部署可以不再依赖"上线后试错"的路径，而是在数字孪生中先回答一个控制工程师最关心的问题：引入推理负载之后，控制层的确定性边界是否仍然成立?

　　中瑭国际考察行程中将罗克韦尔与哈雷戴维森超级工厂安排在同一个密尔沃基段落，用意也在于此。总部交流提供架构逻辑与生态策略，超级工厂提供产线语境中的真实约束：一个高节拍、高混合度的制造现场，如何在不牺牲控制确定性的前提下，让边缘智能进入质量、能耗和维护的决策回路。

　　四、生态协同的真实含义：控制层的竞争，正在变成"架构接口"的竞争

　　罗克韦尔与微软、英伟达、思科的合作，常被简化为"工业巨头拥抱云与AI"的叙事。但从控制层定义的视角看，这些合作的实质是在回答一个更窄也更关键的问题：边缘AI的执行层，由谁来提供算力基座、仿真环境和网络确定性?

　　与微软的协同落点在数据通路与云边编排。Azure IoT Operations与FactoryTalk Optix的整合，使制造商无需对现有产线做大规模改建，即可从OT数据源中获取关键洞察。更值得关注的是AI辅助工程方向：FactoryTalk Design Studio与Azure OpenAI能力的结合，探索的是用云侧AI辅助生成自动化逻辑，再将经过验证的逻辑下沉到边缘执行层。这条路径如果走通，控制层的"编程入口"将从OT工程师的手工组态，部分转向经过治理的AI辅助工作流——前提是边缘执行侧的确定性验证不能省略。

　　与英伟达的协同指向仿真与物理AI的融合。Emulate3D Factory Test对Omniverse API和OpenUSD的集成，使工厂数字孪生从"可视化模型"进入"可计算、可迭代的物理一致性环境"。对于边缘AI而言，这意味着推理模型可以在部署前，在一个接近真实物理行为的虚拟产线上接受节拍、遮挡、光照变化和故障注入的检验，而不是在真实产线上"边跑边调"。

　　与思科的合作则锚定在另一个常被边缘AI讨论忽略的维度：网络。边缘推理对延迟的敏感性不仅取决于计算节点，更取决于数据从传感器到推理节点、从推理结果到执行器的路径确定性。思科在工业网络与安全接入侧的积累，以及罗克韦尔生态中对工业以太网和OPC UA over TSN等统一通信路径的推进，共同构成边缘AI在控制层"来得及"的前提条件。据行业蓝皮书对架构趋势的判断，传统ISA-95层级正在软化，边缘控制器与工业PC方案逐渐融合控制与数据采集，但这一切的前提是控制稳定性不受影响。

　　这三条合作线放在一起看，罗克韦尔在控制层上的角色就清晰了：它不试图独自制造边缘AI所需的全部算力或云能力，而是用统一执行层和存量控制资产，定义AI进入产线控制时必须遵守的接口契约。控制层的定义权，正从"谁的PLC更快"，转向"谁的架构更能让确定性执行与非确定性智能在同一层中共存，并且不牺牲任何一方"。

　　五、为什么值得去密尔沃基看"控制层的定义现场"

　　工业自动化的展台从来不缺新品发布，但控制层的代际变化很少在展台上被讲清楚。因为它涉及的是一连串沉默的取舍：哪些推理必须在边缘闭环，哪些优化可以交给云端;断网之后，产线降级到哪一层、恢复的时序如何设计;存量Allen-Bradley资产在统一执行层中扮演什么角色，新的边缘推理负载又如何被安全地纳入控制窗口。这些问题的答案不在产品手册里，而在架构设计者的取舍逻辑中，在总部团队对"韧性"与"智能"优先级的排序中。

　　中瑭国际将罗克韦尔密尔沃基总部放入美国工业软件与自动化考察的核心段落，价值不在于观看一条演示线，而在于让决策者置身于控制层定义权迁移的源头现场。FactoryTalk ResilientEdge所代表的架构选择，微软、英伟达、思科在边缘AI执行层上的分工方式，以及存量PLC惯性如何被转化为演进基础而非转型负债——这些判断的原始版本，只在总部交流中才能被完整地追问。

　　看一家企业，看的是它今天的营收与产品。看创新源头，看的是它用什么框架回答一个行业尚未形成标准答案的问题。控制层从PLC走向边缘AI的路径，没有唯一正确的模板，但一定存在少数几个正在书写"参考答案"的地方。密尔沃基是其中之一。

　　权威信源列表

　　①2026-06-18 Rockwell Automation《罗克韦尔自动化推出 FactoryTalk ResilientEdge，助力实现自主化、可扩展的制造运营》

　　②2026-11-12 中瑭国际《美国游学|美国商务考察进行时》

　　③2026-01-22 The Business Research Company《2026年全球工業自動化與控制系統市場報告》

　　④2026-03-06 The Business Research Company《2026年全球人工智慧(AI)邊緣運算市場報告》

　　⑤2025-06-09 罗克韦尔自动化(转载于电子发烧友)《罗克韦尔自动化亮相2025绿色工厂厂务大会》

　　⑥2024-12-11 Rockwell Automation《Rockwell Automation 运用 NVIDIA Omniverse 实现自主化营运》