
基恩士给出的三项功能值得逐条看。深度调试会对比当前与历史时刻的程序行为与传感器信号,自动检出计数差、通断时间偏移这类细微差异,把异常部位与原因候选按优先级列出;它读取的不只是程序逻辑,还包括KV-X系列驱动器记录功能保存在microSD卡上的变量值、器件值与事件历史,因此可以回答设备为什么停机这类自然语言提问。梯形图自动生成支持自然语言直接产出梯形图或ST语言程序,变量、结构体定义与注释一并生成,官方表述是经AI校验、可直接插入并转换。可视化摘要则把程序解析成系统构成与动作流程图,以HTML格式输出。参照数据库除PLC手册外,还包含自家传感器的接线指南。
欧姆龙的案例更能说明收益来自哪里。按其2026年7月自测,4名工程师的新设计项目中,可流用部分的识别时间从2周缩短到4天;在规格书缺失的旧设备上,改造点识别从1至2个月缩短到4天。发布副标题写得很直白:把依赖熟练者的设计与保全工数削减50%以上。
但两家产品都有一个共同前提:AI只能看见被记录下来的东西。基恩士的深度调试依赖驱动器记录功能是否开启、记录周期设到多密;欧姆龙的检索依赖历史程序、手册与说明文档是否留档。设备停机的瞬间数据没存,AI再强也无从分析。这一点在现场很现实,不少老产线的报警历史只保留最近若干条,超过就被覆盖。
国内的工控智能体也在同步推进。11月4日,国际数据公司发布《中国工控智能体技术能力评估,2026》,西门子Eigen工程智能体是本次评估中唯一获得六项五星评级的厂商。安全侧的配套同样在动,11月5日,三菱电机发布面向产业设备的OT安全新方案,把监控功能嵌入PLC等设备;发那科则计划于2027年1月发售面向机器人控制器的安全软件PLC,采用CODESYS平台,不再需要独立安全硬件。
对做系统集成与现场部署的一方,这类工具进场前有几件事要先做。一是记录策略先定,哪些信号进驱动器记录、采样周期多长、保存多久、存到本地还是上传,这决定后续能否做原因分析。二是程序与文档的资产化,梯形图加注释、IO表、工艺卡片、调试记录整理成可检索的形态,否则AI没有可读的素材。三是AI校验的边界要说清,转换不报错不等于逻辑正确,更不等于安全,联锁、急停、限位这些安全相关逻辑仍须人工复核与实测。四是权限与数据出域,多数产品依赖云端,程序属于核心资产,传输范围、留存期限与脱敏方式要写进协议。五是版本与回滚,AI生成或改写的程序要纳入版本管理,保留可回退基线。六是人员培训,工具降低的是入门门槛,不是责任门槛,签字确认的人仍要能读懂逻辑。
生成式AI进PLC,省下的是查资料与试错的时间。能不能用好,取决于过去这些年有没有把记录留下来。