隨著數字技術的快速迭代升級，人工智能正從實驗室走向廣闊的產業天地，對千行百業形成顛覆之勢。“AI正在重塑各行各業，加速全面創新，但隨之而來的挑戰還是很多的。”施耐德電氣高級副總裁、戰略與業務發展中國區負責人熊宜在接受21世紀經濟報道等媒體采訪時表示。

正是在這充滿機遇與挑戰的關口，已有190年歷史的施耐德電氣再次進行定位升級。作為能源技術的全球引領者，該公司強調將AI等數智化技術與能源技術深度融合，在推動能源轉型的同時助力千行百業加快轉型升級，最終實現高效組織、長效增長的目標。

“三大創新”突破AI落地瓶頸

熊宜認為，AI技術作為最前沿的數字化技術之一，將為全球業界應對產業升級、能源轉型和氣候變化等挑戰提供最有力的技術工具。但對于企業來說，由于AI技術仍處于快速迭代的成長期，企業“押注”AI應用不可盲目部署，而必須找對場景，同時調整運營流程和組織架構，注重投資回報預期。施耐德電氣致力于推進AI技術的大規模產業應用，就如何幫助企業突破AI應用困境，熊宜提出三大創新維度——面向市場的創新、生產運營的創新與生態系統的創新。

施耐德電氣供圖

首先是面向市場的創新。熊宜強調，AI技術是手段，不是目的，關鍵是要找到具體的應用場景，切實產生價值。施耐德電氣通過將AI技術與產業需求深度融合，切實幫助企業解決生產運營難題。以食品飲料行業為例，在啤酒生產中，過濾環節的硅藻土添加量控制一直是行業難題——用量過多會增加成本，過少則無法保證啤酒的澄清度與風味。為幫助企業解決生產難題，施耐德電氣中國軟件研發團隊深度參與，通過AI算法預測和模擬生產工藝，實現了硅藻土添加量的智能調控。這一創新不僅讓該工廠的過濾效率提升約20%，物料消耗節約15%，更成功復制到多個工廠，并在食品飲料行業逐步推廣。

在生產運營創新層面，熊宜認為AI嵌入數字化系統可以整體提升企業運營效率，企業也要隨之優化流程，實現系統性提升。以施耐德電氣自身為例，從研發和設計、供應鏈管理、生產運營到營銷售后的全流程中，施耐德電氣都已經積極開發和部署AI應用，提升自身整體效率。“比如我們利用AI大模型提升供應鏈規劃和管理、以AI小模型實現預測性維護，還在工廠中引入AI視覺檢測，以及算法支持的協作機器人等等，從各個層面加快數智化轉型。”

在生態層面，施耐德電氣正加快與本土伙伴圍繞AI技術共創產業應用，助力技術落地。熊宜指出，AI技術的發展和應用離不開數據、算法、模型、算力、能源等各方支持，單個企業已經很難以憑一己之力解決當下的系統性挑戰，這就要求創新必須從“點狀突破”走向“系統協同”，而施耐德電氣正著力構建AI相關的生態系統，打通合作關節。

比如，通過發起“創贏計劃”，施耐德電氣長期助力創新型企業進行數字化創新，2025年的“創贏計劃”專門開辟了AI賽道，將技術創新能力與產業實際需求對接起來，從技術、資源、平臺給予支持，助力技術落地。6年間，“創贏計劃”已吸引1400多家中小企業參與，輸出40多項聯創成果，AI相關的解決方案也在具體產業場景中得到驗證和商業孵化。

尤其是當前能源轉型的大背景下，相關各方需要更大規模的系統協同。作為能源技術的引領者，施耐德電氣與合作伙伴不止于點對點的單項創新，也不是局部的面狀優化，而是以集群思維去構建AI賦能的能源生態。“在AI等數字化技術的支持下，我們要做的不是零散的創新，而是把能源轉型的一系列關鍵能力‘串成項鏈’——每一顆‘珍珠’都代表一個關鍵產業環節和關鍵技術領域，有的部分施耐德電氣有能力優勢，比如智能化電氣設備和AI賦能的數字化能源管理等等，有的部分合作伙伴的能力更強，比如在光伏、儲能、氫能等領域。最終，我們希望把這些環節整合成一個穩定、互信、長期共贏的合作生態，從而以集群的能力去共同推進能源系統的整體轉型。”

落實到具體的應用場景中，能源轉型的技術路徑與調度邏輯在不同場景中存在顯著差異，有的場景需要完全離網的“能源孤島”，有的場景則需要微電網與主電網定期進行能量交換。熊宜介紹，施耐德電氣正與眾多合作伙伴一道探索不同場景，比如在海外大型離網項目等場景中積累經驗、驗證方案，探索不同場景下的用能優化模式。

此外，施耐德電氣還同時通過校企合作、職業教育與開發者社區建設，匯聚個體智慧與企業力量，讓AI相關的生態邊界更開放、創新更具活力。

聚焦場景突破，AI成產業轉型的關鍵力量

AI正在從多個層面重塑企業運行方式：從質量檢測、預測性維護、設備健康管理，到供應鏈計劃、能源管理、安全管理等，AI正在幫助企業提升效率、降低成本，并在更多場景中釋放創新潛力。施耐德電氣長期深耕工業自動化和能源管理領域，積累了大量可規模化復制的AI應用場景。

“在工業領域，AI不僅是提高效率的手段，更是激發創新和提升競爭力的關鍵力量。”施耐德電氣高級副總裁、工業自動化業務中國區負責人丁曉紅認為，工業領域經歷了自動化、信息化、數字化的持續迭代，如今已積累了豐富的數據資源，數據采集手段也日益完備，這為AI技術的深度應用奠定了堅實基礎。

施耐德電氣供圖

“工業端未來應用AI的潛力是巨大的。”丁曉紅強調。在她看來，基于長期的數字化建設，AI技術能幫助企業進一步挖掘數據價值，實現高質量、可持續的盈利性增長。比如在三維模型和數字孿生技術方面，施耐德電氣與本地生態伙伴通過激光掃描自動生成三維模型，幫助相關流程提升50%效率；在離散行業，施耐德電氣幫助機器制造商、設備供應商以及OEM 廠商實現數據和AI技術驅動的精益管理，比如設備的預測性維護、能源和碳足跡管理、機器人協同、供應鏈整體優化，甚至具體到物流中的AGV小車軌跡管理等等。

談及未來趨勢，丁曉紅認為工業領域的AI應用會朝著兩大方向推進：“一方面，加速預測性維護、機器視覺故障識別、工藝優化等成熟應用的規模化推廣；另一方面，探索具身機器人等創新方向，并通過全局優化將分散的單點創新整合起來，實現全流程、全系統的效率提升。”而無論哪個方向，都離不開軟硬件構建的數字化基礎，和AI技術與具體行業場景的深度綁定。

“工業領域的AI應用空間遠不止于制造流程本身。施耐德電氣擁有能源管理和工業自動化領域的領先技術優勢，我們認為未來AI技術將助力各行各業打通能源與生產、能源與算力，提升整體效率。”丁曉紅進一步補充道。她提到，比如在化工、半導體等傳統行業，過去企業往往更關注生產裝置的穩定運行與產能保障，對能源供給側的成本優化與協同調度重視不足，而通過打通數據和引入AI技術，未來企業有望更效率運營，且更加綠色可持續。

對此，熊宜也認為，盡管當下許多企業已經展開了AI相關的新技術和新架構的討論，實際上這些探索大多仍基于傳統的能源系統，并未產生對現有架構的替代性作用。他表示，能源系統的整體轉型正在有序推進，企業未來應高度關注能源結構的變化，比如從交流到直流，將帶來全新的技術架構，最終實現成本優化和效能提升等變化。

“這并非僅僅通過算法就能實現的簡單提升，而是一個根本性的架構提升，包括硬件和軟件的迭代和緊密融合，這才是未來業界最應關注的發展趨勢。”